Portofolio Statistika Teknik Kimia

Regresi Linear Berganda

Dosen Pengampu :
Sri Helianty S.T., M.T.

Halperia Azzikri (1807113744)

Muhammad Taufiq Ikram (1807124818)
Timothy Winston Maruli (1807113602)

Program Studi Sarjana Teknik Kimia

Fakultas Teknik Universitas Riau
Pekanbaru
2019
A. Pengertian Regresi Linear Berganda
Regresi linear berganda adalah hubungan secara linear antara dua atau lebih variabel
independen (X1, X2, … Xn) dengan variabel dependen (Y). Analisis ini digunakan 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 atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.

Analisis regresi ganda digunakan oleh peneliti, bila peneliti bermaksud meramalkan
bagaimana keadaan (naik turunnya) variabel independen (kriterium), bila dua atau lebih
variabel independen sebagai faktor prediktor dimanipulasi (dinaik turunkan nilainya). Jadi
analisis regresi ganda akan dilakukan bila jumlah variabel independennya minimal 2.

B. Analisa Korelasi Ganda (R)

Analisis ini digunakan untuk mengetahui hubungan antara 2 atau lebih variabel
independen terhadap variabel dependen secara serentak. Nilai R berkisar antara 0 dan 1.
Semakin mendekati angka 1 maka hubungan semakin kuat, sebaliknya jika semakin
mendekati angka 0 maka hubungan semakin lemah.
 Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi koefisien korelasi adalah
sebagai berikut:

Nilai Ekuivalen
1.0 - 0.199 Sangat Rendah
0.20 – 0.399 Rendah
0.40 – 0.599 Sedang
0.60 – 0.799 Kuat
0.80 – 1.00 Sangat Kuat

C. Analisa Determinasi
Analisis ini digunakan untuk mengetahui presentase sumbangan pengaruh variabel
independen secara serentak terhadap variabel dependen. Jika R2 bernilai 0 maka tidak ada
sedikitpun presentase sumbangan pengaruh yang diberikan variabel independen terhadap
variabel dependen, tetapi jika R2 bernilai 1 maka sumbangan pengaruh yang diberikan
variabel independen terhadap variabel dependen adalah sempurna.

Rumus untuk mencari koefisien determinasi dengan 2 variabel independen adalah sebagai
berikut:

D. Uji Koefisien Regresi Secara Bersama-sama

 Uji ini digunakan untuk mengetahui apakah variabel independen secara bersama-sama
berpengaruh secara signifikan terhadap variabel dependen, atau digunakan untuk
mengetahui apakah model regresi dapat digunakan untuk memprediksi variabel dependen
atau tidak. Signifikan berarti hubungan yang terjadi dapat berlaku untuk populasi (dapat
digeneralisasikan).

Rumus untuk mencari F hitung adalah sebagai berikut:

Langkah-langkah dalam pengujian koefisien regresi secara bersama-sama adalah sebagai

berikut:
1. Merumuskan hipotesis
Ho = Tidak ada pengaruh yang signifikan
Ha = Terdapat pengaruh yang signifikan
2. Menentukan tingkat signifikansi
Biasanya menggunakan taraf a = 5%
3. Menentukan F hitung
4. Menentukan F tabel
Dapat dicari dengan Ms. Excel menggunakan rumus “=finv(a,df1,df2)”
df1 = jumlah variabel independen
df2 = n-k-1
5. Membandingkan F hitung dan F tabel dengan kriteria
Ho = diterima jika: F hitung ≤ F table ; Ha = ditolak jika: F hitung > F table
E. Uji Koefisien Regresi Secara Parsial
Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel independen secara
parsial berpengaruh signifikan terhadap variabel dependen.

Rumus t hitung pada analisis regresi ini adalah sebagai berikut:

Langkah-langkah pengujian koefisien regresi parsial adalah sebagai berikut:

1. Menentukan Hipotesis
Ha = Secara parsial tidak ada pengaruh signifikan
Ho = Secara parsial terdapat pengaruh signifikan
2. Menentukan tingkat signifikansi
Biasanya menggunakan taraf a = 5%
3. Menentukan t hitung
4. Menentukan t tabel
Dapat dicari dengan Ms. Excell menggunakan rumus “=tinv(a,df)” df = n-k-1
5. Membandingkan t hitung dan t tabel dengan kriteria
Ha = diterima jika: -t tabel ≤ t hitung < t table
Ho = ditolak jika: -t hitung < -t tabel atau t hitung > t table

Contoh Kasus
 Seorang pengamat pasar modal bernama Sugianto ingin melakukan penelitian tentang
faktor-faktor yang mempengaruhi harga saham pada perusahaan. Sugianto ingin
mengetahui hubungan antara rasio keuangan PER dan ROI (Return On Investment)
terhadap harga saham. Dari pernyataan tersebut, didapatkan variabel dependen (Y) yaitu
harga saham, dan variabel independen (X1 dan X2) yaitu PER dan ROI.

Data yang ditabulasikan sebagai berikut:

Tahun Saham PER (%) ROI (%)

2003 8300 5 6
2004 75003 3 5
2005 8950 4 4
2006 8250 5 6
2007 9000 4 3
2008 8750 3 5
2009 9500 5 6
2010 8500 4 6
2011 8350 4 6
2012 9500 6 5
2013 9750 7 6

Langkah Pada SPSS :

 Klik analyze, klik regression, klik linier

 Klik PER dan ROI dan masukkan ke kotak Independent
 Klik Harga Saham dan masukkan ke kotak Dependent.
 Klik statistic: pilih estimates, Model Fit, Descriptives
 Klik continue
 Klik Plots pada Standardized Residual Plot, pilih Histogram dan Normal Probability
 Klik Continue dan Klik OK

Output pada SPSS dapat dilihat sebagai berikut:

Dari hasil perhitungan diperoleh:

Konstanta (a) = 7735,088; Koefisien Regresi 1 (b1) = 328,618; Koefisien Regresi 2

(b2) = -104,002; R = 0,606; R2 = 0,368; F hitung = 2,327; t hitung PER = 2,157 dan t
hitung ROI = -0,561;

Kemudian hitung hasil analisis:

1. Analisis Korelasi Ganda (R)
R = 0,606 berdasarkan tabel Sugiyono (2007) hubungan antar variabel kuat
2. Analisis Determinasi (R2)
R2 = 0,368 jadi presentasi sumbangan pengaruh variabel sebesar 36,8 %
3. Uji Koefisien Regresi Bersama-sama (Uji F)
F hitung = 2,327

a = 5% = 0,05

df1 = 2 dan df2 = n-k-1 = 10-2-1 = 7

F tabel = finv(0,05;2;7) = 4,737

Karena F hitung ≤ F tabel, maka Ho diterima

4. Uji Koefisien Regresi Parsial (Uji t)

t hitung PER = 2,157 dan t hitung ROI = -0,561

a = 5% = 0,05

df = n-k-1 = 10-2-1 = 7

t tabel = tinv(0,05;7) = 2,364

Karena t hitung PER ≤ t tabel, maka Ho PER diterima

Karena t hitung ROI ≥ -t tabel, maka Ho ROI diterima