Bab X Analisis Regeresi Berganda

ANALISIS REGRESI BERGANDA
A. Pengertian Regresi Linear Berganda

Regresi berganda adalah pengembangan dari regresi linear sederhana,
yaitu sama-sama alat yang dapat digunakan untuk memprediksi permintaan di
masa akan datang berdasarkan data masa lalu atau untuk mengetahui pengaruh
satu atau lebih variabel bebas (independent) terhadap satu variabel tak bebas
(dependent). Perbedaan penerapan metode ini hanya terletak pada jumlah variabel
bebas (independent) yang digunakan. Penerapan metode regresi berganda apabila
jumlah variabel bebas (independent) yang digunakan lebih dari satu yang
memengaruhi satu variabel tak bebas (dependent).
Jadi analisis regresi ganda akan dilakukan bila jumlah variabel
independennya minimal 2.
Regresi ganda digunakan untuk menghitung dan atau menguji tingkat
signifikan, antara lain :
1. Menghitung persamaan regresinya.
2. Menguji apakah persamaan garis regresi signifikan.
3. Bagaimanakah kesimpulan hasil analisis data?
4. dan lain-lain.
Rumus regresi linear berganda :
Y = a + b1X1 + b2X2 + b3X3 + ... bnXn
Di mana:
Y = Variabel terikat, X1 = Variabel bebas pertama, X2 = variabel bebas kedua
X3 = Variabel bebas ketiga, Xn = Variabel bebas ke ... n
A dan b1 serta b2 = Konstanta.
Untuk bisa membuat ramalan melalui regresi, maka data setiap variabel
harus tersedia. Selanjutnya berdasarkan data itu peneliti harus dapat menemukan
persamaan melalui perhitungan.
ANALISIS REGRESI SEDERHANA 277

B. Regresi Ganda Dua Prediktator
Regresi ganda yang sederhana adalah model regresi ganda linear dengan
dua peubah bebas (k = 2).
Dalam suatu penelitian saat tahap menganalisis data, bila topik
permasalahan (kasus) terdiri dari satu variabel tak bebas (dependent) dan dua
variabel tak bebas (independent), maka digunakan uji statistik dengan dua variabel
bebas. Pengaruh dua variabel bebas yang memengaruhi satu variabel tak bebas
dapat diilustrasikan pada gambar 2.1.
X1 2
β1
X1,X2 ρ
Y
β2
X2
Gambar 2.1 Dua Variabel Bebas Mempengaruhi Satu Variabel Tak Bebas
Rumus :
Y = a + b1X1 + b2X2
1. Membuat Persamaan Regresi Berganda dengan Dua Pridektor
a. Membuat tabel penolong :
Tabel 2.1
Tabel Penolong untuk Mencari Nilai Konstanta a, b1, dan b2
No X1 X2 Y X 12 X 22 Y2 X1Y X2Y X1X2

.
1 ... ... ... ... ... ... ... ...
2 ...
3 ...
4 ...
. ...

n ...
∑X1 ∑X2 ∑Y ∑X 12 ∑X 22 ∑Y2 ∑X1Y ∑X2Y ∑X1X2
b. Menerapkan metode skor deviasi :

2
X
2
1) ∑x = ∑X
1
2
1 - (∑ )
n
2
2
2) ∑x = ∑X 2 ( X)
- ∑ 2
2 2
n
2
Y
2
3) ∑y = ∑Y 2
- (∑ )
n
4) ∑x1y = ∑X1Y-
(∑ X 1 ) (∑ Y )
n
5) ∑x2y = ∑X2Y-
( ∑ X 2) ( ∑ Y )
n
6) ∑x1x2 = ∑X2X2 -
( ∑ X 1 )( ∑ X 2 )
n
7) X́ 1 =
∑ X1 ¿ ) 2
n
8) X́ 2 =
∑ X2 ¿ ) 2
9) Ý =
∑X¿) 2
n
c. Mencari nilai konstanta.

1) Menghitung nilai konstanta b1 :
Rumus :
(∑ x 22 ) ( ∑ x 1 y )−(∑ x 1 x 2)(∑ x 2 y)
b1 =
( ∑ x 21)( ∑ x 22)−( ∑ x 1 x 2 )2
2) Menghitung nilai konstanta b2 :
Rumus :

(∑ x 21 ) ( ∑ x 2 y )−(∑x 1 x 2)(∑ x 1 y)
b2 =
( ∑ x 21)( ∑ x 22)−( ∑ x 1 x 2 )2
3) Menghitung nilai konstanta a :
Rumus :
∑Y X1 X2
a=
n
- b1( ∑ ) (∑ )
n
– b2
n
d. Menentukan persamaan regresi dengan dua variabel bebas :
Y = a + b1X1 + b2X2
2. Uji Hipotesis Regresi Berganda Dua Prediktator

Tujuan dilakukannya pengujian hipotesis terhadap penerapan metode
regresi linear berganda adalah untuk mengetahui sejauh mana pengaruh secara
simultan antara kelompok data A dan B (variabel bebas X 1 dan X2) terhadap
kelompok data C (variabel tak bebas Y).
Uji Signifikan secara simultan (bersama-sama)
1) Membuat hipotesis dalam uraian kalimat
H0 : Tidak terdapat pengaruh yang signifikan secara simultan
(bersama-sama) antara kelompok data A dan data B terhadap
kelompok data C.
Ha : Terdapat pengaruh yang signifikan secara simultan (bersama-
sama) antara kelompok data A dan data B terhadap kelompok
data C.
2) Membuat hipotesis dalam bentuk model statistik
H0 : β =0
Ha : β≠ 0
3) Menentukan taraf signifikan α
4) Mencari nilai korelasi berganda :
Rumus :
b1. ∑ x 1 y +b 2 ∑ x 2 y
RX1.X2.Y =
√ ∑ y2

5) Menghitung Fhitung :
Rumus :
( R x 1. x 2. y )2 (n – m – 1)
m ( 1−R 2 x 1, x 2 , y )
Di mana :
m = jumlah variabel bebas
n = jumlah responden
6) Menentukan nilai Ftabel
Nilai Ftabel dapat dicari dengan menggunakan tabel F
Rumus : Ftabel = F(α ¿ (dka , dkb)
Di mana :
dka = Jumlah variabel bebas (pembilang)
dkb = n – m – 1 (penyebut)
7) Kaidah pengujian :
Jika, F hitung ≤ Ftabel maka H0 diterima
Jika, F hitung ¿ Ftabel maka H0 ditolak.
8) Membandingkan Ftabel dan Fhitung .
Tujuan membandingkan antara Ftabel dan Fhitung adalah untuk
mengetahui, apakah H0 ditolak atau diterima berdasarkan kaidah
pengujian.
9) Mengambil keputusan.
Menerima atau menolak H0
10) Mencari koefisien determinasi.
Rumus :
KD = (RX1,X2,Y)2 × 100%
Contoh soal
Misalnya dalam menaksir harga jual rumah (Y) yang dibangun oleh Bank
Tabungan Negara (BTN), dua peubah peramal yaitu jumlah kamar (X1) dan luas
pekarangan (X2) dijadikan sebagai peubah . Data dari pejualan delapan rumah
ditunjukkan pada Tabel 2.1. Taraf signifikan α = 5%

Tabel 2.1 data jumlah kamar, luas pekarangan, dan harga jual rumah
Jumlah Kamar Luas pekarangan Harga Jual
(dalam 10 m2) (dalam juta Rp)

3 2 33,8
2 1 29,3
4 3 38,8
2 1 29,2
3 2 34,5
5 3 43,5
4 2 37,9
2 2 29,9
Berdasarkan persoalan di atas tentukanlah:

a. Persamaan regresinya?
b. Apakah ada pengaruh secara simultan antara variabel X1 dan X2 terhadap Y?
Langkah-langkah membuat persamaan regresi
a. Persamaan regrasinya.
1) Membuat tabel penolong:
Tabel 2.2 Data pembantu untuk menghitung koefisien regresi
No X1 X2 Y X 21 X 22 Y2 X1Y X2Y X1X2

.
1 3 2 33,8 9 4 1142,44 101,4 67,6 6
2 2 1 29,3 4 1 858,49 58,6 29,3 2
3 4 3 38,8 16 9 1505,44 155,2 116,4 12
4 2 1 29,2 4 1 852,64 58,4 29,2 2
5 3 2 34,7 9 4 1204,09 104,1 69,4 6
6 2 2 29,0 4 4 894,01 59,8 59,8 4
7 5 3 43,4 25 9 1883,56 217,0 130,2 15
8 4 2 37,9 16 4 1436,41 151,6 75,8 8

∑ ❑ 25 16 277,0 87 36 9777,08 906,1 577,7 55
2) Masukkan nilai statistik ke rumus pembantu yang digunakan:

2
a) 2 2 ( ∑ X 1) ( 25 )2
∑ x =∑ X −
1 1
n
=87−
8
=8,875
b) 2 2 ( ∑ X 2) ( 16 )2
∑ x =∑ X −
2 2
n
=36−
8
=4
c) 2 2 (∑ Y ) ( 277,0 )2
∑ y =∑ Y − =9777,08− =185,955
n 8
d) ∑ x 1 y=∑ X 1 Y −¿¿
e) ∑ x 2 y=∑ X 2 Y −¿ ¿
f) ∑ x 1 x2=∑ X 1 X 2−¿ ¿
g) X́ =
∑ X 1 = 25 =3,125 X́ 2=( 3,125 )2=9,765
1 1
n 8
h) X́ 2 =
∑ X 2 = 16 =2 X́ 2=( 2 )2=4
2
n 8
i) Ý 1=
∑ Y = 277,0 =34,625 Ý 2=( 34,625 )2=1.198,89
n 8
3) Kemudian masukkan hasil dari perhitungan di atas untuk mencari konstanta
b1, b2, dan a
a) Nilai konstanta b1:
(∑ x 22) ( ∑ x 1 y ) −(∑ x 1 x2 )(∑ x 2 y )

b 1= 2
(∑ x21 )(∑ x 22)−( ∑ x1 x2 )
( 4 ) ( 40,475 ) −( 5 ) ( 23,7 )
b 1=
( 8,875 ) ( 4 )−( 5 )2
43,4
¿ =4,133
10,5
b) Nilai konstanta b2

(∑ x 21) ( ∑ x 2 y ) −(∑ x 1 x2 )( ∑ x 1 y )
b 2= 2
(∑ x12)(∑ x 22)−( ∑ x1 x 2)
( 8,875 )( 23,7 )−( 5 ) ( 40,475 )

b 2=
( 8,875 ) ( 4 )−( 5 )2
7,9625
¿ =0,758
10,5
c) Nilai konstanta a
∑ Y −b ∑ X 1 X2
a=
n 1 ( n ) (∑ )
−b2
n
277,0 25 16
a=
8
−4,133
8 ( )
−¿ 0,758
8 ( )
= 34,625 – 12,915 – 1,516
= 20,194
Sehingga persamaan regresi berganda:
Y = a + b1X1 +b2X2 +b3X3
Y = 20,194+ 4,133X1 + 0,758 X2
b. Apakah ada pengaruh secara silmultan (bersama-sama)

Pengaruh yang signifikan secara simultan
a) Membuat hipotesis dalam bentuk kalimat
H0 :Tidak terdapat pengaruh yang signifikan secara simultan (bersama-sama)
antara gaya kepemimpinan dan budaya kerja terhadap produktivitas
tenaga kerja.
Ha :Terdapat pengaruh yang signifikan secara simultan (bersama-sama)
antara gaya kepemimpinan dan budaya kerja terhadap produktivitas
tenaga kerja.
b) Membuat hipotesis dalam bentuk model statistik

H0 : β =0

Ha : β ≠0
c) Menentukan taraf signifikan α
Pada kasus ini nilai α = 5%
d) Mencari nilai kolerasi berganda:
Rumus:
b1 . ∑ x 1 y +b 2 . ∑ x 2 y
R X1. X2 .Y =
√ ∑ y2
4,133 ( 40,475 ) +0,758 ( 23,7 )
=
√ 185,955
185,247
=
√ 185,955
= √ 0,996
= 0,998
e) Menghitung Fhitung :
Rumus :
(R X 1. X 2.Y )2(n−m−1)
Fhitung =
m(1−R2X 1. X 2.Y )
(0,998)2 (8−2−1)
Fhitung = 2
2 [1−( 0,998 ) ]
4,98
= 0,00804
= 619,39303
= 619,4
f) Menentukan nilai Ftabel
Nilai Ftabel dapat dicari dengan menggunakan tabel F dengan cara:
Ftabel = F{(α) (dk pembilang = m), (dk penyebut = n – m – 1)
Di mana:
m = 2; n = 8; α = 0,05; dk = 8 – 2 – 1 = 5
Ftabel = F{(0,05) (2,5) = 5,79

g) Kaidah pengujian.
Jika, F hitung ≤Ftabel , maka H0 diterima.
Jika, F hitung ¿Ftabel , maka H0 ditolak.
h) Membandingkan Ftabel dan F hitung

Tujuan membandingkan antara Ftabel dan F hitung ialah untuk mengetahui, apakah
H0 ditolak atau diterima berdasarkan kaidah pengujian.
Ternyata: F hitung = 619,4 > Ftabel =5,79, maka H0 ditolak
i) Mengambil keputusan.
Keputusannya adalah menyatakan H0 ditolak, maka hipotesisnya terdapat
pengaruh yang signifikan secara simultan (bersama-sama) antara gaya
kepemimpinan dan budaya kerja terhadap produktivitas tenaga kerja.
Daerah Penolakan H0
0 5,79 619,4
Gambar 2.1 Daerah Penolakan pada Uji F
Dengan 2 variabel bebas dan 1 Variabel Terikat
j) Mencari koefisien determinasi:

Rumus:
2
KD = ( R X 1. X 2.Y ) × 100%
= ( 0,998 )2 × 100%
= 99,6%
C. Regresi Linear Berganda Tiga Prediktor

permasalahan (kasus) terdiri dari satu variabel tak bebas (dependent) dan tiga
variabel bebas (independent), maka digunakan uji statistik dengan metode regresi
linear dengan tiga variabel bebas. Pengaruh tiga variabel bebas yang
memengaruhi satu variabel tak bebas diilustrasikan pada Gambar 2.2 dibawah ini.
X1
X1, X2, X3 β1
ρ ρ
X2 Y
β2
β3
X3
Gambar 2.2 Tiga Variabel Bebas Memengaruhi Satu Variabel Tak Bebas
Rumus regresi linear dengan dua variabel bebas :

Y = a + b1X1 + b2X2 + b3X3
Dimana :
Y = Variabel terikat
a, b1, b2, dan b3 = Konstanta
X1 = Variabel bebas pertama
X2 = Variabel bebas kedua
X3 = Variabel bebas ketiga
D. Regresi Linear Berganda Empat Prediktor

permasalahan (kasus) terdiri dari satu variabel tak bebas (dependent) dan empat
variabel bebas (independent), maka digunakan uji statistik dengan metode regresi
linear dengan empat prediktor. Pengaruh empat variabel bebas yang memengaruhi
satu variabel tak bebas dapat diilustrasikan pada gambar 2.3.
X1
β1
X2 β2
ρ
Y
β3
X3
β4
X4
Gambar 2.3 Empat Variabel Bebas dan Satu Variabel Tak Bebas
Rumus Regresi Linear dengan Empat Variabel Bebas :

Y = a + b1X1 + b2X2 + b3X3+ b4X4
Di mana :
Y = Variabel terikat
a, b1, b2, b3, dan b4 = konstanta
X1 = variabel bebas pertama
X2 = variabel bebas kedua
X3 = Variabel bebas keempat
E. Syarat-syarat Regresi Ganda

Sebelum menggunakan analisis regresi ganda, kita perlu melakukan
kontrol terhadap beberapa kondisi yang berkaitan dengan data yang dimiliki.
Disamping itu juga harus mengambil ancang-ancang dalam melakukan deskripsi.
Hal ini disebabkan karena analisis regresi ganda menuntut adanya beberapa syarat
serta analisis regresi ganda mengandung keterbatasan dalam analisisnya.
Beberapa syarat yang harus dipenuhi dalam regresi ganda adalah :
1. Sampel harus diambil secara acak (random) dari populasi yang
berdistribusi normal.
2. Oleh karena sampel diambil dari populasi yang berdistribusi normal,
maka sampel juga harus berdistribusi normal.
3. Data variabel terikat harus berskala interval atau skala ratio,
sedangkan skala untuk variabel bebas tidak harus interval atau rasio
tetapi bisa juga untuk data yang berskala lebih rendah.
4. Antara variabel bebas dengan variabel terikat mempunyai hubungan
secara teoritis, dan melalui perhitungan korelasi sederhana dapat diuji
signifikan hubungan tersebut.
5. Persamaan regresinya harus linear.

RESUME ANALISIS REGRESI BERGANDA
A. Pengertian analisis regresi berganda
Analisis regresi linier berganda adalah hubungan secara linear

antara dua atau lebih variabel independen (X 1, 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 atau penurunan. Data yang digunakan biasanya
berskala interval atau rasio.
Langkah-langkah pengujian sebagai berikut:
1. Menentukan variable bebas dan variablel terikat
2. Menentukan konstanta dan koefisien regresi
∑ X 12=¿ ∑ X 12−¿ ¿ ¿ ¿ ¿
∑ X 22=¿ ∑ X 22−¿¿ ¿ ¿ ¿
∑ Y 2=¿ ∑ Y 2−¿ ¿ ¿ ¿ ¿
∑X ∑Y ¿
∑ X 1 Y =¿ ∑ X 1 Y − n1
∑ X2∑ Y ¿
∑ X 2 Y =¿ ∑ X 2 Y − n
∑ X 1∑ X 2 ¿
∑ X 1 X 2=¿ ∑ X 1 X 2− n
2
[ ( ∑ X . ∑ X Y ) −( ∑ X
2 1 2 Y .∑ X1 X2) ]
b1= 2
[(∑ X . ∑ X 1
2
2
2
. ) −( ∑ X 1 . ∑ X 2 ) ]
2
[ ( ∑ X . ∑ X Y ) −( ∑ X
1 2 1 Y .∑ X1 X2) ]
b2= 2
[(∑ X . ∑ X 1
2
2
2
. ) −( ∑ X 1 . ∑ X 2 ) ]
a=
( ∑ Y ) − ( b 1 . ∑ X 1 ) −( b 2 . ∑ X 2 )
n
3. Menentukan persamaan regresi linear berganda
Rumus regresi linear sederhana adalah sebagai berikut:
Y’ = a + b1X1+ b2X2+…..+ bnXn
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X1 dan X2 = Variabel independen
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b = Koefisien regresi (nilai peningkatan ataupun
penurunan)
4. Menginterprestasikan koefisien regresi
1. Menghitung koefisien determinasi
( b1 . ∑ X 1 Y )−( b2 . ∑ X 2 Y )
r2 =
∑ Y2
2. Menghitung koefisien korelasi berganda
3. Menghitung nilai standar eror estimasi
Se(Syx) = √ ∑ Y 2−¿ ¿ ¿ ¿
4. Menghitung nilai korelasi parsial
rY1 = n ( ∑ X 1 Y ) −¿ ¿
rY2 = n ( ∑ X 2 Y ) −¿ ¿
r12 = n . ∑ X 1 X 2−¿ ¿
Korelasi antara X1 dan Y dimana X2 dianggap tetap:
r Y 1 −( r Y 2 r 12 )
rY.1.2 = 2
√(1−r Y2 ¿)(1−r 12 2)¿
Korelasi antara X2 dan Y dimana X1 dianggap tetap:
r Y 2−(r Y 1 r 12)
rY.2.1 = 2
√(1−r Y1 ¿)(1−r 122) ¿
Korelasi antara X2 dan X1 dimana Y dianggap tetap:

r 12−(r Y 1 r y 2)
r12.y = 2
√(1−r Y1 ¿)(1−r y 22)¿
CONTOH KASUS
Perhatikan data berikut !
No X1 X2 Y
.
1 1 2 2
2 2 3 4
3 1 2 2
4 2 1 1
5 1 2 1
Ujilah hipotesis yang menyatakan ada pengaruh X 1 dan X 2 terhadap Y !

Jawab :
a. Menentukan H 0 dan H a dalam bentuk kalimat

H 0 : Tidak terdapat pengaruh signifikan X 1 dan X 2 terhadap Y
H a : Terdapat pengaruh signifikan X 1 dan X 2 terhadap Y
b. Menentukan H 0 dan H a dalam bentuk statistik
H 0 : r1 = r2 = 0
H a : r1 ≠ r2 ≠ 0
c. Menentukan taraf signifikansi (α)
Taraf signifikansi (α) = 0,05
d. Menentukan kaidah pengujian
Jika F hitung ≤ F tabel, maka H 0 diterima
Jika F hitung > F tabel, maka H 0 ditolak
e. Menentukan nilai F hitung dan F tabel

1) Membuat tabel penolong
No. X1 X2 Y X1 Y X2 Y X1 X2 X 21 X 22 Y2
1 1 2 2 2 4 2 1 4 4
2 2 3 4 8 12 6 4 9 16
3 1 2 2 2 4 2 1 4 4
4 2 1 1 2 1 2 4 1 1
5 1 2 1 1 2 2 1 4 1
Jumla 7 10 10 15 23 14 11 22 26
h (Ʃ)
2) Masukkanlah nilai-nilai dalam tabel ke dalam persamaan

ƩY =an+b1 Ʃ X 1 +b 2 ƩX 2
Ʃ X 1 Y =aƩ X 1 +b1 Ʃ X 21 +b 2 Ʃ X 22
Ʃ X 2 Y =aƩ X 2 +b1 Ʃ X 1 X 2 +b 2 Ʃ X 22
10 = 5a + 7b 1 + 10b 2 ...(1)
15 = 7a + 11b 1 + 22b 2 ...(2)
23 = 10a + 14b 1 + 22b 2 ...(3)
3) Menentukan nilai a , b1 , b2
Dengan cara eliminasi subtitusi
Persamaan (1) dikalikan 2, persamaan (3) dikalikan 1:
20 = 10a + 14b 1 + 20b 2
23 = 10a + 14b 1 + 20b 2 -
-3 = -2b 2
−3
b2 =
−2
= 1,5
Subtitusi nilai b 2 ke dalam persamaan (1) dan (2)

3
10 = 5a + 7b 1 + 10 ( ) ... (4)
2
3
15 = 7a + 11b 1 + 22 ( ) ...(5)
2
Persamaan (4) dikalikan 7, persamaan (5) dikalikan 5:
70 = 35a + 49b 1 + 105
75 = 35a + 55b 1 + 165 -
-5 = -6b 1 – 60
-5 +60 = -6b 1
55 = -6b 1
55
b1 =
−6
= -9,12
Subtitusi nilai b 1 dan b 2 ke dalam persamaan (1)
10 = 5a + 7b 1 + 10b 2
= 5a + 7(-9,12) + 10(1,5)
= 5a - 63,84 + 15
= 5a - 48,84
-5a = -48,84 -10
= -58,84
−58,84
a =
−5
= 11,77
4) Memasukkan nilai a,b 1,b 2 ke dalam persamaan garis regresi
berganda
Y = 11,77- 9,12 X 1 + 1,5 X 2
5) Menghitung nilai Rhitung
Koefisien Korelasi Berganda (R)
R y (1,2 )= √
b1 ∑ X 1 Y +b 2 ∑ X 2 Y
∑ Y2
=
√−9,12.15+1,5. 23
26

=
√−136,8+ 34,5
26
=
√−102,3
26
6) Kuadratkan nilai R
2
= (√
2 −102,3
R )
26
−102,3
=
676
= -0,15
F sign hitung
R2 ( n−m−1)
F reg =
m(1−R 2)
−0,15(5−2−1)
=
2(1−(−0,15))
−0,15(2)
=
2(1,15)
−0,3
=
2,3
= -0,13
F tabel
F(1−α )(dk pembilang ,dk penyebut) = F(0,95 ;2,2)
= 19,00
f. Membandingkan F hitung dan F tabel
F hitung = -0,13
F tabel = 19,00
F hitung < F tabel
g. Menarik kesimpulan

Dari data di atas, maka H 0 diterima yang artinya tidak terdapat
pengaruh signifikan X 1 dan X 2 terhadap Y .
TUGAS ANALISIS REGRESI BERGANDA
contoh sebagai berikut : Misalnya kita hendak memprediksi besarnya

pengeluaran untuk bahan makanan per bulan (variabel Y) berdasarkan
penghasilan keluarga per bulan (variabel X1) dan banyaknya/besar keluarga
(variabel X2). Berdasarkan sampel random 15 keluarga diperoleh informasi
sebagai berikut :
Penghasilan Kelurga Besar Keluarga Pengeluaran Bahan

(Ratusan Ribu Makanan (Ratusan Ribu
Rp/Bulan) Rp/Bulan)
X1 Y
X2
5,5 1 0,8
8,9 1 1,0
21,8 1 1,7
6,8 2 1,4
7,5 2 1,2
17,2 2 1,8
22,1 2 1,9
19,0 3 2,3
12,0 3 1,7

14,0 4 1,5
10,9 4 1,8
7,5 5 2,0
14,0 5 2,2
13,7 6 2,8
6,0 7 2,1
Untuk memperoleh persamaan garis regresi linier tentang hubungan antara

variabel penghasilan keluarga (X1) dan besar keluarga (X2) dengan variabel
pengeluaran untuk bahan makanan (Y) periksa tabel berikut :
Komputasi Persamaan Regresi Linier Berganda Berdasarkan Hubungan

variabel Penghasilan Keluarga (X1) dan Variabel Besar Keluarga (X2)
dengan Variabel Pengeluaran Untuk Bahan Makanan (Y)
X1 X2 Y X 2　
　1
X2　　2 Y2 X1Y X2Y X1X2
5,5 1 0,8 30,25 1 0,64 4,4 0,8 5,5
8,9 1 1 79,21 1 1 8,9 1 8,9
21,8 1 1,7 475,24 1 2,89 37,06 1,7 21,8
6,8 2 1,4 46,24 4 1,96 9,52 2,8 13,6
7,5 2 1,2 56,25 4 1,44 9 2,4 15
17,2 2 1,8 295,84 4 3,24 30,96 3,6 34,4
22,1 2 1,9 488,41 4 3,61 41,99 3,8 44,2
19 3 2,3 361 9 5,29 43,7 6,9 57
12 3 1,7 144 9 2,89 20,4 5,1 36
14 4 1,5 196 16 2,25 21 6 56
10,9 4 1,8 118,81 16 3,24 19,62 7,2 43,6
7,5 5 2 56,25 25 4 15 10 37,5
14 5 2,2 196 25 4,84 30,8 11 70
13,7 6 2,8 187,69 36 7,84 38,36 16,8 82,2

6 7 2,1 36 49 4,41 12,6 14,7 42
186,9 48 26,2 2767,19 204 49,54 343,31 93,8 567,7
Mean
12,46 3,2 1,74
2
X 1 = 2767,19 – (186,9)2/15 = 438,416
2
X 2 = 204 – (48)2/15 = 50,4
Y2 = 49,54 – (26,2)2/15 = 3,777
X1Y = 343,31 – (186,9) (26,2)/15 = 16,858
X2Y = 93,8 – (48) (26,2)/15 = 9,96
X1X2 = 567,7 – (186,9) (48)/15 = -30,38
Koefisien regresinya adalah :
( 50 , 4 ) ( 16 , 858 )−(−30 , 38 ) ( 9 , 96 ) 849 , 6432+302 ,5848 1. 152 ,228
b1 = 2
= = =0 ,05442
( 438 , 416 ) ( 50 , 4 )−(−30 , 38 ) 22 . 096 ,1664−922 , 9444 21 .173 , 222
( 438 , 416 )( 9 , 96 )−(−30 , 38 )( 16 , 858 ) 4 .366 , 62336+512 , 14604 4 . 828 , 7694

b1 = = = =0 , 23042
( 438 , 416 )( 50 , 4 )−(−30 , 38 )2 22 . 096 ,1664−922, 9444 21 .173 , 222
Intersepnya adalah :
a = 1,74 – 0,05442 (12,46) – 0,23042 (3,2)
a = 1,74 – 0,6780732 – 0,737344
a = 1,74 – 1,4154172 = 0,3245828
Persamaan regresi linier bergandanya adalah :
Y’ = 0,3246 + 0,0544.X1 + 0,2304.X2
Pengertian persamaan tersebut adalah : Pertama, apabila X2 konstan,

pertambahan satu unit pada X1 akan mempunyai pengaruh menaikkan 0,0544
unit pada Y. Kedua, apabila X1 kostan, pertambahan satu unit pada X2, akan
mempunyai pengaruh menaikkan 0,2304 unit pada Y. Ketiga, apabila X 1 dan X2
sama dengan nol, besarnya Y adalah 0,3246 satuan.

Berdasarkan persamaan tersebut dapat dibuat prediksi/ramalan nilai-nilai Y
berdasarkan kombinasi nilai X1 dan X2 tertentu misalnya nilai X1 = 5,5 dan X2 = 1,
maka nilai Y adalah Y = 0,3246 + 0,0544 (5,5) + 0,2304 (1) = 0,8542
Standard error of estimates dinyatakan dengan rumus :
∑ Y 2−b 1∑ X 1 Y −b2 ∑ X 2 Y
S y 12=
dimana,
√ n−3
n = jumlah observasi
3 = banyak koefisien
Berdasarkan contoh tersebut dimuka, besarnya standard error of estimate adalah

:
Rumus (1) :
0 , 565654
S Y 12=
Rumus (2) :
√ 15−3
=0 , 217
3 , 777−0 , 0544(16 , 858 )−0 , 2304(9 , 96 )

S y 12=
√ 15−3
3,777−0, 9170752−2, 294784 3,777−3, 2118592 0 ,56514

S y 12=
√
12−3
=√ 0, 047095=0, 217
=
12
=
√12 √

Bab X Analisis Regeresi Berganda

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Bab X Analisis Regeresi Berganda

Diunggah oleh

Hak Cipta:

Format Tersedia

ANALISIS REGRESI BERGANDA

A. Pengertian Regresi Linear Berganda

ANALISIS REGRESI SEDERHANA 277

No X1 X2 Y X 12 X 22 Y2 X1Y X2Y X1X2

1 ... ... ... ... ... ... ... ...

ANALISIS REGRESI SEDERHANA 277

∑X1 ∑X2 ∑Y ∑X 12 ∑X 22 ∑Y2 ∑X1Y ∑X2Y ∑X1X2

b. Menerapkan metode skor deviasi :

c. Mencari nilai konstanta.

ANALISIS REGRESI SEDERHANA 277

2. Uji Hipotesis Regresi Berganda Dua Prediktator

ANALISIS REGRESI SEDERHANA 277

ANALISIS REGRESI SEDERHANA 277

(dalam 10 m2) (dalam juta Rp)

Berdasarkan persoalan di atas tentukanlah:

No X1 X2 Y X 21 X 22 Y2 X1Y X2Y X1X2

7 5 3 43,4 25 9 1883,56 217,0 130,2 15

8 4 2 37,9 16 4 1436,41 151,6 75,8 8

ANALISIS REGRESI SEDERHANA 277

2) Masukkan nilai statistik ke rumus pembantu yang digunakan:

(∑ x 22) ( ∑ x 1 y ) −(∑ x 1 x2 )(∑ x 2 y )

ANALISIS REGRESI SEDERHANA 277

( 8,875 )( 23,7 )−( 5 ) ( 40,475 )

b. Apakah ada pengaruh secara silmultan (bersama-sama)

b) Membuat hipotesis dalam bentuk model statistik

ANALISIS REGRESI SEDERHANA 277

Ftabel = F{(0,05) (2,5) = 5,79

ANALISIS REGRESI SEDERHANA 277

h) Membandingkan Ftabel dan F hitung

j) Mencari koefisien determinasi:

ANALISIS REGRESI SEDERHANA 277

C. Regresi Linear Berganda Tiga Prediktor

Rumus regresi linear dengan dua variabel bebas :

D. Regresi Linear Berganda Empat Prediktor

ANALISIS REGRESI SEDERHANA 277

Rumus Regresi Linear dengan Empat Variabel Bebas :

E. Syarat-syarat Regresi Ganda

ANALISIS REGRESI SEDERHANA 277

ANALISIS REGRESI SEDERHANA 277

A. Pengertian analisis regresi berganda

Analisis regresi linier berganda adalah hubungan secara linear

ANALISIS REGRESI SEDERHANA 277

Perhatikan data berikut !

Ujilah hipotesis yang menyatakan ada pengaruh X 1 dan X 2 terhadap Y !

a. Menentukan H 0 dan H a dalam bentuk kalimat

ANALISIS REGRESI SEDERHANA 277

2) Masukkanlah nilai-nilai dalam tabel ke dalam persamaan

ANALISIS REGRESI SEDERHANA 277

ANALISIS REGRESI SEDERHANA 277

ANALISIS REGRESI SEDERHANA 277

TUGAS ANALISIS REGRESI BERGANDA

contoh sebagai berikut : Misalnya kita hendak memprediksi besarnya

Penghasilan Kelurga Besar Keluarga Pengeluaran Bahan

ANALISIS REGRESI SEDERHANA 277

Untuk memperoleh persamaan garis regresi linier tentang hubungan antara

Komputasi Persamaan Regresi Linier Berganda Berdasarkan Hubungan

5,5 1 0,8 30,25 1 0,64 4,4 0,8 5,5

8,9 1 1 79,21 1 1 8,9 1 8,9

21,8 1 1,7 475,24 1 2,89 37,06 1,7 21,8

6,8 2 1,4 46,24 4 1,96 9,52 2,8 13,6

7,5 2 1,2 56,25 4 1,44 9 2,4 15

17,2 2 1,8 295,84 4 3,24 30,96 3,6 34,4

22,1 2 1,9 488,41 4 3,61 41,99 3,8 44,2