ANALISIS REGRESI LINIER BERGANDA

Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih
variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini untuk
mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah
masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi
nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau
penurunan. Data yang digunakan biasanya berskala interval atau rasio.
Persamaan regresi linear berganda sebagai berikut:

Y’ = a + b1X1+ b2X2+…..+ bnXn

Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X1 dan X2 = Variabel independen
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
= Koefisien regresi (nilai peningkatan ataupun penurunan)

Contoh kasus:
Kita mengambil contoh kasus pada uji normalitas, yaitu sebagai berikut: Seorang
mahasiswa bernama Bambang melakukan penelitian tentang faktor-faktor yang mempengaruhi
harga saham pada perusahaan di BEJ. Bambang dalam penelitiannya ingin mengetahui
hubungan antara rasio keuangan PER dan ROI terhadap harga saham. Dengan ini Bambang
menganalisis dengan bantuan program SPSS dengan alat analisis regresi linear berganda. Dari
uraian di atas maka didapat variabel dependen (Y) adalah harga saham, sedangkan variabel
independen (X1 dan X2) adalah PER dan ROI.
Data-data yang di dapat berupa data rasio dan ditabulasikan sebagai berikut:

Tabel. Tabulasi Data (Data Fiktif)

Tahun Harga Saham (Rp) PER (%) ROI (%)

1990 8300 4.90 6.47
1991 7500 3.28 3.14
1992 8950 5.05 5.00
 1993 8250 4.00 4.75
1994 9000 5.97 6.23
1995 8750 4.24 6.03
1996 10000 8.00 8.75
1997 8200 7.45 7.72
1998 8300 7.47 8.00
1999 10900 12.68 10.40
2000 12800 14.45 12.42
2001 9450 10.50 8.62
2002 13000 17.24 12.07
2003 8000 15.56 5.83
2004 6500 10.85 5.20
2005 9000 16.56 8.53
2006 7600 13.24 7.37
2007 10200 16.98 9.38

Tabel. Hasil Analisis Regresi Linear Berganda

 Persamaan regresinya sebagai berikut:

Y’ = a + b1X1+ b2X2
Y’ = 4662,491 + (-74,482)X1 + 692,107X2
Y’ = 4662,491 - 74,482X1 + 692,107X2

Keterangan:
Y’ = Harga saham yang diprediksi (Rp)
a = konstanta
b1,b2 = koefisien regresi
X1 = PER (%)
X2 = ROI (%)

Persamaan regresi di atas dapat dijelaskan sebagai berikut:

- Konstanta sebesar 4662,491; artinya jika PER (X1) dan ROI (X2) nilainya adalah 0, maka harga
saham (Y’) nilainya adalah Rp.4662,491.
- Koefisien regresi variabel PER (X1) sebesar -74,482; artinya jika variabel independen lain
nilainya tetap dan PER mengalami kenaikan 1%, maka harga saham (Y’) akan mengalami
penurunan sebesar Rp.74,482. Koefisien bernilai negatif artinya terjadi hubungan negatif
antara PER dengan harga saham, semakin naik PER maka semakin turun harga saham.
- Koefisien regresi variabel ROI (X2) sebesar 692,107; artinya jika variabel independen lain
nilainya tetap dan ROI mengalami kenaikan 1%, maka harga saham (Y’) akan mengalami
peningkatan sebesar Rp.692,107. Koefisien bernilai positif artinya terjadi hubungan positif
antara ROI dengan harga saham, semakin naik ROI maka semakin meningkat harga saham.

Nilai harga saham yang diprediksi (Y’) dapat dilihat pada tabel Casewise Diagnostics
(kolom Predicted Value). Sedangkan Residual (unstandardized residual) adalah selisih antara
harga saham dengan Predicted Value, dan Std. Residual (standardized residual) adalah nilai
residual yang telah terstandarisasi (nilai semakin mendekati 0 maka model regresi semakin
baik dalam melakukan prediksi, sebaliknya semakin menjauhi 0 atau lebih dari 1 atau -1 maka
semakin tidak baik model regresi dalam melakukan prediksi).
Analisis Regresi Linier Berganda
1 .Pengertian Analisis Regresi.
Analisis Regresi adalah analisis yang mengukur pengaruh variabel bebas terhadap variabel
terikat. Pengukuran pengaruh ini melibatkan satu variabel bebas (X) dan variabel terikat (Y),
yang dinamakan analisis regresi linier sederhana dengan rumus Y= a+bX. Nilai “a” adalah
konstanta dan nilai “b” adalah koefisien regresi untuk variabel X.
Harga ‘a’ dapat dicari dengan rumus :

Harga ‘b’ dapat dicari dengan rumus :

Koefisien regresi ‘b’ adalah kontribusi besarnya perubahan nilai variabel bebas, semakin
besar nilai koefisien regresi maka kontribusi perubahan semakin besar, demikian pula
sebaliknya akan semakin lecil. Kontribusi perubahan variabel bebas (X) juga ditentukan oleh
koefisien regresi positif atau negatif.
2. Pengukuran Analisis Regresi
Pengukuran pengaruh variabel yang melibatkan lebih dari satu variabel bebas
(X1,X2,X3,…,Xn), digunakan analisis regresi linier berganda, disebut linier karena setiap
estimasi atas nilai diharapkan memgalami peningkatan atau penurunan mengikuti garis lurus.
Berikut ini estimasi regresi linier berganda :
Y=a+b1X1+b2X2+b3X3+…+bnXn
Keterangan :
Y : variabel terikat (dependent)
X (1,2,3,…) : variabel bebas (independent)
a : nilai konstanta
b (1,2,3,…) : nilai koefisien regresi

Penggunaan nilai konstanta secara statistik dilakukan jika satuan-satuan variabel

X(independent) dan variabel Y (dependent) tidak sama. Sedangkan, bila variabel
X(independent) dan variabel Y (dependent), baik linier sederhana maupun berganda,
memiliki satuan yang sama maka nilai konstanta diabaikan dengan asumsi perubahan
variabel Y (dependent) akan proposional dengan nilai perubahan variabel X (independent).
Menurut kajian literatur permintaan suatu produk ditentukan oleh harga barang dan
pendapatan seseorang. Hasil pengamatan terhadap 12 sampel atas permintaan suatu barang
dalam hal ini gula diperoleh data harga minyak goreng dan pendapatan konsumen :

Langkah-langkah penyelesaiannya:
> Variabel bebas dan variabel tak bebas

Variabel Bebas : X1 = Harga minyak goreng dan X2 = Pendapatan konsumen

Variabel Tak Bebas : Y = Permintaan minyak goreng
> Persamaan regresi linear berganda : Y' = a + b1X1 + b2X2

> Menentukan nilai konstanta dan koefisien regresi

Khusus untuk parameter b1 data adalah dalam ribuan, sehingga hasil tersebut harus dibagi
dengan 1000, diperoleh b1 = -0,000582 = -0,001.

Jadi persamaan Regresi Linear Berganda dengan dua variabel bebas adalah :

Y' = 12,7753 - 0,001 X1 - 0,488 X2

> Interpretasi koefisien regresi

Nilai a = 12,7753 artinya jika tidak ada harga minyak goreng dan pendapatan konsumen,
namun permintaan akan minyak goreng sebanyak 12,7753.

Nilai b1 = -0,001 artinya jika harga minyak goreng meningkat satu rupiah maka akan terjadi
penurunan permintaan sebesar 0,001 satuan dimana pendapatan konsumen dianggap tetap.

Nilai b2 = - 0,488 artinya jika pendapatan konsumen mengalami kenaikan sebesar satu rupiah
maka akan terjadi penurunan permintaan gula sebesar 0,488 satuan dimana harga gula
dianggap tetap.