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:
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:
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 (%)
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 :
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
Langkah-langkah penyelesaiannya:
> Variabel bebas dan variabel tak bebas
Jadi persamaan Regresi Linear Berganda dengan dua variabel bebas adalah :
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.