MAKALAH

REGRESI BERGANDA

Disusun Oleh:
Sesi Winarni (06081281419036)
Monalisa (06081381419044)
Sri Utami (06081381419058)

Dosen Pengampu:
Prof. Dr. Ratu Ilma Indra Putri, M.Si

FAKULTAS KEGURUAN DAN ILMU

PENDIDIKAN
PENDIDIKAN MATEMATIKA
UNIVERSITAS SRIWIJAYA
2016
REGRESI BERGANDA DUA PREDIKTOR 1
 Analisis Regresi Ganda dua Prediktor
Kegunaan analisis regresi linear berganda adalah untuk mengukur pengaruh antar
lebih dari satu variabel bebas terhadap variabel terikat. Untuk memperkirakan
/meramalkan nilai dari variabel Y, akan lebih baik apabila kita ikut memperhitungkan
variabel-variabel lain yang ikut mempengaruhi Y. Dengan demikian, kita mempunyai
hubungan antara satu variabel tidak bebas (dependent variable) Y dengan beberapa
variabel lain yang bebas (independent variable) 𝑋1 , 𝑋2 , . . . , 𝑋𝑛 . Hubungan antara
variabel tersebut dinyatakan dalam persamaan matematika berikut:
Model Regresi : 𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝜀 (𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖)
Fungsi Regresi : 𝑌 = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2 (𝑠𝑎𝑚𝑝𝑒𝑙)
Diamana 𝑏0 adalah konstanta, 𝑏1 dan 𝑏2 masing-masing koefisien regresi yang
berkaitan dengan variabel 𝑋1 dan 𝑋2 . Nilai konstanta 𝑏0 dan koefisien persamaan regresi
𝑏1 dan 𝑏2 diperoleh dari data sampel.
Perhitungan analisis regresi ganda dengan dua prediktor yaitu sebagai berikut:
1. Menentukan Persamaan Regresi Linier Ganda Y atas X1 dan X2
Untuk menentukan persamaan regresi ditentukan nilai-nilai jumlah dari variabel-
bariabelnya. Untuk itu kita bisa menggunakan tabel bantu seperti berikut:
No.
𝑥1 𝑥2 𝑦 𝑥1 𝑦 𝑥2 𝑦 𝑥1 𝑥2 𝑥12 X22
Resp.

...

Jumlah ∑𝑥1 ∑𝑥2 ∑𝑦 ∑𝑥1 𝑦 ∑𝑥2 𝑦 ∑𝑥1 𝑥2 ∑𝑥12 ∑𝑥22

Selanjutnya dibentuk persamaan stimultan

∑𝑌 = 𝑎𝑛 + 𝑏1 ∑𝑥1 + 𝑏2 ∑𝑥2

REGRESI BERGANDA DUA PREDIKTOR 2

 ∑𝑥1 𝑦 = 𝑎∑𝑥1 + 𝑏1 ∑𝑥12 + 𝑏2 ∑𝑥1 𝑥2

∑𝑥2 𝑦 = 𝑎∑𝑥2 + 𝑏2 ∑𝑥1 𝑥2 + 𝑏2 ∑𝑥12

Dengan menggunakan metode determinan (Crammer), dihitung koefisien persamaan

regresi b1 dan b2, berikut ini.
∑𝑥1 𝑦 ∑𝑥1 𝑥2
∑𝑥2 𝑦 ∑𝑥22 ∑𝑥22 ∑𝑥1 𝑦 − ∑𝑥1 𝑥2 ∑𝑥2 𝑦
𝑏1 = =
∑𝑥12 ∑𝑥1 𝑥2 ∑𝑥12 ∑𝑥22 − ∑𝑥1 𝑥2 2
∑𝑥1 𝑥2 ∑𝑋22
∑𝑥12 ∑𝑥1 𝑦
∑𝑥1 𝑥2 ∑𝑥2 𝑦 ∑𝑥12 ∑𝑥2 𝑦 − ∑𝑥1 𝑥2 ∑𝑥1 𝑦
𝑏2 = =
∑𝑥12 ∑𝑥1 𝑥2 ∑𝑥12 ∑𝑥22 − ∑𝑥1 𝑥2 2
∑𝑥1 𝑥2 ∑𝑥22
𝑏0 = 𝑌 − 𝑏1 𝑋1 −𝑏2 𝑋2

Persamaan model / regresi ganda Y atas X1 dan X2 diekspresikan sebagai :

𝑌 = 𝑏0 + 𝑏1 𝑋1 + 𝑏2 𝑋2
2. Uji Signifikansi Persamaan Regresi Ganda Y atas X1 dan X2
Pengujian regresi linier ganda Y atas X1 dan X2 dilakukan dengan langkah-langkah
sebagai berikut.
a. Menghitung Jumlah Kuadrat (JK) Beberapa Sumber Varians
𝐽𝐾 𝑇 = ∑𝑦 2
𝐽𝐾 𝑅𝑒𝑔 = 𝑏1 ∑𝑥1 𝑦 + 𝑏2 ∑𝑥2 𝑦
𝐽𝐾 𝑅𝑒𝑠 = 𝐽𝐾 𝑇 − 𝐽𝐾(𝑅𝑒𝑔)
b. Menentukan derajat bebas (db) Beberapa Sumber Varians
𝑑𝑏 𝑇 = 𝑛 − 1
𝑑𝑏 𝑅𝑒𝑔 = 𝑘 (k adalah banyaknya prediktor)
𝑑𝑏 𝑅𝑒𝑠 = 𝑛 − 𝑘 − 1
c. Menghitung Rata-rata Jumlah Kuadrat (RJK)
𝐽𝐾 𝑅𝑒𝑔
𝑅𝐽𝐾 𝑅𝑒𝑔 =
𝑑𝑏 𝑅𝑒𝑔
𝐽𝐾 𝑅𝐸𝑠
𝑅𝐽𝐾 𝑅𝑒𝑠 =
𝑑𝑏 𝑅𝑒𝑠
d. Menentukan Fhitung

REGRESI BERGANDA DUA PREDIKTOR 3

 Uji signifikansi regresi 𝑦 atas𝑥1 dan 𝑥2
Hipotesis:
H0 : 𝛽1 = 𝛽2
H1 : 𝛽1 ≠ 𝛽2
𝑅𝐽𝐾 𝑅𝑒𝑔
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 𝑅𝑒𝑔 =
𝑅𝐽𝐾 𝑅𝑒𝑠
𝐹𝑡𝑎𝑏𝑒𝑙 (𝛼:𝑘,𝑛−𝑘−1)
Kriteria penilaian
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 > 𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐻0 𝑑𝑖𝑡𝑜𝑙𝑎𝑘
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 ≤ 𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐻0 𝑑𝑖𝑡𝑒𝑟𝑖𝑚𝑎

e. Menyusun Tabel ANOVA Regresi

Ftabel
Sumber Varians JK db RJK Fhitung
𝛼=⋯

Regresi ... ... ...

... ...
Sisa (Residu) ... ... ...

Total Tereduksi ... ... - - -

f. Menarik Kesimpulan

3. Uji Signifikansi Koefisien Regresi Ganda 𝑦 atas𝑥1 dan 𝑥2

a. Koefisien Korelasi Ganda

2
𝐽𝐾 𝑅𝐸𝑔 𝐽𝐾 𝑅𝑒𝑔
𝑅𝑌.12 = =
𝐽𝐾 𝑇 ∑𝑦 2
b. Uji Signifikansi Koefisien Korelasi Ganda
H0 : 𝜌𝑌.12 = 0
H1 : 𝜌𝑌.12 ≠ 0

REGRESI BERGANDA DUA PREDIKTOR 4

 𝑅2 𝑛 − 𝑘 − 1
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑘 1 − 𝑅2
Bandingkan dengan 𝐹𝑡𝑎𝑏𝑒𝑙 (𝛼,𝑑𝑏 ,𝑑𝑘 )

c. Koefisien Determinasi
Koefisien determinasi diartikan sebagai kuadrat koefisien korelasi. Sehingga
koefisien determinasi antara X1 dan X2 dengan Y adalah kuadrat dari RY.12
2
𝐾𝑃 = 𝑅𝑌.12 𝑥 100%

4. Uji Signifikansi Koefisien Persamaan Regresi Ganda

a. Menghitung Galat Baku Taksiran
2
𝑆𝑌.12 = 𝑅𝐽𝐾(𝑆)
b. Menghitung R12
∑𝑥1 𝑥2
𝑅1 =
∑𝑥12 ∑𝑥22
c. Menghitung S2bi
2
2
𝑆𝑌.12−𝑘
𝑆𝑏𝑖 =
∑𝑥𝑖2 1 − 𝑅12
d. Menghitung Statistik Uji-t
Statistika uji yang digunakan untuk menentukan signifikan darri masing-masing
koefisien X1 dan X2 adalah statistika uji-t dengan rumus:
𝑏𝑖
𝑡𝑖 =
𝑆𝑏𝑖
Uji signifikansi koefisien (bi) berkaitan dengan variabel Xi
𝐻0 : 𝛽 ≤ 0
𝐻1 : 𝛽 > 0

5. Korelasi Parsial dan Penentuan Peringkat Pengaruh

Uji koefisien korlasi parsial mempunyai makna yang sama dengan uji koefisien
persamaan regresi. Untuk menghitung koefisien parsial, diperlukan koefisien-
koefisien korelasi sebagai berikut.
∑𝑥1𝑌
𝑟𝑦1 =
∑𝑥12 ∑𝑦 2
∑𝑥2𝑌
𝑟𝑦2 =
∑𝑥22 ∑𝑦 2

REGRESI BERGANDA DUA PREDIKTOR 5

 ∑𝑥1 𝑥2
𝑟12 =
∑𝑥12 ∑𝑥22

a. Koefisien Korelasi antara X1 dan Y dengan Mengontrol Pengaruh X2 (𝑟𝑌.12 )

𝑟𝑌1 − 𝑟𝑌2 . 𝑟12
𝑟𝑌1.2 =
2 2
1 − 𝑟𝑌2 1 − 𝑟12
Uji signifikansi koefisien korelasi parsial
𝑟𝑌1.2 𝑛 − 𝑑𝑏
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
2
1 − 𝑟𝑌1.2

𝑡𝑡𝑎𝑏𝑒𝑙 𝛼,𝑑𝑏 𝑟𝑒𝑠

Tolak 𝐻0 𝐽𝑖𝑘𝑎 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑡𝑡𝑎𝑏𝑒𝑙

b. Koefisien Korelasi antara X2 dan Y dengan Mengontrol Pengaruh X1 (𝑟𝑌.12 )

𝑟𝑌2 − 𝑟𝑌1 . 𝑟12

𝑟𝑌2.1 =
2 2
1 − 𝑟𝑌1 1 − 𝑟12

Uji signifikansi koefisien korelasi parsial

𝑟𝑌2.1 𝑛 − 𝑑𝑏
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
2
1 − 𝑟𝑌2.1

𝑡𝑡𝑎𝑏𝑒𝑙 𝛼,𝑑𝑏 𝑟𝑒𝑠

Tolak 𝐻0 𝐽𝑖𝑘𝑎 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 > 𝑡𝑡𝑎𝑏𝑒𝑙

REGRESI BERGANDA DUA PREDIKTOR 6

 CONTOH SOAL

Suatu penelitian telah dilakukan untuk mengetahui hubungan antara kehadiran mahasiswa
(𝑋1 )dan lama belajar dalam jam per minggu (𝑋2 ) terhadap nilai akhir ujian mata kuliah
Pembuktian Deduktif (Y). Sebanyak 5 mahasiswa untuk menjadi subyek Penelitian. Berikut
data yang diperoleh :

Nomor Kehadiran Lama Nilai

Responden Belajar Ujian
1 14 18 95
2 16 18 100
3 15 19 100
4 12 17 80
5 16 14 70
Pertanyaan :

a. Tentukan persamaan regresi ganda Y atas X1 dan X2

b. Lakukan pengujian signifikansi regresi ganda Y atas X1 dan X2
c. Hitung dan uji signifikansi koefisien korelasi ganda Y atas X1 dan X2
d. Lakukan pengujian signifikansi koefisien persamaan regresi ganda Y atas X1 dan X2

Penyelesaian :

Tabel Persiapan Regresi Ganda Dua Prediktor

Nomor X1 X2 Y X1^2 X2^2 Y^2 X1Y X2Y X1X1

Responden
1 14 18 95 196 324 9025 1330 1710 252
2 16 18 100 256 324 10000 1600 1800 288
3 15 19 100 225 361 10000 1500 1900 285
4 12 17 80 144 289 6400 960 1360 204
5 16 14 70 256 196 4900 1120 980 224
Jumlah 73 86 445 1077 1494 40325 6510 7750 1253

a. Menentukan persamaan regresi ganda Y atas X1 dan X2

Untuk menentukan persamaan regresi ditentukan nilai-nilai sebagai berikut :
REGRESI BERGANDA DUA PREDIKTOR 7
 ∑ 𝑋1 = 73 ∑ 𝑋2 = 86 ∑ 𝑌 = 445

𝑋1 2 = 1077 𝑋2 2 = 1494 𝑌 2 = 40325

𝑥1 2 = 11,2 𝑥2 2 = 14,8 𝑦 2 = 720

𝑋1 = 14,6 𝑋2 = 17,2 𝑌 = 89

𝑋1 𝑌 = 6510 , 𝑥1 𝑦 = 13

∑ 𝑋2 𝑌 = 7750 , ∑ 𝑥2 𝑦 = 96
∑ 𝑋1 𝑋2 = 1253 , ∑ 𝑥1 𝑥2 = −2,6
Selanjutnya dibentuk persamaan simultan

𝑏1 𝑥1 2 + 𝑏2 𝑥1 𝑥2 = 𝑥1 𝑦

𝑏1 𝑥1 𝑥2 + 𝑏2 𝑥2 2 = 𝑥2 𝑦

Dengan menggunakan metode determinan (Crammer), dihitung koefisien persamaan

regresi 𝑏1 dan 𝑏2 ,berikut ini .
∑ 𝑥1 𝑦 ∑ 𝑥1 𝑥2
∑ 𝑥2 𝑦 ∑ 𝑥2 2 ∑ 𝑥1 𝑦 ∑ 𝑥2 2 − ∑ 𝑥2 𝑦 ∑ 𝑥1 𝑥2
𝑏1 = =
∑ 𝑥1 2 ∑ 𝑥1 𝑥2 ∑ 𝑥1 2 ∑ 𝑥2 2 − ∑ 𝑥1 𝑥2 2
∑ 𝑥1 𝑥2 ∑ 𝑥2 2

13 14,8 − 96 −2,6
𝑏1 = = 2,77984
11,2 14,8 − −2,6 2

∑ 𝑥1 2 ∑ 𝑥1 𝑦
∑ 𝑥1 𝑥2 ∑ 𝑥2 𝑦 ∑ 𝑥2 𝑦 ∑ 𝑥1 2 − ∑ 𝑥1 𝑦 ∑ 𝑥1 𝑥2
𝑏2 = =
∑ 𝑥1 2 ∑ 𝑥1 𝑥2 ∑ 𝑥1 2 ∑ 𝑥2 2 − ∑ 𝑥1 𝑥2 2
∑ 𝑥1 𝑥2 ∑ 𝑥2 2

96 11,2 − 13 −2,6
𝑏2 = = 6,974843
11,2 14,8 − −2,6 2

𝑏0 = 𝑌 − 𝑏1 𝑋1 − 𝑏2 𝑋2 = 89 − 2,77984 14,6 − 6,974843 17,2 = −71,5535

Sehingga persamaan model regresi ganda Y atas X1 dan X2 diekspresikan

𝑌 = −71,5535 + 2,77984𝑋1 + 6,974843𝑋2

REGRESI BERGANDA DUA PREDIKTOR 8

b. Uji signifikansi Persamaan Regresi Ganda Y atas X1 dan X2
Pengujian signifikansi regresi linear ganda Y atas X1 dan X2 (𝑌 = 8551,25 +
486,551𝑋1 + 78,98𝑋2 ) dilakukan dengan langkah-langkah sebagai berikut :
1) Menghitung jumlah kuadrat (JK) beberapa sumber varians

𝐽𝐾 𝑇 = 𝑦 2 = 720

𝐽𝐾 𝑅𝑒𝑔 = 𝑏1 𝑥1 𝑦 + 𝑏2 𝑥2 𝑦 = 2,77984 13 + 6,974843 96 = 705,7233

𝐽𝐾 𝑅𝑒𝑔 = 𝐽𝐾 𝑇 − 𝐽𝐾 𝑅𝑒𝑔 = 720 − 705,7233 = 14,28

2) Menentukan derajat bebas (db) beberapa sumber varian

𝑑𝑏 𝑇 = 𝑛 − 1 = 5 − 1 = 4
𝑑𝑏 𝑅𝑒𝑔 = 𝑘 = 2
𝑑𝑏 𝑅𝑒𝑠 = 𝑛 − 𝑘 − 1 = 5 − 2 − 1 = 2
3) Menghitung rata-rata jumlah kuadrat (RJK)
𝐽𝐾 𝑅𝑒𝑔 705,7233
𝑅𝐽𝐾 𝑅𝑒𝑔 = = = 352,86
𝑑𝑏 𝑅𝑒𝑔 2
𝐽𝐾 𝑅𝑒𝑠 14,28
𝑅𝐽𝐾 𝑅𝑒𝑠 = = = 7,14
𝑑𝑏 𝑅𝑒𝑠 2
4) Menentukan Fhitung
Hipotesis :
H0 : 𝛽1 = 𝛽2
H1 : 𝛽1 ≠ 𝛽2
𝑅𝐽𝐾 𝑅𝑒𝑔 352,86
Fhitung (Reg) = = = 49,43
𝑅𝐽𝐾 𝑅𝑒𝑠 7,14

5) Menentukan Ftabel
𝐹𝑡𝑎𝑏𝑒𝑙 = 𝐹(0,05;𝑑𝑏 (𝑟𝑒𝑔 );(𝑑𝑏 𝑟𝑒𝑠 )) = 𝐹(0,05;2;2) = 19,00
6) Kesimpulan
Karena Fhitung> Ftabel yaitu 49,43 > 19,00, sehingga persamaan regresi signifikan atau
terdapet pengaruh linear X1 dan X2 terhadap variabel Y. Dengan demikian, variabel
X1 dan X2 secara simultan berpengaruh terhadap variabel Y.

c. Uji signifikansi koefisien regresi Ganda Y atas X1 dan X2

1) Koefisien korelasi ganda

REGRESI BERGANDA DUA PREDIKTOR 9

 𝐽𝐾 (𝑅𝑒𝑔) 705,7233
𝑅𝑦 ,12 2 = = = 0,980171
𝐽𝐾(𝑇) 720

𝑅𝑦 ,12 = 0,980171 = 0,990036

Sehingga koofisien korelasi ganda antara X1 dan X2 dengan Y sebesar 0,990036
2) Uji signifikansi koefisien korelasi ganda
H0 :𝜌𝑦 ,12 = 0
H1 :𝜌𝑦 ,12 ≠ 0

𝑅 2 (𝑛−𝑘−1) 0,980171 (5−2−1)

Fhitung= = = 49,43172
𝑘 1−𝑅 2 2(1−0,980171 )

Ftabel = 𝐹(0,05;𝑑𝑏 (𝑟𝑒𝑔 );(𝑑𝑏 𝑟𝑒𝑠 )) = 𝐹(0,05;2;2) = 19,00

Karena Fhitung> Ftabel yaitu 49,43172> 19,00, sehingga koefisien regresi signifikan
atau terdapet pengaruh linear X1 dan X2 terhadap variabel Y. Dengan demikian,
variabel X1 dan X2 secara simultan berpengaruh terhadap variabel Y.

d. Uji Signifikansi Koefisien Persamaan Regresi Ganda

1) Menghitung galat baku taksiran
(Sy,12) = 𝑅𝐽𝐾 𝑟𝑒𝑠 = 7,14 = 2,672
2) Menghitung Ri2
Karena r12 = r21 maka R12= R22
Koefisien R1= R2 dihitung dengan rumus :
∑ 𝑥1 𝑥2
𝑅1 = , sehingga diperoleh :
(∑ 𝑥 1 2 )(∑ 𝑥 2 2 )

∑ 𝑥1 𝑥2 −2,6 −2,6
𝑅1 = = = = −0,20195
(∑ 𝑥1 2 )(∑ 𝑥2 2 ) 11,2 (14,8) 12,8747

Sehingga R1= R2 yaitu = −0,20195

2
3) Menghitung 𝑆𝑏𝑖
2
2
𝑆𝑦,12…𝑘 2,672 2,672
𝑆𝑏1 = = = = 0,25
∑ 𝑥12 (1 − 𝑅12 ) 11,2(1 − 0,041) 10,743

Sehingga diperoleh 𝑆𝑏1 = 0,25 = 0,5

2
2
𝑆𝑦,12…𝑘 2,672 2,672
𝑆𝑏2 = = = = 0,1882
∑ 𝑥22 (1 − 𝑅22 ) 14,8(1 − 0,041) 10,743
Sehingga diperoleh 𝑆𝑏2 = 0,1882 = 0,434

REGRESI BERGANDA DUA PREDIKTOR 10

4) Menghitung Statistik Uji-t
Uji signifikansi koefisien (bi) berkaitan dengan variabel Xi
𝐻0 : 𝛽 ≤ 0
𝐻1 : 𝛽 > 0
𝑏1 2,77984
𝑡1 = = = 11,12
𝑆𝑏1 0,25
Adapun ttabel = t(0,05;2) = 2,92
Karena thitung> ttabel yaitu 11,12 > 2,92 maka Ho ditolak. Hal ini koefisien yang
berkaitan dengan X2 tidak bisa diabaikan. Hal ini mengungkapkan bahwa setiap
peningkatan satu satuan variabel X1 akan meningkatkan sebesar 2,77984 kali
sementara variabel X2 dianggap tetap atau dikontrol. Dengan demikian, hasil
pengujian ini adalah bahwa kehadiran berpengaruh positif terhadap nilai
mahasiswa.
Uji signifikansi koefisien (bi) berkaitan dengan variabel Xi
𝐻0 : 𝛽 ≤ 0
𝐻1 : 𝛽 > 0
𝑏2 6,974843
𝑡2 = = = 16,07
𝑆𝑏2 0,434
Adapun ttabel = t(0,05;2) = 2,92
Karena thitung> ttabel yaitu 16,07 > 2,92 maka Ho ditolak. Hal ini koefisien yang
berkaitan dengan X2 tidak bisa diabaikan. Hal ini mengungkapkan bahwa setiap
peningkatan satu satuan variabel X2 akan meningkatkan sebesar 2,77984 kali
sementara variabel X1 dianggap tetap atau dikontrol. Dengan demikian, hasil
pengujian ini adalah bahwa lama belajar berpengaruh positif terhadap nilai
mahasiswa.

REGRESI BERGANDA DUA PREDIKTOR 11