TEKNIK REGRESI BERGANDA

(BAGIAN 1)

Teknik regresi berganda merupakan teknik regresi yang menjelaskan hubungan antara variable
dependen dengan beberapa variable independen.

A. Variable Independen
• Untuk mendapatkan hasil ramalan yang akurat dan kesalahan (error term) yang lebih
sedikit, maka perlu untuk menambahkan jumlah variable independen sehingga varians
dari variable dependen yang dapat dijelaskan menjadi lebih tinggi presentasenya.
• Variable independen yang akan ditambahkan tidak boleh memiliki korelasi linier yang
erat dengan variable independen yang sebelumnya. Karena bila terdapat korelasi yang
erat, maka kedua variable independen tersebut hanya akan menjelaskan variasi yang
sama.
• Akibatnya, penambahan variable independen tidak akan memperbaiki hasil peramalan.
Dalam ekonometrik dan statistik terapan, korelasi linier yang erat antarvariabel
independent disebut kolinieritas.
• Variable independent yang baik adalah variable independen yang berhubungan erat
dengan variable dependennya dan tidak berhubungan erat dengan variable independen
lainnya.

B. Matriks Korelasi
• Matriks korelasi adalah alat untuk melacak apakah ada hubungan antarvariabel dalam
regresi berganda. Berikut ini adalah contoh data, perhitungan matriks korelasi dan
perhitungan koefisien derterminasi (R2) menggunakan software spss.

Table 1. Data
Volume penjualan Y Harga jual X Biaya Iklan
10 1,3 9
6 2 7
5 1,7 5
12 1,5 14
10 1,6 15
15 1,2 12
5 1,6 6
12 1,4 10
17 1 15
20 1,1 21

1
 Tabel 2. Perhitungan Matriks Korelasi
Correlations
Volume Biaya Iklan
penjualan Y Harga jual X1 X2
Pearson Volume penjualan Y 1.000 -.863 .891
Correlation Harga jual X1 -.863 1.000 -.654
Biaya Iklan X2 .891 -.654 1.000

Tabel 3. Perhitungan Koefisien Determinasi

Model Summaryb
Adjusted R
Model R R Square Square
1 .965a .932 .912
a. Predictors: (Constant), Biaya Iklan, Harga jual X
b. Dependent Variable: Volume penjualan Y

Tabel 4. Perhitungan Koefisien Determinasi

Model Summaryb
Adjusted R
Model R R Square Square
1 .863a .746 .714
a. Predictors: (Constant), Harga jual X
b. Dependent Variable: Volume penjualan Y

• Table 2 menunjukkan perhitungan matriks korelasi untuk 2 variabel independen yaitu

harga jual dan biaya iklan, serta dengan 1 variabel dependen yaitu volume penjualan.
Matriks korelasi tersebut menunjukkan bahwa biaya iklan berhubungan linier positif
sangat tinggi dengan volume penjualan yaitu sebesar 0,891. Sementara itu, biaya iklan
berhubungan linier negative dengan variable independen lainnya yaitu tingkat harga
yaitu sebesar -0,654.
• Berarti dengan penambahan variable independen, persentase varians yang dapat
dijelaskan bertambah besar. Berdasarkan table 3, menunjukkan bahwa perhitungan
koefisien determinasi (R2) dengan menggunakan 2 variabel independen menjadi lebih
besar yaitu sebesar 0,932 atau 93,2%. Jika dibandingkan hanya menggunakan 1 variabel
independen yaitu harga yang ditunjukkan pada table 4 sebesar 0,746 atau 74,6%.

2
C. Persamaan Regresi Berganda
• Dalam persamaan regresi sederhana, variable dependen dinotasikan Y dan variable
independent dinotasikan X.
• Dalam persamaan regresi berganda, variable dependen tetap dinotasikan Y, tetapi
variable independent dinotasikan dengan X1, X2, X3,….Xn yang tergantung dengan
jumlah variable independennya.
• Persamaan regresi berganda sebagai berikut:
YR = b0 + b1X1 +b2X2
Dimana:
YR = variable dependen (Y)
b0 = konstanta atau intersep dari Y
b1, b2 = koefisien regresi parsial
X1 = variable independen 1
X2 = variable independen 2
• Berikut ini adalah perhitungan garis regresi berganda dengan menggunakan software
SPSS dengan menggunakan data pada table 1.

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 16.406 4.343 3.778 .007
HARGA -8.248 2.196 -.490 -3.756 .007
BIAYA IKLAN .585 .134 .571 4.377 .003
a. Dependent Variable: VOLUME PENJUALAN

• Berdasarkan output SPSS di atas, garis regresinya dapat dituliskan sebagai berikut ini:
YR = 16,41 – 8,25X1 + 0,59X2
• Persamaan tersebut dapat digunakan untuk memperkirakan volume penjualan minggu-
minggu mendatang. Jika harga per unit Rp 1,5 (ribu) dan biaya iklan Rp 10 (ratusan
ribu), maka volume penjualan diperkirakan menjadi:
YR = 16,41 – 8,25X1 + 0,59X2
YR = 16,41 – 8,25(1,5) + 0,59(10)
YR = 16,41 – 12,375 + 5,9
YR = 9,93 (ribu unit)

3
D. Koefisien Regresi
• Dari persamaan regresi YR = 16,41 – 8,25X1 + 0,59X2, dapat dijabarkan bahwa:
b0 = 16,41
b1 = -8,25
b2 = 0,59
• Nilai b1 = -8,25 menunjukkan bahwa setiap kenaikan harga sebesar Rp 1, maka akan
menurunkan nilai rata-rata volume penjualan produk ABC sebesar 8,25 unit dengan
anggapan bahwa biaya iklan tidak berubah.
• Nilai b2 = 0,59 menunjukkan bahwa setiap kenaikan biaya iklan sebesar Rp 1, maka
akan meningkatkan nilai rata-rata volume penjualan sebesar 0,59 unit jika harga produk
ABC tidak berubah.
• Contoh:
Jika harga produk ABC sebesar Rp 1,00 (ribu) per unit dan biaya iklan sebesar Rp 10
(ratusan ribu), maka:
YR = 16,41 – 8,25X1 + 0,59X2
YR = 16,41 – 8,25(1) + 0,59(10)
YR = 16,41 – 8,25 + 5,9
YR = 14,06
Jadi volume penjualan menjadi 14.060 unit (14,06 x 1.000).