BAB I

PENDAHULUAN

A. Latar Belakang

Sebagian besar analisis statistika bertujuan untuk mengetahui apakah

ada hubungan antara dua atau lebih variable. Bila hubungan tersebut dapat
dinyatakan dalam bentuk rumus matematika, maka kita dapat menggunakannya
untuk kepentingan peramalan. Sebagai misal kita memberikan test kepada
mahasiswa baru untuk melihat keberhasilan mereka pada akhir perkuliahan.

Seberapa jauh peramalan itu dapat dipercaya, bergantung pada keeratan

hubungan antara variable-variabel tersebut. Untuk lebih cepat memahami topik
regresi ini, maka penguasaan materi pada pertemuan-pertemuan sebelumnya
sangatlah diperlukan dan menjadi syarat mutlak.

B. Tujuan

1. Untuk mengetahui definisi regresi linear berganda

2. Untuk mengetahui syarat-syarat penggunaan uji
3. Untuk mengetahui rumus dan interpretasi
4. Untuk mengetahui cara mengerjakan soal-soal regresi linear berganda
dengan adanya contoh soal
 BAB II
PEMBAHASAN

A. Definisi

Regresi linear berganda adalah model regresi atau prediksi yang

melibatkan lebih dari satu variabel bebas atau prediktor. Istilah regresi
berganda dapat disebut juga dengan istilah multiple regression. Kata multiple
berarti jamak atau lebih dari satu variabel. Regresi linear adalah alat statistik
yang dipergunakan untuk mengetahui pengaruh antara satu atau beberapa
variabel terhadap satu buah variabel. Variabel yang mempengaruhi sering
disebut variabel bebas, variabel independen atau variabel penjelas.

Regresi Linear Berganda adalah model regresi linear dengan melibatkan

lebih dari satu variable bebas atau predictor. Dalam bahasa inggris, istilah ini
disebut dengan multiple linear regression.

B. Kegunaan Linear Berganda

Kegunaan Analisis Regresi Linear Berganda Analisis Regresi Linear
Berganda digunakan untuk mengukur pengaruh antara lebih dari satu variabel
prediktor (variabel bebas) terhadap variabel terikat.
C. Persamaan Umum Regresi Linear Ganda
Y = a + b1X1+b2X2+…+bnXn
Y = variabel terikat
a = konstanta
b1,b2 = koefisien regresi
X1, X2 = variabel bebas
D. Interpretasi
Dengan Y adalah variabel bebas, dan X adalah variabel-variabel bebas, a
adalah konstanta (intersept) dan b adalah koefisien regresi pada masing-masing
variabel bebas.
Interpretasi terhadap persamaan juga relatif sama, sebagai ilustrasi, pengaruh antara
motivasi (X1), kompensasi (X2) dan kepemimpinan (X3) terhadap kepuasan kerja
(Y) menghasilkan persamaan sebagai berikut:
Y = 0,235 + 0,21 X1 + 0,32 X2 + 0,12 X3
1. Jika variabel motivasi meningkat dengan asumsi variabel kompensasi dan
kepemimpinan tetap, maka kepuasan kerja juga akan meningkat
2. Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi dan
kepemimpinan tetap, maka kepuasan kerja juga akan meningkat.
3. Jika variabel kepemimpinan meningkat, dengan asumsi variabel motivasi
dan kompensasi tetap, maka kepuasan kerja juga akan meningkat.

Interpretasi terhadap konstanta (0,235) juga harus dilakukan secara

hati-hati. Jika pengukuran variabel dengan menggunakan skala Likert antara
1 sampai dengan 5 maka tidak boleh diinterpretasikan bahwa jika variabel
motivasi, kompensasi dan kepemimpinan bernilai nol, karena ketiga
variabel tersebut tidak mungkin bernilai nol karena Skala Likert terendah
yang digunakan adalah 1.

Analisis regresi linear berganda memerlukan pengujian secara

serempak dengan menggunakan F hitung. Signifikansi ditentukan dengan
membandingkan F hitung dengan F tabel atau melihat signifikansi pada
output SPSS. Dalam beberapa kasus dapat terjadi bahwa secara simultan
(serempak) beberapa variabel mempunyai pengaruh yang signifikan, tetapi
secara parsial tidak. Sebagai ilustrasi: seorang penjahat takut terhadap polisi
yang membawa pistol (diasumsikan polisis dan pistol secara serempak
membuat takut penjahat). Akan tetapi secara parsial, pistol tidak membuat
takut seorang penjahat. Contoh lain: air panas, kopi dan gula menimbulkan
kenikmatan, tetapi secara parsial, kopi saja belum tentu menimbulkan
kenikmatan.
E. Contoh Soal
Seorang manajer pemasaran pensil merek “FABER CASTELL”
ingin mengetahui apakah promosi dan harga berpengaruh terhadap
keputusan konsumen membeli produk tersebut? data merupakan data kasus
merupakan data-data skor masing-masing variabel, baik variabel bebas
maupun terikat untuk 30 responden. Promosi = Variabel bebas pertama
(X1), harga = Variabel bebas kedua (X2), dan keputusan konsumen =
Variabel terikat (Y) dengan data dalam tabel berikut
Berikan Analisis Regresi Linier berganda termasuk pengujian
mengenai keberartian regresi yang diproleh mengenai pengujian parsial ?
Res X1 X2 Y
1 10 7 23,4
2 2 3 7,5
3 4 2 15,7
4 6 4 17,8
5 8 6 23,8
6 7 5 22,7
7 4 3 10,5
8 6 3 14,4
9 7 4 20,5
10 6 3 19,8
11 5 6 18,7
12 7 9 13,8
13 6 3 30,5
14 7 4 25,4
15 6 3 8,6
16 4 5 10,7
17 8 6 27,7
18 6 7 20,4
19 4 3 24,4
20 9 4 16,8
21 8 2 9,8
22 10 6 26,6
23 5 7 25,8
24 8 7 12,4
25 7 7 8,7
26 4 8 17,4
27 2 6 23,6
28 9 6 19,9
29 3 7 22,5 Berikan Analisis Regresi
Linier berganda termasuk pengujian mengenai keberartian
regresi yang diperoleh mengenai pengujian parsial ?
 30 6 9 23,7
Jumlah 184 155 563,5

Jawab:
Diketahui : n = 30 Responden

Variabel bebas pertama (X1) = Promosi

Variabel bebas kedua (X2) = Harga

Variabel terikat (respon/Y) = Keputusan konsumen

Ditanya : Tentukan analisis regresi linier berganda termasuk pengujian

mengenai keberartian regresi yang diproleh mengenai
pengujian parsial?

Penyelesaian :

Persamaan Regresi yang dapat di buat sebanyak 2 + 1 = 3, Persamaanya

yaitu:

1) SY = 𝑎n + b1SX1 + b2SX2

2) SX1Y = 𝑎SX1 + b1SX12 + b2SX1X2

3) SX2Y = 𝑎SX2 + b1SX1X2 + b2SX22

Tabel perrhitungan persamaan Regresi :

Res X1 X2 Y X1 Y 𝐗𝟐𝟏 X1 X2 X2 Y 𝐗𝟐𝟐 Y2
1 10 7 23,4 234 100 70 163,8 49 547,56
2 2 3 7,5 15 4 6 22,5 9 56,25
3 4 2 15,7 62,8 16 8 31,4 4 246,49
 4 6 4 17,8 106,8 36 24 71,2 16 316,84
5 8 6 23,8 190,4 64 48 142,8 36 566,44
6 7 5 22,7 158,9 49 35 113,5 25 515,29
7 4 3 10,5 42 16 12 31,5 9 110,25
8 6 3 14,4 86,4 36 18 43,2 9 207,36
9 7 4 20,5 143,5 49 28 82 16 420,25
10 6 3 19,8 118,8 36 18 59,4 9 392,04
11 5 6 18,7 93,5 25 30 112,2 36 349,69
12 7 9 13,8 96,6 49 63 124,2 81 190,44
13 6 3 30,5 183 36 18 91,5 9 930,25
14 7 4 25,4 177,8 49 28 101,6 16 645,16
15 6 3 8,6 51,6 36 18 25,8 9 73,96
16 4 5 10,7 42,8 16 20 53,5 25 114,49
17 8 6 27,7 221,6 64 48 166,2 36 767,29
18 6 7 20,4 122,4 36 42 142,8 49 416,16
19 4 3 24,4 97,6 16 12 73,2 9 595,36
20 9 4 16,8 151,2 81 36 67,2 16 282,24
21 8 2 9,8 78,4 64 16 19,6 4 96,04
22 10 6 26,6 266 100 60 159,6 36 707,56
23 5 7 25,8 129 25 35 180,6 49 665,64
24 8 7 12,4 99,2 64 56 86,8 49 153,76
25 7 7 8,7 60,9 49 49 60,9 49 75,69
26 4 8 17,4 69,6 16 32 139,2 64 302,76
27 2 6 23,6 47,2 4 12 141,6 36 556,96
28 9 6 19,9 179,1 81 54 119,4 36 396,01
29 3 7 22,5 67,5 9 21 157,5 49 506,25
30 6 9 23,7 142,2 36 54 213,3 81 561,69
jumlah 184 155 563,5 3535,8 1262 971 2998 921 11766,17
Langka Perhitungan :
1) SY = n + b1SX1 + b2SX2

563,5 = 30 + 184 b1 + 155 b2

2) SX1Y = SX1 + b1S + b2SX1X2

3535,8 = 184 + 1262 b1 + 971 b2

Maka kita eliminasi untuk menghilangkan :

(i))

1) SY = n + b1SX1 + b2SX2

563,5 = 30 + 184 b1 + 155 b2

3) SX2Y = SX2 + b2SX1X2 + b2S

2998 = 155 + 971 b1 + 921 b2

Maka kita eliminasi untuk menghilangkan :

(ii))

Persamaan (i) dan Persamamaan (ii) di eliminasi untuk mencari nilai

Subsitusikan ke persamaan (ii) untuk mencari nilai

Jadi nilai a dengan memilih salah satu dari 3 persamaan Regresi, misal
persamaan pertama sebagai berikut:

563,5 = 30 + 184 b1 + 155 b2

563,5 = 30
Dengan demikian persamaan regresi berganda diproleh:

v Pengujian Parsial:
• Pengujian Koefesien regresi prediktor promosi (
1.

(nilai koefesien regresi prediktor promosi tidak

signifikan atau tidak terdapat pengaruh yang signifikan
promosi terhadap keputusan konsumen membeli pensil merek
“FABER CASTELL”)
(nilai koefesien regresi prediktor
promosi signifikan atau terdapat pengaruh yang
signifikan promosi terhadap keputusan konsumen
membeli pensil merek “FABER CASTELL”)

2. Level of significance misal kita gunakan:

Jumlah sampel (n) Responden

Maka nilai t tabel dapat di tentukan :

3. Kriteria Pengujian

Ho ditolak Ho ditolak
Ho diterima

• diterima jika t hitung berada di antara

• ditolak jika t hitung

4. Pengujian

Pengujian untuk nilai b1 dan b2 , sebagai berikut:

Menghitung Sb1, x se tb1
dimana diketahui dari tabel di

atas yaitu: jumlah x1 184

jumlah n 30 maka:

•
x 1 , sebagai berikut:
Res ( Res
1 10 14,8996 16 4 4,5796
 2 2 17,1396 17 8 3,4596
3 4 4,5796 18 6 0,0196
4 6 0,0196 19 4 4,5796
5 8 3,4596 20 9 8,1796
6 7 0,7396 21 8 3,4596
7 4 4,5796 22 10 14,8996
8 6 0,0196 23 5 1,2996
9 7 0,7396 24 8 3,4596
10 6 0,0196 25 7 0,7396
11 5 1,2996 26 4 4,5796
12 7 0,7396 27 2 17,1396
13 6 0,0196 28 9 8,1796
14 7 0,7396 29 3 9,8596
15 6 0,0196 30 6 0,0196
Jumlah 49,014 Jumlah 84,454
x1 − x 1 2= 49,014 + 84,454 = 133,468

• Se

:
:

Res X1 X2 Y Y’ Res X1 X2 Y Y’
1 10 7 23,4 9,4523 194,5383353 16 4 5 10,7 5,1799 30,4715
2 2 3 7,5 2,9079 21,08738241 17 8 6 27,7 7,8162 395,3655
3 4 2 15,7 3,2722 154,4502128 18 6 7 20,4 7,4519 167,6533
4 6 4 17,8 5,5442 150,2046336 19 4 3 24,4 3,9081 419,918
5 8 6 23,8 7,8162 255,4818624 20 9 4 16,8 7,0445 95,16978
6 7 5 22,7 6,6802 256,633992 21 8 2 9,8 5,2726 20,49735
7 4 3 10,5 3,9081 43,45314561 22 10 6 26,6 8,8164 316,2564
8 6 3 14,4 4,9083 90,09236889 23 5 7 25,8 6,9518 355,2546
9 7 4 20,5 6,0443 208,9672625 24 8 7 12,4 8,4521 15,58591
10 6 3 19,8 4,9083 221,7627289 25 7 7 8,7 7,952 0,559504
11 5 6 18,7 6,3159 153,3659328 26 4 8 17,4 7,0876 106,3456
12 7 9 13,8 9,2238 20,94160644 27 2 6 23,6 4,8156 352,8537
13 6 3 30,5 4,9083 654,9351089 28 9 6 19,9 8,3163 134,1821
14 7 4 25,4 6,0443 374,6431225 29 3 7 22,5 5,9516 273,8495
15 6 3 8,6 4,9083 13,62864889 30 6 9 23,7 8,7237 224,2896
Jumlah 2800,558 Jumlah 2921,881
Y − Y′ 2 = 2800,558 + 2921,881 = 5722,439

• sb

1,237436705

• tb

5. Kesimpulan:
karena berada di antara
diterima berarti nilai
koefesien regresi prediktor promosi tidak signifikan atau
tidak terdapat pengaruh yang signifikan promosi terhadap
keputusan konsumen membeli pensil merek “FABER
CASTELL”
 BAB III
PENTUP
A. Kesimpulan
Regresi dalam statistika adalah salah satu metode untuk menentukan tingkat
pengaruh suatu variabel terhadap variabel yang lain.
Regresi linier bertujuan mempelajari hubungan linier antara dua variabel.
Dua variabel ini dibedakan menjadi variabel bebas (X) dan variabel tak bebas
(Y).
Persamaan regresi adalah persamaan matematika yang dapat digunakan
untuk meramalkan nilai-nilai variable tidak bebas (dependent) dari nilai-nilai
variable bebas (independent).
Analisis regresi merupakan studi dalam menjelaskan dan mengevaluasi
hubungan antara suatu peubah bebas (independent variable) dengan satu peubah
tak bebas (dependent variable) dengan tujuan untuk mengestimasi dan atau
meramalkan nilai peubah tak bebas didasarkan pada nilai peubah bebas yang
diketahui.
 Persamaan regresi berganda adalah persamaan matematika yang dapat
digunakan untuk meramalkan nilai-nilai variable tidak bebas (dependent) dari
nilai-nilai variable bebas (independent). Dalam hal ini pendugaan atau
peramalan nilai variabel tak bebas Y berdasarkan hasil pengukuran pada
beberapa variabel bebas X1, X2,…, Xr.

DAFTAR PUSTAKA

Sutumo Selamet, Pengantar Statistik I, (Jakarta : PT. Rajagrafindo Persada, 2016)

Arikunto, Suharsimi, “Prosedur Penelitian : Suatu Pendekatan Praktek”, Edisi
Revisi V, Jakarta: PT Rineka Cipta, 2002.

https://jonatanlima99.wordpress.com/2014/05/04/regresi-linear-dan-berganda-2/