Analisis Regresi Linear Berganda

Analisis regresi digunakan untuk mengukur besarnya pengaruh variabel

bebas terhadap variabel terikat dan memprediksi variabel terikat dengan
menggunakan variabel bebas. Analisis regresi mengkaji hubungan satu variabel
yang disebut sebagai variabel yang diterangkan (the explained variable) dengan
satu atau dua variabel yang menerangkan (the explanatory variable). Variabel
pertama disebut sebagai variabel terikat dan variabel kedua disebut sebagai
variabel bebas. Jika variabel bebasnya lebih dari satu maka analisis regresi
tersebut disebut regresi linear berganda dimana pengaruh beberapa variabel
bebas akan dikenakan kepada variabel tersebut (Kurniawan dan Yuniarto, 2016).
1. Model Regresi Linear Berganda
Model umum dari regresi linear berganda dengan p-parameter:
Y1 = ß1 + ß2 X2i + ß3 X3i + … + ßp Xpi + μ1
Dimana:
ß1 = Intercept dari model
ß2, ß3,…, ßp = Koefisien-koefisien Regresi Parsial dari variabel dependen ke-i
X2i, X3i, …, Xpi = Variabel-variabel independen ke-i dengan parameternya
Y1 = Variabel dependen ke-i
μ1 = Residual (error) untuk pengamatan ke-i
2. Pengujian Parameter Model Regresi Linear Berganda
Pengujian ketelitian dan kemampuan model regresi dapat dilakukan
dengan 3 langkah, yaitu:
 Pengujian koefisien determinasi
 Pengujian parameter secara simultan (Uji F)
 Pengujian parameter secara parsial (Uji t)
Pengujian parameter secara parsial (Uji t)
Prosedur pengujian parameter secara parsial adalah sebagai berikut:
1. Menyusun hipotesis
H0 : ßk = 0
H1 : ßk = 0, untuk k = 1, 2, …, p-1
 Atau dengan kata lain
H0 : Variabel bebas ke-k tidak berpengaruh terhadap variabel tidak bebas
H1 : Variabel bebas ke-k berpengaruh terhadap variabel tidak bebas untuk k =
1, 2, …, p-1
2. Menentukan taraf nyata atau tingkat signifikansi (α)
Tingkat signifikansi (α) yang sering digunakan dalam penelitian adalah 5%
(0,05)
3. Menentukan nilai uji statistic
bk
t = 𝑠(𝑏𝑘)

dimana:
bk = nilai taksiran parameter ßk
s(bk) = standar deviasi nilai taksiran parameter ßk
4. Menentukan daerah kritis (Tolak H0)
Daerah kritis yang digunakan adalah H0 ditolak apabila thitung < ttabel α/2, yang
artinya variabel (Xi) berpengaruh nyata terhadap Y.
5. Menarik kesimpulan.

Pengujian koefisien determinasi

Nilai koefisien determinasi mencerminkan seberapa besar keragaman dari variabel
dependen yang dapat diterangkan oleh variabel bebas. R-Squared dapat
menjelaskan kemampuan variabel bebas yang secara bersama-sama dalam
menjelaskan variasi dari variabel terikatnya. Pada analisis regresi linear berganda
yang digunakan adalah nilai Adjusted R-Square. Nilai Adjusted R-Square ini
adalah nilai R square yang telah disesuaikan, dimana nilai ini selalu lebih kecil
dari R-square dan angka ini bisa memiliki harga negatif.

Pengujian parameter secara simultan (Uji F)

Uji F dilakukan untuk mengetahui pengaruh variabel independen atau bebas (Xi)
secara bersama-sama terhadap variabel dependen atau tidak bebas (Y). Adapun
langkah pengujiannya sebagai berikut:
H0:β1=β2=....=βn-1=0
H1 : tidak semua βk sama dengan nol, untuk k=1,2,...n-1
Atau, dengan kata lain
H0 : Variabel Xk secara simultan tidak berpengaruh nyata terhadap variabel tidak
bebas
H1 : Variabel Xk secara simultan berpengaruh nyata terhadap variabel tidak bebas
Prosedur pengujian parameter secara simultan adalah sebagai berikut:
1. menentukan taraf nyata atau atau tingkat signifikan (α)
Tingkat signifikansi (α) yang sering digunakan dalam penelitian adalah 5%
(0,05)
2. Menentukan nilai uji statistic
𝐽𝑅𝐾/(𝐾−1)
Fhitung = 𝐽𝐾𝐸/(𝑛−𝑘)

dimana:
JRK =Jumlah Kuadrat Regresi
JRE = Jumlah Kuadrat Error
k = Jumlah Variabel Terhadap Intersep
n = Jumlah Sampel
4. Menentukan daerah kritis (Tolak H0)
Daerah kritis yang digunakan adalah H0 ditolak apabila Fhitung < Ftabel
5. Menarik kesimpulan.

Kurniawan, R. dan B. Yuniarto. 2016. Analisis Regresi Dasar dan

Penerapannya dengan R. Jakarta: Kencana.