BAB I

PENDAHULUAN
1.1 Latar Belakang
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. Variabel yang dipengaruhi
sering disebut dengan variabel terikat atau variabel dependen. Regresi linear hanya dapat
digunakan pada skala interval dan ratio.

Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana yaitu dengan satu
buah variabel bebas dan satu buah variabel terikat; dan regresi linear berganda dengan beberapa
variabel bebas dan satu buah variabel terikat. Analisis regresi linear merupakan metode statistik
yang paling jamak dipergunakan dalam penelitian-penelitian sosial, terutama penelitian
ekonomi. Program komputer yang paling banyak digunakan adalah SPSS (Statistical Package
For Service Solutions).

1.2 Rumusan Masalah

1. Apa definisi regresi linear berganda?
2. Bagaimana persamaan regresi linear berganda?
3. Bagaimana koefisien regresi linear berganda?
4. Bagaimana uji signifikansi regresi linear berganda?
5. Bagaimana menyelesaikan kasus regresi berganda dengan menggunakan SPSS?

1.3 Tujuan
2 Mengetahui definisi regresi linear berganda
3 Mengetahui persamaan regresi linear berganda
4 Mengetahui koefisien regresi linear berganda
5 Mengetahui uji signifikansi regresi linear berganda
6 Mengetahui menyelesaikan kasus regresi berganda dengan menggunakan SPSS

2
 BAB II
ISI
2.1 Pengertian Regresi Linear Berganda
Analisis regresi linear 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 dan
penurunan. Data yang digunakan biasanya berskala interval atau rasio.

2.2 Persamaan Regresi Linear Berganda

Analisis regresi membentuk persamaan garis lurus (linear) dan menggunakan persamaan
tersebut untuk membuat perkiraan (prediction) nilai suatu variabel terikat (Y) jika nilai variabel
bebas (X) yang berhubungan dengannya sudah ditentukan. Secara umum, persamaan regresi
dimana varibel terikat (Y) merupakan nilai yang diprediksi, maka persamaannnya :
1. Persamaan regresi dua variabel bebas :
Ŷ = a + b1 X1 + b2 X2
2. Persamaan regresi tiga variabel bebas :
Ŷ = a + b1 X1 + b2 X2 + b3 X3
3. Persamaan regresi untuk k variabel bebas :
Ŷ = a + b1 X1 + b2 X2 + b3 X3 + ⋯ + b𝑛 X𝑛
Dimana :
Ŷ : Variabel terikat / variabel dependen / variabel yang dipengaruhi
X : Varibel bebas / variabel independen / variabel yang mempengaruhi
a : Konstanta / intercept yaitu sifat bawaan dari variabel Y
b1 , b2 , b𝑛 : Paremeter yang menunjukkan slope atau kemiringan garis regresi

2.3 Koefisien Regresi Linear Berganda

Apabila diketahui dua variabel bebas dan satu variabel terikat dengan persamaan regresi
𝑌̂ = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2 maka untuk mendapatkan nilai a, 𝑏1 , dan 𝑏2 digunakan rumus :
2
(∑ X1 2 )
b) ∑ X1 2 = ∑ X1 2 − 𝑛
2
(∑ X2 2 )
c) ∑ X2 2 = ∑ X2 2 − 𝑛
(∑ 𝑦)2
d) ∑ 𝑦 2 = ∑ 𝑦 2 − 𝑛

3
 (∑ 𝑥1 )(∑ 𝑦)
e) ∑ 𝑥1 𝑦 = ∑ 𝑥1 𝑦 − 𝑛
(∑ 𝑥2 )(∑ 𝑦)
f) ∑ 𝑥2 𝑦 = ∑ 𝑥2 𝑦 − 𝑛
(∑ 𝑥1 )(∑ 𝑥2 )
g) ∑ 𝑥1 𝑥2 = ∑ 𝑥1 𝑥2 − 𝑛
∑Y
h) Y = 𝑛
∑ 𝑋1
i) X1 = 𝑛
∑ 𝑋2
j) X2 = 𝑛

Nilai koefisien regresi, yaitu:

(∑ x2 2 )(∑ x1 y)−(∑ x1 x2 )(∑ x2 y)
 b1 = (∑ x1 2 )(∑ x2 2 )−(∑ x1 x2 )2

(∑ x1 2 )(∑ x2 y)−(∑ x1 x2 )(∑ x1 y)

 b2 = (∑ x1 2 )(∑ x2 2 )−(∑ x1 x2 )2

 a = Y − b1 X1 − b2 X2
Untuk memudahkan perhitungan digunakan tabel pembantu.

2.4 Uji Signifikansi

Proses selanjutnya setelah melakukan pendugaan parameter model regresi berganda adalah
pengujian terhadap model regresi apakah signifikan atau tidak, yang dapat dilakukan dengan
dua cara yaitu uji secara simultan (bersama-sama) dengan uji F dan uji parsial (individual)
dengan uji t.
2.4.1 Pengujian Signifikansi Secara Simultan atau Bersama-Sama (Uji F)
Proses pengujian:
1. Formulasi hipotesis nihil dan hipotesis kerja
𝐻0 : 𝑏1 = 𝑏2 = 0 (Tidak ada pengaruh variabel-variabel bebas dengan variabel
terikatnya)
𝐻1 : 𝑏1 ≠ 𝑏2 ≠ 0 (Ada pengaruh variabel-variabel bebas dengan variabel terikatnya)
2. Uji statistik yang digunakan adalah uji F dengan α = 0,01 atau 0,05
3. Nilai atau harga kritis diperoleh dengan melihat tabel distibusi F.
F;(db pembilang);(db penyebut)= Fα ;(k);(n−k−1))
Dimana :
k : jumlah variabel bebas
n : jumlah sampel
4. Kriteria pengujian hipotesis
Terima H0 jika 𝐹ℎ𝑖𝑡𝑢𝑛𝑔 < jika 𝐹𝑡𝑎𝑏𝑒𝑙

4
 5. Harga uji statistik dihitung dengan rumus :
𝑆𝑆𝑅 ⁄𝑑𝑓 𝑆𝑆𝑅 ⁄𝑘
𝐹ℎ𝑖𝑡𝑢𝑛𝑔 = =
𝑆𝑆𝐸 ⁄𝑑𝑓 𝑆𝑆𝐸 ⁄(𝑛 − 𝑘 − 1)
Dimana :
SSR (Sum Of Squares from The Reggression) =b1 ∑ x1 y + b2 ∑ x2 y
SST (Sum Of Squares Deviation) = ∑ 𝑦 2
SSE (Sum Of Squares from The Error) = SST – SSR
df : derajat bebas
6. Kesimpulan
2.4.2 Pengujian Signifikansi Parsial atau Individual (Uji t)
Proses pengujian:
1. Formulasi hipotesis nihil dan hipotesis kerja
𝐻0 : bk = 0 (Tidak ada pengaruh variabel bebas k terhadap variabel Y)
𝐻1 : bk ≠ 0 (Ada pengaruh variabel bebas k terhadap variabel Y)
2. Uji statistik yang digunakan adalah uji t dengan α = 0,01 atau 0,05
3. Nilai atau harga kritis diperoleh dengan melihat tabel distribusi t.
𝑡(1𝛼);(𝑑𝑏) = 𝑡(1𝛼);(𝑛−𝑘)
2 2

Dimana :
db : derajat kebebasan
n : jumlah sampel
k : kelompok sampel
4. Kriteria pengujian hipotesis
Terima H0 jika 𝑡ℎ𝑖𝑡𝑢𝑛𝑔 < jika 𝑡𝑡𝑎𝑏𝑒𝑙
5. Harga uji statistik dihitung dengan rumus :
𝑏𝑘 − 𝛽𝑘
𝑡=
𝑠𝑏1
𝑆𝑦.12
𝑆𝑏1 =
√(∑ 𝑥𝑘 2 )(1 − 𝑟12 2 )
𝑆𝑦.12 =standart erroe of estimasi (standar eror estimasi)

∑ 𝑦 2 − 𝑏1 ∑ 𝑥1 𝑦 − 𝑏2 ∑ 𝑥2 𝑦
𝑆𝑦.12 = √
𝑛−𝑘

Dimana:
n : jumlah sampel
k : kelompok sampel

5
 𝑟12 = koefisien korelasi sederhana antara 𝑥1 dan 𝑥2 (antara dua variabel independen)
∑ 𝑥1 𝑥2
𝑟12 =
√(∑ 𝑥1 2 )(∑ 𝑥2 2 )

6. Nilai 𝑅𝑦(1,2) atau 𝑅(𝑥1,𝑥2)𝑦 dapat dihitung dengan rumus :

𝑏1 ∑ 𝑥1 𝑦 + 𝑏2 ∑ 𝑥2 𝑦
𝑅𝑦(1,2) = √
∑ 𝑦2

7. Nilai determinan : KP = R2.100%

8. Kesimpulan

Contoh kasus (cara manual):

Diambil sampel random sebanyak 12 siswa dalam suatu penelitian untuk menentukan hubungan
antara nilai prestasi matematika (Y) dan nilai dua tes yaitu tes kemampuan geometri (X) dan
kemampuan aljabar (X2). Datanya adalah sebagai berikut:
Nilai Prestasi Kemampuan Kemampuan
Matematika (Y) Geometri (𝒙𝟏 ) Aljabar (𝒙𝟐 )

11,2 56,5 71,0

14,5 59,5 72,5

17,2 69,2 76,0

17,8 74,5 79,5

19,3 81,2 84,0

24,5 88,0 86,2

21,2 78,2 80,0

16,9 69,0 72,0

14,8 58,1 68,0

20,0 80,5 85,0

13,2 58,3 71,0

6
 22,5 84,0 87,2

Tentukan persamaan regresi linear dugaanya dan interpretasikan.

Penyelesaian :
Untuk memudahkan perhitungan digunakan tabel pembantu.

2.5 Penggunaan SPSS

Langkah-Langkah Analisis Regresi Multiples (Berganda) dengan SPSS

1. Buka program SPSS, klik Variable View, selanjutnya, pada bagian Name tulis
Motivasi, Minat dan Prestasi. Pada Decimals ubah semua menjadi angka 0. Pada
bagian Label tuliskan Motivasi (X1), Minat (X2), dan Prestasi (Y). Pada
bagian Measure pilih Scale. Maka tampak dilayar sebagaimana gambar berikut ini.

7
2. Setelah itu, klik Data View, lalu masukkan data Motivasi (X1), Minat (X2) dan
Prestasi (Y) yang sudah dipersiapkan tadi. Tampak dilayar SPSS.

3. Selanjutnya, dari menu utama SPSS, pilih Analyze – Regression – Linear

8
4. Muncul kotak dialog dengan nama "Linear Regression", masukkan variabel
Motivasi (X1), Minat (X2) ke kotak Independent(s), masukkan variabel Prestasi (Y)
pada kotak Dependent, pada bagian Method pilih Enter, selanjutnya klik Statistics...

9
5. Pada bagian "Linear Regression: Statistics", berikan tanda centang
pada Estimates dan Model fit kemudian klik Continue

6. Langkah terakhir adalah klik Ok, maka akan muncul output SPSS
Tabel Output SPSS Analisis Regresi Multiples (Berganda)

10
Tabel output "Variables Entered/Removed" di atas memberikan informasi tentang
variabel penelitian serta metode yang digunakan dalam analisis regresi. Adapun
variabel independent yang dipakai dalam analisis ini adalah variabel Minat dan
Motivasi. Sementara variabel dependent adalah variabel Prestasi. Analisis regresi
menggunakan metode Enter. Tidak ada variabel yang dibuang sehingga pada kolom
Variables Removed tidak ada angkanya atau kosong.

Tabel "Model Summary" memberikan informasi tentang nilai koefisien determinasi,

yakni kontribusi atau sumbangan pengaruh variabel minat dan motivasi secara
simultan (bersama-sama) terhadap variabel prestasi. Pembahasan tentang tabel di atas
dapat anda simak pada artikel: Makna Koefisien Determinasi [R Square] dalam
Analisis Regresi Linear

Tabel "ANOVA" memberikan informasi tentang ada tidaknya pengaruh variabel minat
dan motivasi secara simultan (bersama-sama) terhadap variabel prestasi. Pembahasan
tentang pengaruh simultan ini dapat anda simak pada artikel: Cara Melakukan Uji F
Simultan dalam Analisis Regresi

11
Tabel "Coefficients" memberikan informasi tentang persamaan regresi dan ada
tidaknya pengaruh variabel minat dan motivasi secara parsial (sendiri-sendiri)
terhadap variabel prestasi. Adapun rumus persamaan regresi dalam analisis atau
penelitian ini adalah sebagai berikut:

Y = a+b1x1+b2x2 atau Y = 2,612 + 0,192 + 0,888

Sementara, untuk mengetahui ada tidaknya pengaruh variabel minat dan motivasi
secara parsial (sendiri-sendiri) terhadap variabel prestasi, maka pembahasannya dapat
anda simak pada artikel berikut: Cara Melakukan Uji t Parsial dalam Analisis Regresi
dengan SPSS

Berdasarkan keempat output di atas, maka kita dapat membuat ringkasan hasil analisis
regresi multiples seperti gambar di bawah ini.

Ringkasan tabel di atas berguna untuk mempermudah para membaca dalam melihat
gambaran hasil analisis regresi yang terdapat dalam penelitian kita. Dengan demikian
tabel output analisis regresi multiples tersebut tidak perlu dimasukkan secara utuh
dalam BAB pembahasan penelitian, namun cukup dicantumkan dalam lampiran
penelitian saja.

12
 BAB III
PENUTUP
3.1 Kesimpulan
Analisis regresi linier berganda 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 dan penurunan.
1.2 Saran
Mahasiswa/i atau pembaca alangkah baiknya untuk dapat lebih mempelajari lebih lagi tentang
penggunaan spps khususnya untuk analisis regresi linier berganda.

13