Apabila dalam persamaan garis regresi tercakup lebih dari dua variabel (termasuk variabel tidak
bebas Y), maka regresi ini disebut garis regresi linear berganda. Persamaan regresi berganda
adalah persamaan regresi yang melibatkat dua atau lebih variabel dalam analisis. Tujuannya
adalah untuk menghitung parameter-parameter estimasi dan untuk melihat apakah variabel
bebas mampu menjelaskan varabel terikat dan memiliki pengaruh. Variabel yang diestimasi
adalah variabel terikat, sedangkan variabel-variabel yang mempengaruh adalah variabel.
Secara umum Model regresi berganda untuk populasi adalah sebagai berikut:
𝑌 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝛽3 𝑋3 + ⋯ + 𝛽𝑘 𝑋𝑘 + 𝜀
Dimana :
𝛽0 = Konstanta
𝛽1 … 𝛽𝑘 = Parmeter regresi
Model regresi berganda untuk populasi pada persamaan diatas dapat ditaksir berdasarkan
sebuah sampel acak yang berukuran 𝑛 dengan model regresi berganda untuk sampel yaitu :
Untuk mencari nilai 𝛽̂0 , 𝛽̂1 , 𝛽̂2 , … , 𝛽̂𝑘 diperlikan 𝑛 buah pasangan data (𝑋1 , 𝑋2 , … , 𝑋𝑘 ) yang
dapat disajikan dalam tabel
Responden Y 𝑋1 𝑋2 … 𝑋𝑘
1 𝑌1 𝑋11 𝑋21 … 𝑋𝑘1
2 𝑌2 𝑋12 𝑋22 … 𝑋𝑘2
3 𝑌3 𝑋13 𝑋23 … 𝑋𝑘3
: : : : : :
N 𝑌𝑛 𝑋1𝑛 𝑋2𝑛 … 𝑋𝑘𝑛
Bentuk model regresi linear berganda dengan p variabel bebas adalah seperti persamaan
berikut:
Dimana:
𝛽0 , 𝛽1 , … , 𝛽𝑝 adalah parameter
𝜀𝑖 adalah sisa (error) untuk pengamatan ke-I yang diasumsikan berdistribusi normal yang
saling bebas dan indentik dengan rata-rata 0(nol) dan variansi 𝜎 2 .
Dalam notasi matrik persamaan diatas dapat ditulis menjadi persamaan berikut:
𝑌 = 𝑋𝛽 + 𝜀
Dengan:
Dimana:
Menurut (Gujarati, 2003) dalam metode regresi berganda ada beberapa asumsi yang
harus dipenuhi, asumsi tersebut adalah:
Menurut V,Wiratna Sujarweni (2014;181) model regresi liner berganda dapat disebut
sebagai model yang baik (memiliki ketepatan dalam estimasin tidak bias dan konsisten) jika
model tersebut memnuhi asumsi Normalitas dan bebas dari asumsi klasik (Multikolinearitas,
Heteroskedastisitas, dan Autokorelasi)
Beberapa langkah dalam pengujian koefisien regresi parsial (uji t) adalah sebagai berikut:
a) Menentukan hipotesis:
𝐻0 ∶ 𝛽𝑗 = 0 , untuk 𝑗 = 1,2, … , 𝑘 berarti tidak ada pengaruh yang signifikansi antara
variabel bebas ke-j terhadap variabel terikat.
Sebuah penelitian dilakukan untuk mengetahui apakah ada pengaruh pendapatan rumah
tangga (ribu/bula) dan jumlah anggota keluarga terhadap permintaan minyak tanah
(liter/bulan) dari data d bawa ini
Y X1 X2 43 3000 7
24 1500 5 26 1750 5
20 1700 6 25 1100 6
15 1500 4 43 1600 8
45 4000 7 20 2000 5
23 1000 6 50 3500 8
27 1200 5 18 1000 5
40 1400 8 32 1800 5
15 1100 5 39 3000 6
18 1500 4 30 2000 7
35 2000 7 35 2500 6
45 2500 9 18 1300 3
25 1500 5 57 3500 2
23 1300 6 35 3000 3
30 1400 7 27 1500 6
53 3500 9
40 2780 8
45 3100 7
24 1300 8
38 3700 4
25 2500 5
Tentukan:
Dik:
Hipotesis:
∑ 𝑌 = 1108
∑ 𝑋1 = 73030
∑ 𝑋2 = 207
∑ 𝑋1 × 𝑌 = 2584100
∑ 𝑋2 × 𝑌 = 6823
∑ 𝑋1 × 𝑋2 = 438190
∑ 𝑋12 = 179380900
∑ 𝑋22 = 1323
Matriks:
𝑛 ∑ 𝑋1 ∑ 𝑋2 ∑𝑌
𝐴 = [∑ 𝑋1 ∑ 𝑋12 ∑ 𝑋1 𝑋2 ], 𝐻 = [∑ 𝑋1 𝑌]
∑ 𝑋2 ∑ 𝑋1 𝑋2 ∑ 𝑋22 ∑ 𝑋2 𝑌
Matriks A:
Matriks A1:
35 1108 207
𝐴2 = [73030 2584100 438190] , 𝐷𝑒𝑡(𝐴2) = 881407600
207 6823 1323
Matriks A3:
35 1108 1108
𝐴3 = [73030 2584100 2584100] , 𝐷𝑒𝑡(𝐴3) = 195383𝐸 + 11
207 6823 6823
Dari diketahui matriks dan dterminan maka dapat diperoleh nilai 𝛽0 , 𝛽1 , 𝛽2:
𝐷𝑒𝑡(𝐴1)
𝛽0 = = −0.918
𝐷𝑒𝑡(𝐴)
𝐷𝑒𝑡(𝐴2)
𝛽1 = = 0.01
𝐷𝑒𝑡(𝐴)
𝐷𝑒𝑡(𝐴3)
𝛽2 = = 2.125
𝐷𝑒𝑡(𝐴)
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
a. Dependent Variable: Y
Berdasarkan tabel diatas dapat dilihat bahwa nilai signifikansi untuk variabel 𝑋1 =0.00 dan
𝑋2=0.002 memiliki nilai signifikansi < 0.05. oleh karena itu, dapat disimpulkan bahwa variabel
𝑋1 dan 𝑋2berpengaruh terhadap Y.