Statistika Lanjut

04
Modul ke:

Regresi Berganda
Fakultas
Ilmu Komputer

Program Studi
Sistem Teguh Arfianto, ST, MT.
Infromasi
 Tujuan Pembelajaran

Mahasiswa mampu menjelaskan regresi berganda

Mahasiswa mengetahui jenis-jenis regresi berganda

Mahasiswa mengetahui Aplikasi Perhitungan Regresi Berganda

<
← MENU AKHIRI >
→
 Pengertian
• Regresi berganda adalah model regresi atau prediksi
yang melibatkan lebih dari satu variabel bebas.

• Istilah regresi berganda dapat disebut juga dengan

istilah multiple regression. Kata multiple berarti
jamak atau lebih dari satu variabel.

<
← MENU AKHIRI >
→
 Perbedaan
• Multiple regression atau regresi berganda adalah
adanya lebih dari satu variabel prediktor (variabel
bebas/variabel independen.

• Multivariat regression atau regresi multivariat adalah

analisis regresi dimana melibatkan lebih dari satu
variabel response (variabel terikat/variabel
dependen).

<
← MENU AKHIRI >
→
<
← MENU AKHIRI >
→
 Regresi Linear Berganda
• Adalah model regresi berganda jika variabel terikatnya
berskala data interval atau rasio (kuantitatif atau
numerik). Sedangkan variabel bebas pada umumnya
juga berskala data interval atau rasio.

• Namun ada juga regresi linear dimana variabel bebas

menggunakan skala data nominal atau ordinal, yang
lebih lazim disebut dengan istilah data dummy. Maka
regresi linear yang seperti itu disebut dengan istilah
regresi linear dengan variabel dummy.

<
← MENU AKHIRI >
→
 Regresi Linear Berganda
• Regresi linear berganda merupakan analisis hubungan
antara beberapa varibel independen dengan satu
variabel dependen.

B
Y
C

<
← MENU AKHIRI >
→
 Regresi Linear Berganda
• Model persamaan regresi linear berganda merupakan
perluasan regresi linear sederhana:
Y = a + b₁X₁ + b₂X₂+ …. + bkXk + e
yang mana :
Y = variable tak bebas (nilai yang akan diprediksi)
a = konstanta
b1, b2,.., bk = koefisien regresi
X1, X2,..., Xk = variable bebas

Bila terdapat 2 variable bebas, yaitu X1 dan X2, maka bentuk

persamaan regresinya adalah :
Y = a + b₁X₁ + b₂X₂
<
← MENU AKHIRI >
→
 Regresi Linear Berganda
• Konstanta a dan koefisien-koefisien regresi b1 dan b2 dapat
dihitung menggunakan rumus :

<
← MENU AKHIRI >
→
 Regresi Linear Berganda
• Hasil perhitungan regresi linear berganda akan
dibandingkan dengan nilai pada tabel distribusi
F. Apakah variabel bebasnya memiliki
pengaruh signifikan atau tidak yakni:

• Apabila Fhitung > Ftabel, maka Ho ditolak

sedangkan Ha diterima.
• Sedangkan bila nilai Fhitung < Ftabel, maka Ho
diterima sedangkan Ha ditolak.

<
← MENU AKHIRI >
→
 CONTOH
• Buatlah persamaan regresi linier dari data pada tabel menggunakan rumus
dasar, lalu hitung koefisien determinasinya.
• Jelaskan apakah faktor usia dan tinggi berpengaruh pada nilai. Jika iya,
tentukan variabel mana yang lebih berpengaruh serta.
Usia Tinggi Berat Badan
8 125 37
10 137 41
7 100 34 Keterangan :
12 122 39 Ho = Usia serta tinggi tidak berpengaruh terhadap berat badan.
Ha = Usia serta tinggi berpengaruh terhadap berat badan.
9 129 40
10 128 42
7 98 38
8 103 42
11 130 40
8 95 36
10 115 41
<
← MENU AKHIRI >
→
8 105 38
Pembahasan

<
← MENU AKHIRI >
→
• Jika dilihat pada tabel, besaran Ftabel memiliki nilai sebesar 4,26 sehingga dapt
disimpulkan bahwa Ho ditolak sedangkan Ha diterima. Dengan kata lain pada
data di atas, usia serta tinggi berpengaruh terhadap berat badan.
• Karena nilai absolut b1 lebih besar daripada nilai b2, maka dapat dikatakan
bahwa usia lebih berpengaruh terhadap berat badan.
<
← MENU AKHIRI >
→
 Regresi Logistik Berganda
• Adalah model regresi berganda jika variabel
terikatnya adalah data dikotomi. Dikotomi artinya
dalam bentuk kategorik dengan jumlah kategori
sebanyak 2 kategori.

• Misal: Laki-laki dan perempuan, baik dan buruk, ya

dan tidak, benar dan salah serta banyak lagi contoh
lainnya.

<
← MENU AKHIRI >
→
 Regresi Logistik Berganda
• Sedangkan variabel bebas jenis regresi berganda ini
pada umumnya adalah juga variabel dikotomi.
Namun tidak masalah jika variabel dalam skala data
interval, rasio, ordinal maupun multinomial.

• Contoh regresi berganda jenis ini adalah: pengaruh

rokok dan jenis kelamin terhadap kejadian kanker
paru. Dimana rokok kategorinya ya dan tidak, jenis
kelamin kategorinya laki-laki dan perempuan,
sedangkan kejadian kanker paru kategorinya ya dan
tidak.
<
← MENU AKHIRI >
→
 Kegunaan Analisis Regresi Logistik Berganda
mencakup 2 hal:

• Model Prediksi
Pemodealan dengan tujuan memperoleh model yang
terdiri dari beberapa variabel independen yang
dianggap terbaik untuk memprediksi kejadian variabel
dependen.

Pada pemodelan ini semua variabel dianggap penting.

<
← MENU AKHIRI >
→
Bentuk kerangka konsep model prediksi:

X1
X2 Y
X3
X4

<
← MENU AKHIRI >
→
• Model Faktor Resiko
Pemodealan dengan tujuan mengestimasi secara valid
hubungan variabel utama dengan variabel dependen
dengan mengontrol beberapa variabel konfonding.
Bentuk kerangka konsep model faktor resiko:

X1 Y

X2
X3
X4 <
← MENU AKHIRI >
→
 Regresi Ordinal berganda
• Adalah analisis regresi dimana variabel terikat adalah
berskala data ordinal. Sedangkan variabel bebas pada
umumnya juga ordinal, namun tidak masalah jika
variabel dengan skala data yang lain, baik kuantitatif
maupun kualitatif.

• Keunikan regresi ini adalah jika variabel bebas adalah

data kategorik atau kualitatif, maka disebut sebagai
faktor. Sedangkan jika data numerik atau kuantitatif,
maka disebut sebagai covariates.

<
← MENU AKHIRI >
→
 Regresi Multinomial Berganda
• Adalah jenis regresi dimana variabel terikat adalah
data nominal dengan jumlah kategori lebih dari 2
(dua) dan variabel bebas ada lebih dari satu variabel.

• Jenis regresi ini hampir sama dengan regresi logistik

berganda, namun bedanya adalah variabel terikat
kategorinya lebih dari dua, sedangkan regresi logistik
berganda variabel terikatnya mempunyai kategori
hanya dua (dikotomi).

<
← MENU AKHIRI >
→
 Regresi Multinomial Berganda
Contoh regresi ini adalah:
• Pengaruh Pendidikan Orang Tua dan Penghasilan
Orang Tua terhadap pilihan jurusan kuliah.

→ Dimana pendidikan dan penghasilan orang tua

berskala data ordinal dan pilihan jurusan kuliah adalah
variabel berskala data nominal lebih dari dua kategori,
yaitu: jurusan kesehatan, hukum, sosial, sastra,
pendidikan, lain-lain.

<
← MENU AKHIRI >
→
 Aplikasi Perhitungan Regresi Berganda

• Ada banyak aplikasi atau software yang dapat anda gunakan

untuk menghitung atau melakukan analisis regresi pada
berbagai jenis regresi diatas.

• Seperti halnya SPSS, dapat melakukan semua analisis diatas.

• Sedangkan aplikasi lainnya mempunyai daya yang lebih
powerfull, karena bisa melakukan semua diatas, seperti STATA
dan Eviews.

<
← MENU AKHIRI >
→
 Kesimpulan Regresi Berganda
• Kesimpulannya adalah dikatakan regresi berganda jika
variabel bebas lebih dari satu. Regresi berganda
berbeda dengan regresi multivariat. Regresi
multivariat adalah regresi jika variabel terikat lebih
dari satu.

<
← MENU AKHIRI >
→
Terima Kasih
teguh.arfi@gmail.com