Abdulghoni Hilmy - 2402002494 - DOEA

SOAL REGRESI LINEAR BERGANDA

Sumber: https://www.kursiguru.com/contoh-soal-regresi-linier-berganda/

Terlampir tabel untuk menganalisis pengaruh umur, dan tinggi badan terhadap berat badan anak.

1. Tentukan persamaan regresi linier berganda.

2. Berapa koefisien determinasinya?

Lakukan uji regresi menggunakan Excel atau SPSS.

Abdulghoni Hilmy - 2402002494 - DOEA

Uji Regresi menggunakan Excel

SUMMARY OUTPUT

Regression Statistics

Multiple R 0,591

R Square 0,350

Adjusted R Square 0,205

Standard Error 2,216

Observations 12

ANOVA
df SS MS F Significance F

Regression 2 23,791 11,896 2,422 0,144

Residual 9 44,209 4,912

Total 11 68

Upper Lower Upper

Coefficients Standard Error t Stat P-value Lower 95% 95% 95,0% 95,0%
Intercept 28,321 5,294 5,350 0,000 16,346 40,297 16,346 40,297
Usia 0,520 0,591 0,879 0,402 -0,817 1,856 -0,817 1,856
Tinggi 0,052 0,064 0,810 0,439 -0,093 0,197 -0,093 0,197
Abdulghoni Hilmy - 2402002494 - DOEA

Uji Regresi menggunakan SPSS

Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 28.321 5.294 5.350 .000
Usia .520 .591 .333 .879 .402
Tinggi .052 .064 .307 .810 .439
a. Dependent Variable: Berat Badan

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 23.791 2 11.896 2.422 .144b
Residual 44.209 9 4.912
Total 68.000 11
a. Dependent Variable: Berat Badan
b. Predictors: (Constant), Tinggi, Usia

Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .591a
.350 .205 2.21633
a. Predictors: (Constant), Tinggi, Usia

1. Menentukan persamaan regresi linear berganda.

Dari hasil output kedua uji regresi di atas, hasil yang didapat adalah sebagai berikut :

Variabel constant  α =28,321

Variabel Usia  β 1=0,520

Variabel Tinggi  β 2=0,052

Rumus persamaan regresi linear berganda : E ( y )=α+ β 1 x 1 + β 2 x 2+ …+ β p x p + ε

Abdulghoni Hilmy - 2402002494 - DOEA

Jadi, persamaan regresi linear berganda dari tabel di atas adalah

E ( y )=28,321+0,520 x 1+ 0,052 x 2 +ε

Interpretasi :

 Nilai konstanta (α ) memiliki nilai positif sebesar 28,321. Tanda positif artinya
menunjukkan pengaruh yang searah antara variabel independen dan variabel
dependen. Hal ini menunjukkan bahwa jika semua variabel independen yang meliputi
variabel Usia (x 1) dan variabel Tinggi ( x 2) bernilai 0 persen atau tidak mengalami
perubahan, maka nilai variabel Tinggi Badan adalah 28,321.

 Nilai koefisien regresi untuk variabel Usia ( x 1) yaitu sebesar 0,520. Nilai tersebut
menunjukkan pengaruh positif (searah) antara variabel Usia dan variabel Tinggi
Badan. Hal ini artinya jika variabel Usia mengalami kenaikan sebesar 1%, maka
variabel Tinggi Badan juga akan mengalami kenaikan sebesar 0,520. Dengan asumsi
bahwa variabel lainnya tetap atau konstan.

 Nilai koefisien regresi untuk variabel Tinggi (x 2) yaitu sebesar 0,052. Nilai tersebut
menunjukkan pengaruh positif (searah) antara variabel Tinggi dan variabel Tinggi
Badan. Hal ini artinya jika variabel Usia mengalami kenaikan 1%, maka variabel
Tinggi Badan juga akan mengalami kenaikan sebesar 0,052. Dengan asumsi bahwa
variabel lainnya dianggap konstan.

2. Menentukan Koefisien Determinasi

Dari hasil output kedua uji koefisiensi determinasi pada tabel di atas, maka diperoleh nilai
adjusted R-square sebesar 0,205 (20,5%). Hal tersebut memiliki arti bahwa kemampuan
variabel independen (Usia dan Tinggi) dalam penelitian ini mempengaruhi variabel
dependen (Berat Badan) sebesar 20,5%, sedangkan sisanya sebesar 79,5% (1 – 0,205)
dijelaskan oleh variabel lain selain variabel independen dalam penelitian.
Banyak analis lebih suka menyesuaikan R2 (adjusting R Square) untuk jumlah variabel
bebas untuk menghindari melebih-lebihkan dampak penambahan variabel bebas pada
jumlah variabilitas yang dijelaskan oleh estimasi persamaan regresi.