BAB II
Banyak data pengamatan yang terjadi sebagai akibat lebih dari dua variabel, yaitu
memerlukan lebih dari satu variabel dalam membentuk suatu model regresi.
ditentukan, oleh karena itu dibutuhkan suatu model yang dapat memprediksi
respon yang penting terhadap permasalahan tersebut, yaitu dengan Regresi Linier
Berganda.
hanya saja pada Regresi Linier Berganda variabel bebasnya lebih dari satu
variabel.
seberapa erat hubungan antara dua variabel atau lebih dan membuat suatu
Bentuk persamaan regresi linier berganda yang mencakup dua atau lebih variabel,
yaitu:
= + + + + …+
Dimana :
Tujuan dari analisis regresi adalah untuk membuat sebuah model yang
Variable).
tidak bebas.
5. Untuk memperoleh model yang baik yang dapat digunakan untuk menafsir
dan membuat estimasi nilai variabel tertentu berdasarkan atas satu atau
= +
Dalam ilmu statistika teknik yang umum digunakan untuk menganalisa hubungan
antara dua variabel atau lebih adalah analisa regresi linier. Regresi pertama
digunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis Galton. Dia
telah melakukan studi tentang kecenderungan tinggi badan anak. Hasil studi
yang lahir terhadap orang tuanya adalah menurun mengarah pada tinggi badan
perkiraan nilai satu variabel terhadap variabel yang lain. Pada perkembangan
perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain yang
dengan simbol Y. Variabel terikat adalah variabel yang dipengaruhi atau yang
nilainya bergantung dari nilai variabel lain. Variabel bebas adalah variabel yang
dapat diprediksi besarnya. Prinsip dasar yang harus dipenuhi dalam membangun
suatu persamaan regresi adalah bahwa antara variabel terikat dengan variabel
dengan variabel yang lain yang diketahui melalui persamaan garis regresi.
Variabel yang lain diketahui melalui persamaan garis regresinya. Analisis regresi
yang bertujuan untuk mempelajari hubungan antara dua variabel, yakni variabel
terikat dan variabel bebas. Sedangkan analisis regresi berganda adalah bentuk
regresi dengan model yang memiliki hubungan antara satu variabel terikat dengan
dua atau lebih variabel bebas. Variabel bebas adalah variabel yang nilainya
atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum
diketahui dengan baik, atau untuk mengetahui bagaimana variasi dari beberapa
terikat, maka terdapat hubungan antara fungsional antara X dan Y dimana variasi
dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara matematis
Y = f(X , X , . . . , X , e)
Keterangan:
Berkaitan dengan analisis regresi ini, setidaknya ada empat kegiatan yang lazim
dilaksanakan yakni:
variasi independent.
teori.
Analisis regresi linier sederhana terdiri dari satu variabel bebas dan satu variabel
terikat. Dengan kata lain variabel yang dianalisis terdiri dari satu variabel
prediktor dan satu variabel kriterium. Model regresi linier sederhananya adalah:
= +
Keterangan:
a = Konstanta (intercept)
b = Kemiringan (slope)
berikut:
(∑ ) ∑ − (∑ )(∑ )
=
∑ − (∑ )
(∑ ) − (∑ )(∑ )
=
∑ − (∑ )
Jika koefisien b terlebih dahulu dihitung, maka koefisien a dapat dihitung dengan
rumus:
= −
Regresi linier ganda (Multiple Regression) berguna untuk mencari pengaruh atau
kriteriumnya. Suatu persamaan regresi linier yang memiliki lebih dari satu
variabel bebas X dan satu variabel terikat Y akan membentuk suatu persamaan
regression). Model persamaan regresi linier berganda hampir sama dengan model
regrei linier sederhana, letak perbedaanya hanya pada jumlah variabel bebasnya.
= + + + + ⋯+ +
Keterangan:
= Konstanta regresi
Untuk itu diperlukan dua macam jumlah kuadrat (JK) yaitu jumlah kuadrat
untuk regresi yang ditulis JK dan jumlah kuadrat untuk sisa (residu) yang ditulis
rumus:
= + + ⋯+
= ( − )
/
=
/( − − 1)
Pengujian hipotesis merupakan salah satu tujuan yang akan dibuktikan dalam
penelitian. Jika terdapat deviasi antara sampel yang ditentukan dengan jumlah
menggunakan 0,05. Kisaran tingkat signifikansi mulai dari 0,01 sampai dengan
benar. Tingkat kepercayaan pada umumnya ialah sebesar 95%, yang dimaksud
dengan tingkat kepercayaan ialah tingkat dimana sebesar 95% nilai sampel akan
mewakili nilai populasi dimana sampel berasal. Dalam melakukan uji hipotesis
antara perkiraan penelitian dengan keadaan yang sesungguhnya yang akan diteliti.
yaitu:
2. Daerah penerimaan dan penolakan serta teknik arah pengujian (one tailed
1. H ∶ β = β = ⋯ = β = 0
ditolak.
berganda yang mencakup lebih dari dua variabel adalah untuk mengetahui
proporsi keragaman total dalam variabel tak bebas (Y) yang dapat dijelaskan atau
diterangkan oleh variabel-variabel bebas (X) yang ada di dalam model persamaan
rumus, yaitu:
= ∑
Keterangan:
masing variabel yang tinggal dalam regresi tersebut. Hal ini mengakibatkan
berpengaruh saja ataupun dengan kata lain hanya yang bersifat nyata.
∑ − (∑ )(∑ )
. … =
∑ − (∑ ) ∑ − (∑ )
∑ − (∑ )(∑ )
=
∑ − (∑ ) ∑ − (∑ )
∑ − (∑ )(∑ )
=
∑ − (∑ ) ∑ − (∑ )
∑ − (∑ )(∑ )
=
∑ − (∑ ) ∑ − (∑ )
∑ − (∑ )(∑ )
=
∑ − (∑ ) ∑ − (∑ )
∑ − (∑ )(∑ )
=
∑ − (∑ ) ∑ − (∑ )
Koefisien korelasi memiliki nilai antara -1 hingga +1. Sifat nilai koefisien korelasi
adalah (+) ataupun minus (-) yang menunjukan arah korelasi. Makna dari sifat
korelasi adalah:
kenaikan maka nilai variabel yang lain juga mengalami kenaikan dan
berlawanan arah atau korelasi negatif. Artinya jika nilai suatu variabel
nilai kesalahan standar estimasi, maka semakin rendah persamaan estimasi yang
2000.Analisis Regresi Teori, kasus dan solusi, Edisi Kedua, Yogyakarta : BPFE
rumus:
∑ − )
, , ,…, =
− −1
= + + + + ⋯+ +
Perumusan Hipotesa:
:β =0 dimana i =1,2,…, k
:β ≠0 dimana i =1,2,…, k
Untuk menguji hipotesis ini digunakan kekeliruan baku taksiran , , ,…, , dan
= ( , , ,…, )
Kriteria Pengujan: