Modul

Praktikum
Statistika Bisnis

EBH0B4

ASSITANT LABORATORIUM
STATISTIKA BISNIS

FAKULTAS EKONOMI DAN BISNIS

UNIVERSITAS TELKOM
BAB 6
REGRESI LINEAR BERGANDA

A. PENGERTIAN
Regresi linear berganda menganalisis lebih dari dua variable, yaitu analisis regresi di mana
terdapat satu variable tergantung (variable Y) yang diterangkan atau dijelaskan oleh lebih
dari satu variable lain yang menerangkan (variable X) atau analisis regresi di mana terdapat
satu variable yang tergantung (variable Y) yang diterangkan atau dijelaskan oleh lebih dari
satu variable lain yang menerangkan (variable X) yang disebut dengan regresi berganda
multivariate atau analisis ragam multi variat (multivariate multiple regression).
Analisis regresi dengan satu variable diterangkan atau variabel Y oleh lebih dari
sebuah variable yang lain atau variable X, maka analisis yang demikian ini dinamakan
analisis regresi majemuk atau analisis regresi berganda atau analisis regresi darab.
Sangatlah jelas bahwa dalam permasalahan ini, tidak cocok lagi memakai perkataan atau
istilah garis regresi, karena fungsi linear yang terdiri dari tiga buah variable, sudah tidak
berbentuk grafik garis lagi, melainkan berbentuk bidang atau bentuk yang lain.
Selanjutnya, jika variable bebas lebih dari tiga buah, menyebabkan penggambaran
grafiknya sangat sulit dan bukan berbentuk bidang atau ruang. Bentuknya dinamakan multi
bidang atau berbidang banyak (hyperplane). Grafik suatu fungsi akan berbentuk garis jika
di dalam fungsi itu hanya terdapat dua macam variable, yang koordinatnya berdimensi dua
atau bidang.
Sehingga dalam penggambaran grafik dari tiga macam variable dapat memakai
istilah bidang regresi atau grafiknya berdimensi tiga atau berdimensi ruang. Tetapi istilah
ini pun tidak dapat dipertahankan lagi secara bebas jika telah dipergunakan fungsi regresi
yang terdiri dari empat macam atau lebih variable yang dipergunakan. Sebagaimana halnya
dalam analisis regeresi linear sederhana.
Di dalam analisis regresi berganda ini juga dapat dikenal adanya:
1. Analsis regresi linear berganda
2. Analisis regresi berganda kurvilinier atau analisis regresi berganda non linear.
Perbedaan dari kedua analisis di atas antara analisis regresi linear berganda dan
analisis regresi berganda kurvilinier atau analisis regresi berganda non linear

BAB 6 REGRESI LINEAR BERGANDA PAGE 83

 didasarkan atas perbedaan pada variable bebas (variable X) yang menyusunnya
atau di mana variable Y yang berbentuk fungsi pangkat atau berpangkat tidak sama
dengan satu. Untuk mempertegas masalah perbedaan antara analisis regresi linear
berganda dengan non linear, diberikan batasan dan contoh fungsinya seperti
berikut:
1. Analisis regresi linear berganda didefinisikan analisis regresi yang variable
tak bebas Y ditentukan oleh sekurang-kurangnya dua variaebel bebas X dan
setiap variable X maupun variable Y hanya berpangkat satu (linear).
2. Analisis regresi berganda kurvilinier atau analisis regresi berganda non
linear didefinisikan sebagai analisis regeresi di mana variable tak bebas Y
ditentukan oleh sekurang-kurangnya dua variable bebas X dan yang salah
satu atau kedua macam variable mempunyai pangkat tidak sama dengan
satu ditentukan oleh sekurang-kurangnya dua variable bebas X.
C. MODEL
Regresi linear berganda dimaksudkan untuk menganalisis bentuk dan tingkat hubungan
antara satu variable dependent dan lebih dari satu variable independent. Model ini
mengasumsikan adanya hubungan satu garis lurus/linear antara variable dependent dengan
masing-masing prediktornya. Hubungan ini biasanya disampaiknya melalui rumus:
𝒀 = 𝜶 + 𝜷𝟏 𝑿𝟏 + 𝜷𝟐 𝑿𝟐 + …. + 𝜷𝒏 𝑿𝒏 + 𝒆
Keterangan:
Y = Variabel dependent (nilai yang diprediksikan)
X1 dan X2 = Variabel independent
α = Konstanta (nilai γ, apabila X1, X2…..Xn = 0)
β = Koefisien regresi variable bebas (nilai peningkatan ataupun penurunan)
e = Kesalahan prediksi (error)

D. PENGUJIAN HIPOTESA
 Untuk tujuan pengujian hipotesis nilai parameter model, model regresi linear juga hal-
hal sebagai berikut yang dikenal dengan nama Uji Asumsi Klasik:

BAB 6 REGRESI LINEAR BERGANDA PAGE 84

 1. Normalitas, untuk melihat apakah nilai residual terdistribusi normal atau tidak.
Dapat dilakukan dengan uji histogram, uji normal P Plot, uji Chi Square,
Skewness dan Kurtosis.
2. Heteroskedastisitas, untuk melihat ada atau tidaknya korelasi yang tinggi antara
variabel-variabel bebas dalam suatu model regresi linear berganda.
3. Multikolinieritas, untuk melihat apakah terdapat ketidaksamaan varians dari
residual satu pengamatan ke pengamatan yang lain.
4. Autokorelasi, untuk melihat apakah terjadi korelasi antara suatu periode t dengan
periode sebelumnya (t -1).

BAB 6 REGRESI LINEAR BERGANDA PAGE 85

TAHAPAN MENGGUNAKAN SPSS
Brata melakukan penelitian terhadap pemahaman Teknik Menulis Kritis mahasiswa di Telkom
University. Dia ingin melihat hubungan Kosa Kata yang dikuasai Mahasiswa, Pemahaman Tema
dan Tata Bahasa yang telah dipelajari mahasiswa terhadap Kemampuan Menulis Mahasiswa di
Telkom University
Berikut ini adalah data yang berhasil dikumpulkan dengan responden berjumlah 15 Mahasiswa
yang ingin diteliti pengaruh Kosa_Kata, Pemahaman_Tema dan Tata_Bahasa terhadap
Kemampuan_Menulis_Mahasiswa.

Kode_Mahas Kosa_Kata Pemahaman_Tema Tata_Bahasa Kemampuan_Menulis

iswa _Mahasiswa
151 8 10 20 6
152 8 12 21 7
153 7 12 21 6
154 9 14 23 7
155 8 15 24 7
156 8 8 20 6
157 9 15 22 7
158 6 8 18 5
159 7 20 26 8
160 9 18 28 8
161 6 10 16 5
162 5 7 15 4
163 10 22 30 9
164 9 12 19 6
165 10 15 20 7

Di sini akan diketahui besar hubungan atau seberapa jauh Kosa_Kata, Pemahaman_Tema dan
Tata_Bahasa berpengaruh terhadap Kemampuan_Menulis_Mahasiswa di Telkom University.
Maka akan dilakukan uji regresi, dengan variabel independent adalah Kosa_Kata,
Pemahaman_Tema dan Tata_Bahasa dan variabel dependent adalah

BAB 6 REGRESI LINEAR BERGANDA PAGE 86

Kemampuan_Menulis_Mahasiswa. Karena ada lebih dari satu variabel independent, maka
termasuk dalam analisis regresi berganda.
7. Input Data
Buka file SPSS kemudian tambahkan variabel baru pada variable view dengan properties
sebagai berikut :

Nama variabel: Kode_Mahasiswa Variabel ini didefinisikan sebagai variabel Numeric

dengan Width: 8 dan Decimal Places: 2
Nama variabel: Kosa_Kata. Variabel ini didefinisikan sebagai variabel Numeric dengan
Width: 8 dan Decimal Places: 2.
Nama variabel: Pemahaman_Tema. Variabel ini didefinisikan sebagai variabel Numeric
dengan Width: 8 dan Decimal Places: 2,
Nama variabel: Tata_Bahasa. Variabel ini didefinisikan sebagai variabel Numeric dengan
Width: 8 dan Decimal Places: 2.
Nama variabel: Kemampuan_Menulis_Mahasiswa. Variabel ini didefinisikan sebagai
variabel Numeric dengan Width: 8 dan Decimal Places: 2.

8. Kemudian masukkan data table sebelumnya ke SPSS melalui Data View

BAB 6 REGRESI LINEAR BERGANDA PAGE 87

 9. Dari baris menu pilih menu Analyze kemudian pilih submenu Regression dan selanjutnya
pilih Linear… hal ini dilakukan untuk uji regresi secara linear

10. Selanjutnya isi variabel Dependent dengan yang akan kita uji yaitu
Kemampuan_Menulis_Mahasiswa. Variabel Independent diisi dengan Kosa_Kata,
Pemahaman_Tema dan Tata_Bahasa dan Case Label diisi dengan Kode_Mahasiswa (Case
Label hanya digunakan untuk penomoran/pelabelan)

BAB 6 REGRESI LINEAR BERGANDA PAGE 88

 11. Selanjutnya pilih Statistic… dan pilih Estimates pada bagian Regression Coefficient, pilih
Model Fit dan Collinearity Diagnostic dan pada Residuals pilih Durbin Watson. Setelah
itu, klik Continue

12. Selanjutnya pilih Plots… pada scatter 1 of 1 masukkan ke Y : *SRESID dan X : *ZPRED
dan pilih Normal probability plot. Selanjutnya klik next dan pada scatter 1 of 2 masukkan
ke Y : *ZPRED dan X : DEPENDNT dan pilih Normal probability plot. Setelah itu klik
Continue

13. Selanjutnya klik OK.

BAB 6 REGRESI LINEAR BERGANDA PAGE 89

Langkah Analisis :
Dilakukan dengan tahapan :
• Uji Model (Koefisien Determinasi)
• Uji F
• Uji T
• Uji Asumsi Klasik
• Penentuan Model Regresi
• Kesimpulan

1. Uji Model (Koefisien Determinasi)

Angka R square adalah 0,965 (yang merupakan nilai kuadrat dari R). R kuadrat ini disebut
koefisien determinasi, mempunyai arti bahwa 96,5 % Kemampuan_Menulis_Mahasiswa
bisa dijelaskan oleh Kosa_Kata, Pemahaman_Tema dan Tata_Bahasa. Sedangkan sisanya
3,5% dijelaskan oleh sebab-sebab lain.
2. Uji F

Dari uji ANOVA atau F test, nilai F hitung adalah 101.214 dengan tingkat signifikansi
mendekati 0, karena nilai signifikansi < 0,05 maka model regresi bisa digunakan untuk
memprediksi Kemampuan_Menulis_Mahasiswa.
3. Uji T

BAB 6 REGRESI LINEAR BERGANDA PAGE 90

 Dilihat dari tingkat signifikansi, Kosa_Kata memiliki tingkat signifikansi 0.006 yang
berarti < 0.05 yang berarti lolos uji F, Pemahaman_Tema memiliki tingkat signifikansi
0.028 yang berarti < 0.05 yang berarti lolos uji F, Tata_Bahasa memiliki tingkat
signifikansi 0.004 yang berarti < 0.05 yang berarti lolos uji F. Karena keseluruhan tingkat
signifikansi kurang dari 0,05 maka kita simpulkan bahwa variabel independent
berpengaruh terhadap Kemampuan_Menulis_Mahasiswa secara parsial.
4. Uji Asumsi Klasik
 Normalitas

Uji normalitas adalah untuk melihat apakah nilai residual terdistribusi normal atau
tidak. Model regresi yang baik adalah memiliki nilai residual yang terdistribusi
normal. Dengan melihat grafik Normal P-P Plot, titik berada disekitar garis
diagonal (cenderung naik) yang artinya data terdistribusi normal.

 Multikolinearitas

BAB 6 REGRESI LINEAR BERGANDA PAGE 91

 Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi
antara variabel-variabel bebas dalam suatu model regresi linear berganda. Jika ada
korelasi yang tinggi di antara variabel-variabel bebasnya, maka hubungan antara
variabel bebas terhadap variabel terikatnya menjadi terganggu. Dari hasil tabel
diatas dapat disimpulkan terjadi multikolinearitas karena Nilai VIF 1.676<10
lolos uji dan nilai Condition indexnya 31.479>30 yang tidak lolos uji. Maka tidak
lolos uji.

 Heteroskedastisitas

BAB 6 REGRESI LINEAR BERGANDA PAGE 92

 Uji heteroskedastisitas adalah untuk melihat apakah terdapat ketidaksamaan varians
dari residual satu ke pengamatan ke pengamatan yang lain. Dari hasil analisis SPSS
diatas dapat disimpulkan bahwa terjadi heteroskedastisitas karena data tersebar
tidak berkumpul di suatu titik

 Autokorelasi

Uji autokorelasi adalah untuk melihat apakah terjadi korelasi antara suatu periode t
dengan periode sebelumnya (t -1). Secara sederhana adalah bahwa analisis regresi
adalah untuk melihat pengaruh antara variabel bebas terhadap variabel terikat, jadi
tidak boleh ada korelasi antara observasi dengan data observasi sebelumnya. Dalam
penelitian ini terjadi autokorelasi karena nilai Durbin Watson tidak berada
diantara -2 dan +2, yakni 2,319 maka tidak lolos uji autokorelasi.

5. Model Regresi

Y = 0.232 + 0.214 X1 + 0.101 X2 + 0.152 X3

Dimana Y adalah Kemampuan_Menulis_Mahasiswa
X1 adalah Kosa_Kata
X2 adalah Pemahaman_Tema
X3 adalah Tata_Bahasa

6. Kesimpulan
Pada pengujian ini lolos pada beberapa Uji yaitu Uji Model (Koefisien Determinasi), Uji
F, Uji T, Uji Normalitas, Uji Heteroskedastisitas. Dan tidak lolos Uji Multikolinearitas dan
Uji Autokorelasi sehingga dapat dinyatakan bahwa model regresi berganda masih valid dan
berpengaruh sehingga Y = 0.232 + 0.214 X1 + 0.101 X2 + 0.152 X3 dapat digunakan.

BAB 6 REGRESI LINEAR BERGANDA PAGE 93

 Dimana Y atau Kemampuan_Menulis_Mahasiswa akan bernilai 0.232 jika tidak ada
pengaruh X1, X2 dan X3.

BAB 6 REGRESI LINEAR BERGANDA PAGE 94

SOAL LATIHAN REGRESI LINEAR BERGANDA
Dilakukan sebuah penelitian dan pengamatan pada perusahaan otomotif selama 15 tahun mulai
dari tahun 2001 sampai dengan tahun 2015. Berikut ini adalah data mengenai Volume Penjualan,
Periklanan, Personal Selling, Pesaing dan Pendapatan.
Volume Penjualan Periklanan Personal Selling
Tahun Pesaing Pendapatan
(Juta Rupiah ) (Juta Rupiah ) (Juta Rupiah )
2001 310 29 22 14 3.67
2002 250 24 19 15 2.75
2003 270 26 18 17 3.86
2004 270 28 21 17 3.64
2005 260 29 18 16 2.94
2006 270 27 22 22 4.01
2007 260 23 17 18 3.72
2008 360 32 31 16 4.86
2009 310 23 21 14 3.78
2010 360 32 28 19 4.57
2011 320 27 23 15 3.81
2012 360 32 28 20 4.49
2013 240 25 17 22 2.13
2014 250 21 21 22 2.46
2015 260 24 21 24 3.07

Dari data diatas, akan diketahui besar hubungan antara periklanan, personal selling, pesaing dan
pendapatan berpengaruh terhadap volume penjualan. Kemudiaan akan dilakukan uji regresi
dimana variabel dependentnya adalah periklanan, personal selling, pesaing dan pendapatan serta
variabel independentnya adalah volume penjualan.

BAB 6 REGRESI LINEAR BERGANDA PAGE 95

DAFTAR PUSTAKA

Setia Atmaja, Lukas. Statistika Untuk Bisnis dan Ekonomi. 2009. Yogyakarta : Penerbit ANDI
Layaman. STATISTIKA (Aplikasi dalam Penelitian Manajemen). 2010. Jakarta : Penerbit Pustaka
Utama
http://elearning.gunadarma.ac.id/docmodul/statistika_untuk_ekonomi_dan_bisnis/bab16_regresi
_linier_berganda.pdf
Sudjana. 2005. Metoda Statistika. Bandung: Tarsito
Hasan, Iqbal. 2010. Pokok-Pokok Materi Statistik 2 (Statistik Infrensial). Jakarta: Bumi Aksara.
Santoso,Singgih. 2012. Paduan Lengkap SPSS Versi 20. Jakarta : PT. Elex media Komputindo

DAFTAR PUSTAKA PAGE 96