α = Ȳ − β1 X̄1 − β2 X̄2
Setelah mengestimasi 3 parameter dalam model regresi linear ganda, langkah selan-
jutnya sama dengan langkah pada model regresi linear sederhana, yaitu menguji
tingkat keberartian model untuk menjawab pertanyaan: "Apakah variabel Y dapat
diprediksi oleh variabel X1 dan variabel X2 ?". Menjawab pertanyaan ini dilakukan
dengan menguji hipotesis statistik berikut:
H0 : Ada minimal satu variabel prediktor yang tidak berpengaruh signifikan
Ha : Semua variabel prediktor berpengaruh signifikan
Sama seperti model regresi linear sederhana, uji statistik yang digunakan adalah uji
F yang formulanya sebagai berikut:
R2 (n − m − 1)
Fhit =
m(1 − R2 )
dengan:
n :Jumlah sampel
m :Jumlah variabel prediktor
q P P
β1 x1 .y+β
P 22 x2 .y
R = y
Contoh 8.2 Konteks yang digunakan dalam contoh ini adalah konteks mahasiswa
yang dijadikan pengantar di awal pembahasan regresi ganda ini. Judul penelitian
mahasiswa tersebut adalah "Efikasi Diri dan Kecerdasan Emosional serta Efeknya
terhadap Hasil Belajar Mahasiswa". Dari judul ini, diketahui variabel responnya
(Y) adalah hasil belajar. Sedangkan variabel prediktor nya ada 2 yaitu efikasi diri
(X1 ) dan Kecerdasan Emosional (X2 ). Langkah pertama yang dilakukan adalah
melakukan uji coba terhadap instrumen efikasi diri dan kecerdasan emosional
siswa.Uji coba menunjukkan bahwa instrumen yang digunakan reliabel dan valid
(meskipun beberapa item dalam instrumen harus dikeluarkan dari instrumen).
Langkah selanjutnya yang dilakukan oleh mahasiswa tersebut adalah menentuk-
an jumlah sampel. Sampel yang diperoleh sebanyak 8 orang yang akan diberikan
instrumen efikasi diri, kecerdasan emosional dan hasil belajar siswa tentu saja.
Setelah mengambil data dari 8 orang sampel penelitian, diperoleh hasil sebagai
berikut:
Selain itu dengan bantuan tabel di atas, 3 parameter dari regresi linear ganda
dapat lebih mudah dihitung.
(35200).(40120)−(35944)(39254) (36771).(39254)−(35944)(40120)
= (36771)(35200)−(35944)2
= (36771)(35200)−(35944)2
1278224 1335554
= 2368064
= 2368064
= 0, 54 = 0, 564
Setelah memperoleh β1 dan β2 , parameter α akan dicari dengan formula:
α = Ȳ − β1 X̄1 − β2 X̄2
= 73, 75 − 0, 54.67, 625 − 0, 564.66
= 73, 75 − 36, 52 − 37, 22
=0,01
Berdasarkan pendugaan 3 parameter yang telah dikerjakan, maka model regresi
linear ganda dari hasil penelitian mahasiswa tersebut adalah:
Y = 0, 01 + 0, 54.X1 − 0, 564.X2
Setelah membahas regresi serhana dan regresi linear ganda, pada bagian selanjutnya
akan dibahas kasus khusus mengenai variabel prediktor yang berbentuk data katergori
yang dalam regresi disebut sebagai variabel boneka (dummy)
Jenjang X1 X2
SMK 0 0
SMA 1 0
MA 0 1
8.5 Statistik R2
Salah satu output dari regresi linear yang dijadikan hasil pemodelan – selain modelnya
tentu saja – adalah R2 . R2 biasa juga disebut sebagai koefisien determinasi. Formula
dari koefisien determinasi adalah:
JKT − JKR JKR
R2 = =1−
JKT JKT
dengan
(yi − ȳ)2
P
JKT =
(yi − ŷi )2
P
JKR =
Zero Mean
Perhatikan kembali model regresi yang telah dibahas sebelumnya:
Y = α + β.X + ∼ N (0, 1)
Dalam model di atas, galat dari model () harus berdisitribusi normal dengan rata-
rata 0 dan varians 1 (dituliskan ∼ N (0, 1)). Kondisi ini disebut sebagai kondisi zero
mean. Kondisi ini berpusat pada galat dari model. Sehingga, pengecekan terhadap
galat ini dilakukan dengan membangkitkan galat dari model, kemudian melakukan
pengecekan terhadap distribusi dari galat.
Pengecekan normalitas galat dari data dapat dilakukan dengan Uji Shapiro
Wilk, Uji Kolmogorov-Smirnov, serta menggunakan bantuan grafik tertentu di SPSS.
Hipotesis yang digunakan dalam uji normalitas adalah