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:
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
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.
= + 3