MODEL REGRESI LINEAR BERGANDA

Model regresi terdiri atas variabel bebas (yang mempengaruhi) dan variabel terikat
(yang dipengaruhi). Variabel yang mempengaruhi ini dalam analisis regresi disebut sebagai
variabel prediktor (dilambangkan dengan ) dan variabel yang dipengaruhi disebut variabel
kriterium (dilambangkan ). Dilihat dari banyaknya variabel bebas yang dilibatkan dalam
model regresi, model regresi diklasifikasikan dalam tiga jenis. Dalam pembahasan
sebelumnya, ada dua jenis model regresi yang telah kita pelajari yakni model regresi linear
sederhana dan model regresi linear dua variabel bebas. Model regresi linear sederhana
membicarakan hubungan antara satu variabel terikat dan satu variabel bebas, sedangkan
model regresi dua variabel bebas membicarakan hubungan antara satu variabel terikat dan
dua variabel bebas. Kelanjutan dari model regresi tersebut adalah model regresi linear
berganda. Model regresi linear berganda merupakan suatu model dimana terdapat satu
variabel terikat yang yang tergantung pada dua atau lebih variabel bebas. Ini berarti
sebenarnya kita telah mempelajari model regresi linear berganda dalam bentuk paling
sederhana yakni model regresi linear dua variabel bebas. Pembahasan disini akan kita
fokuskan pada satu variabel terikat dan lebih dari dua variabel bebas. Adapun model regresi
linear berganda bertujuan untuk:
a. Untuk mengetahui dan memprediksi pengaruh dua variabel prediktor (variabel peramal)
atau lebih terhadap satu variabel kriterium.
b. Membuktikan ada atau tidaknya hubungan fungsional antara dua buah variabel bebas
atau lebih dengan satu variabel terikat.
Bentuk umum dari model persamaan regresi linear berganda adalah sebagai berikut:

Model Persamaan Regresi Linear Berganda pada Populasi

𝑌 = 𝛼 + 𝛽 𝑋 + 𝛽 𝑋 + ⋯ + 𝛽𝑖 𝑋𝑖 + 𝑒𝑖

Model Persamaan Regresi Linear Berganda Dugaaan

𝑌 = 𝑎 + 𝑏 𝑋 + 𝑏 𝑋 + ⋯ + 𝑏𝑖 𝑋𝑖

dimana:
adalah konstanta persamaan regresi linear berganda (Y-intercept)
, , dan adalah koefisien persamaan regresi linear berganda (population slopes)
adalah galat (error)
adalah konstanta persamaan regresi linear berganda (intercept dugaan)
 , , dan adalah koefisien persamaan regresi linear berganda (coefficient slope dugaan)
̅ adalah rata-rata dari data variabel terikat
̅ adalah rata-rata dari data variabel bebas
adalah banyaknya data observasi
Perhitungan regresi linear berganda untuk tiga variabel bebas dapat menggunakan
Metode Kuadrat Terkecil sedemikian hingga diperoleh sistem persamaan linear sebagai
berikut:

∑ 𝑌 = 𝑎. 𝑛 + 𝑏 ∑ 𝑋 + 𝑏 ∑ 𝑋 + 𝑏3 ∑ 𝑋3
∑ 𝑋 𝑌 = 𝑎 ∑ 𝑋 + 𝑏 ∑ 𝑋 + 𝑏 ∑ 𝑋 𝑋 + 𝑏3 ∑ 𝑋 𝑋3
∑ 𝑋 𝑌 = 𝑎 ∑ 𝑋 + 𝑏 ∑ 𝑋 𝑋 + 𝑏 ∑ 𝑋 + + 𝑏3 ∑ 𝑋 𝑋3
∑ 𝑋3 𝑌 = 𝑎 ∑ 𝑋3 + 𝑏 ∑ 𝑋 𝑋3 + 𝑏 ∑ 𝑋 𝑋3 + 𝑏3 ∑ 𝑋3

Sistem persamaan di atas yang diubah dalam bentuk deviasi

dari mean (rata-rata):
∑𝑥 𝑦 = 𝑏 ∑ 𝑥 + 𝑏 ∑ 𝑥 𝑥 + 𝑏3 ∑ 𝑥 𝑥3
∑𝑥 𝑦 = 𝑏 ∑ 𝑥 𝑥 + 𝑏 ∑ 𝑥 + + 𝑏3 ∑ 𝑥 𝑥3
∑ 𝑥3 𝑦 = 𝑏 ∑ 𝑥 𝑥 + 𝑏 ∑ 𝑥 + + 𝑏3 ∑ 𝑥 𝑥3
𝑎 = 𝑌̅ 𝑏 ̅̅̅
𝑋 ̅̅̅ 𝑏3 ̅̅̅
𝑏 𝑋 𝑋3

dimana:
∑
̅ =

∑
̅=

= ̅̅̅
= ̅̅̅
= ̅
Perhitungan regresi linear berganda untuk lebih dari tiga variabel bebas dapat
mengikuti pola rumus perhitungan regresi linear berganda untuk tiga variabel bebas. Selain
menggunakan rumus, perhitungan regresi linear berganda dapat dilakukan melalui bantuan
perangkat lunak SPSS seperti langkah-langkah berikut ini.
1. Buka lembar kerja SPSS lalu klik Variabel View, selanjutnya pada kolom Name untuk
baris pertama tulis Y, baris kedua X1, baris ketiga X2, baris keempat X3 dan baris
seterusnya untuk Xi. Pada kolom Label baris pertama tulis nama variabel yang dijadikan
sebagai Y, baris kedua tulis nama variabel yang dijadikan sebagai X1, baris ketiga tulis
 nama variabel yang dijadikan sebagai X2, baris keempat tulis nama variabel yang
dijadikan sebagai X3 dan seterusnya untuk Xi .
2. Klik Data View masukkan data penelitian untuk variabel Y, X1, X2 dan X3.
3. Klik menu Analyze => Regression => Linear. Setelah itu muncul kotak dialog Linear
Regression, masukkan variabel Y pada kotak Dependent dan masukkan variabel X1, X2,
X3 dan seterusnya pada kotak Independent. Klik OK sehingga akan keluar tampilan
output hasil pengolahan data.

Contoh Kasus:
Peneliti ingin mengetahui pengaruh price earning ratio (PER), return on investment (ROI)
dan return on asset (ROA) terhadap harga saham pada perusahaan di Bursa Efek Indonesia
(BEI). Data mengenai harga saham, PER, ROI dan ROA yang diambil pada periode 2008-
2017 adalah sebagai berikut.

Harga Saham PER ROI ROA

Tahun
(dalam ratusan rupiah) (%) (%) (%)
2008 84 5,0 6,3 5,5
2009 76 3,4 3,0 3,6
2010 90 5,2 4,9 5,1
2011 84 4,1 4,7 4,8
2012 91 6,1 6,1 5,9
2013 88 4,3 5,9 5,2
2014 100 8,1 8,7 8,8
2015 83 7,5 7,6 7,1
2016 84 7,6 7,9 6,8
2017 110 12,8 10,3 11,5
Sumber: Data Fiktif
Solusi:
a) Karena harga saham ditentukan oleh price earning ratio (PER), return on investment
(ROI) dan return on asset (ROA) maka harga saham sebagai variabel terikat (Y), PER
sebagai variabel bebas ke-1 (X1), ROI sebagai variabel bebas (X2), dan ROA sebagai
variabel bebas (X3).
b) Perhitungan model regresi linear berganda menggunakan SPSS
 a
Coefficients

Model Unstandardized Coefficients Standardized t Sig.

Coefficients

B Std. Error Beta

(Constant) 64,072 5,840 10,971 ,000

PER -3,098 2,667 -,882 -1,161 ,290

1
ROI -3,315 2,395 -,729 -1,384 ,216

ROA 10,336 4,000 2,433 2,584 ,042

a. Dependent Variable: Harga Saham

Jadi, persamaan regresi linear berganda dugaan adalah:

= + 3

c) Interpretasi dari persamaan regresi linear dugaan = +

3 adalah sebagai berikut:
 = 64,072 berarti bahwa jika nilai PER, ROI dan ROA adalah konstan (sebesar
0%), maka harga saham sebesar Rp 64,072 (dalam ratusan rupiah) atau Rp 6.407,2.
(dengan catatan bahwa tidak selalu bermakna)
 = −3,098 berarti bahwa jika nilai ROI dan ROA adalah konstan (sebesar 0%),
maka setiap kenaikan nilai PER sebesar 1% maka akan menurunkan harga saham
sebesar Rp −3,098. Koefisien −3,098 bernilai negatif artinya terdapat pengaruh
negatif PER terhadap harga saham dimana semakin tinggi nilai PER maka semakin
rendah harga saham dan sebaliknya.
 = −3,315 berarti bahwa jika nilai PER dan ROA adalah konstan (sebesar 0%),
maka setiap kenaikan nilai ROI sebesar 1% maka akan menurunkan harga saham
sebesar Rp −3,315. Koefisien −3,098 bernilai negatif artinya terdapat pengaruh
negatif ROI terhadap harga saham dimana semakin tinggi nilai ROI maka semakin
rendah harga saham dan sebaliknya.
 3 = 10,336 berarti bahwa jika nilai PER dan ROI adalah konstan (sebesar 0%),
maka setiap kenaikan nilai ROA sebesar 1% maka akan menaikkan harga saham
sebesar Rp 10,336. Koefisien 10,336 bernilai positif artinya terdapat pengaruh
negatif ROA terhadap harga saham dimana semakin tinggi nilai ROA maka semakin
tinggi harga saham dan sebaliknya.