MAKALAH

ANALISIS REGRESI LINEAR BERGANDA

Tugas Mata Kuliah Metode Statistika Kelas B

Dosen Pengampu :

Dr. H. Karim, [Link].

Kamaliyah, [Link].

Disusun Oleh Kelompok 6 :

Ahmad Arifin 2111011110012

Muhammad Faried 2010118210003
Muhammad Hafiz Abdillah 2010118210035
Muhammad Rafi’i 2010118210014
Rezanor Fahlevi 2010118110013
Salsabella Meirela 2010118120012

PROGRAM STUDI PENDIDIKAN MATEMATIKA

JURUSAN PENDIDIKAN MATEMATIKA DAN IPA

FAKULTAS KEGURUAN DAN ILMU PENDIDIKAN

UNIVERSITAS LAMBUNG MANGKURAT

BANJARMASIN

2022
 DAFTAR ISI

DAFTAR ISI..............................................................................................................................i

A. KAJIAN TEORI..................................................................................................................1

B. KASUS................................................................................................................................2

C. ANALISIS DENGAN CARA MANUAL..........................................................................3

D. ANALISIS DENGAN CARA SPSS...................................................................................6

E. KESIMPULAN.................................................................................................................10

DAFTAR PUSTAKA...............................................................................................................11

i
A. KAJIAN TEORI

1. REGRESI LINEAR BERGANDA

Regresi linier berganda merupakan model persamaan yang menjelaskan
hubungan satu variabel tak bebas/ response (Y) dengan dua atau lebih variabel bebas/
predictor (X1, X2, …, Xn). Tujuan dari uji regresi linier berganda adalah untuk
memprediksi nilai variabel tak bebas/ response (Y) apabila nilai-nilai variabel
bebasnya/ predictor (X1, X2, …, Xn) diketahui. Disamping itu juga untuk dapat
mengetahui bagaimanakah arah hubungan variabel tak bebas dengan variabel-
variabel bebasnya.

Persamaan regresi linier berganda secara matematik diekspresikan oleh :

Y =a+b1 X 1 +b 2 X 2 + ⋯+b n X n

yang mana :

Y = variabel tak bebas (nilai variabel yang akan diprediksi)

α = konstanta
b1, b2, …, bn = nilai koefisien regresi
X1, X2, …, Xn = variabel bebas

Bila terdapat 2 variabel bebas, yaitu X1 dan X2, maka bentuk persamaan regresinya
adalah :

Y =a+b1 X 1 +b 2 X 2

Keadaan-keadaan bila koefisien-koefisien regresi, yaitu b1 dan b2 mempunyai nilai :

 Nilai = 0. Dalam hal ini variabel Y tidak dipengaruh oleh X1 dan X2
 Nilainya negatif. Disini terjadi hubungan dengan arah terbalik antara variabel tak
bebas Y dengan variabel-variabel X1 dan X2
 Nilainya positif. Disini terjadi hubungan yang searah antara variabel tak bebas Y
dengan variabel bebas X1 dan X2

Koefisien-koefisien regresi b1 dan b2 serta konstanta α dapat dihitung dengan

menggunakan rumus :

(∑ x 22 ) (∑ x1 y )−(∑ x 1 x 2 )( ∑ x 2 y )
b 1= 2
(∑ x 12)( ∑ x 22)−(∑ x1 x 2)

1
 (∑ x 12 ) ( ∑ x2 y ) −(∑ x 1 x 2 )( ∑ x 1 y )
b 2=
(∑ x 12)( ∑ x 22)−( ∑ x1 x 2)
2

a=Y −b1 X 1−b 2 X 2

yang mana :

∑ y2 =∑ Y 2−n Y 2
∑ x 12=∑ X 12−n X 12
∑ x 22=∑ X 22−n X 22
∑ x 1 y=∑ X 1 Y −n X 1 Y
∑ x 2 y=∑ X 2 Y −n X 2 Y
∑ x 1 x2=∑ X 1 X 2−n X 1 X 2

B. KASUS

Diberikan data tentang IQ dan tingkat kehadiran sepuluh siswa di kelas yang diperkirakan
mempengaruhi nilai UAS.

Sisw IQ Tingkat Kehadiran Nilai UAS

a (X1) (X2) (Y)
1 110 0,6 65
2 120 0,7 70
3 115 0,75 75
4 130 0,8 75
5 110 0,8 80
6 120 0,9 80
7 120 0,95 85
8 125 0,95 95
9 110 1 90
10 120 1 98

2
C. ANALISIS DENGAN CARA MANUAL

1. PERSAMAAN REGRESI LINEAR BERGANDA (METODE KUADRAT

TERKECIL)

n X1 X2 Y X1Y X2Y X1X2 X12 X22 Y2

1 110 0,6 65 7150 39 66 12100 0,36 4225
2 120 0,7 70 8400 49 84 14400 0,49 4900
0,7 56,2
3 115 5 75 8625 5 86,25 13225 0,563 5625
4 130 0,8 75 9750 60 104 16900 0,64 5625
5 110 0,8 80 8800 64 88 12100 0,64 6400
6 120 0,9 80 9600 72 108 14400 0,81 6400
0,9 80,7
7 120 5 85 10200 5 114 14400 0,903 7225
0,9 90,2
8 125 5 95 11875 5 118,8 15625 0,903 9025
9 110 1 90 9900 90 110 12100 1 8100
10 120 1 98 11760 98 120 14400 1 9604
0,8
Rata-rata 118 5 81,3            
8,4 699,
Jumlah 1180 5 813 96060 3 999 139650 7,308 67129

∑ y2 =∑ Y 2−n Y 2=67129−( 10 ) ( 81,3 )2=1032,1

∑ x 12=∑ X 12−n X 12=139650−( 10 ) (118 )2=410
∑ x 22=∑ X 22−n X 22=7,308−( 10 ) ( 0,85 )2=0,167
∑ x 1 y=∑ X 1 Y −n X 1 Y =96060−( 10 )( 118 ) ( 81,3 ) =126
∑ x 2 y=∑ X 2 Y −n X 2 Y =699,3− (10 )( 0,85 )( 81,3 ) =12,265
∑ x 1 x2=∑ X 1 X 2−n X 1 X 2 =999−( 10 )( 118 ) ( 0,85 )=1,9

3
 (∑ x 22 ) ( ∑ x1 y )−(∑ x 1 x 2 )( ∑ x 2 y )
b 1=
(∑ x 12)( ∑ x 22)−( ∑ x1 x 2)
2

( 0,167 ) (126 )−( 1,9 ) ( 12,265 )

¿
( 410 ) ( 0,167 ) −( 1,9 )2

¿−0,034

(∑ x 12 ) ( ∑ x2 y )−(∑ x 1 x 2 )( ∑ x 1 y )
b 2= 2
(∑ x 12)( ∑ x 22)−( ∑ x1 x 2)
( 410 ) ( 12,265 )−( 1,9 ) ( 126 )
¿
( 410 )( 0,167 )−( 1,9 )2

¿ 73,723

a=Y −b1 X 1−b 2 X 2 =81,3−(−0,034 ) ( 118 )−( 73,723 ) ( 0,85 )=23,054

Diperoleh persamaan linear berganda sebagai berikut :

Y^ =23,054+ (−0,034 ) X 1+73,723 X 2

 Nilai a = 23,054 . Jika IQ (X1) dan tingkat kehadiran (X2) keduanya bernilai nol,
maka estimasi besarnya nilai UAS (Y) sebesar 23,054 .
 Nilai b 1=−0,034 . Hubungan antara IQ (X1) dengan nilai UAS (Y). Jika tingkat
kehadiran (X2) adalah konstan, maka setiap kenaikan nilai IQ (X1) sebesar satu
satuan akan menurunkan nilai UAS (Y) sebesar 0,034 satuan.
 Nilai b 2=73,723. Hubungan antara tingkat kehadiran (X2) dengan nilai UAS (Y).
Jika IQ (X1) adalah konstan, maka setiap kenaikan nilai tingkat kehadiran (X2)
sebesar satu satuan akan meningkatkan nilai UAS (Y) sebesar 73,723 satuan.

Pengujian Hipotesis Serentak

 Langkah-Langkah Pengujian
1) Menentukan formulasi hipotesis
H0 : B1 = B2 = 0 (X1 dan X2 tidak mempengaruhi Y)
H1 : B1 ≠ B2 ≠ 0 (X1 dan X2 mempengaruhi Y atau paling tidak ada X yang
mempengaruhi Y
2) Menentukan taraf nyata (α) dan nilai F tabel

4
 Taraf (α = 0,05) dan nilai F tabel ditentukan dengan derajat bebas ν1 = k = 2 dan
ν2 = n – k – 1 = 10 – 2 – 1 = 7
Fα (ν1) (ν2) = F0,05 (2) (7) = 9,647
3) Kriteria pengujian
H0 diterima bila FO ≤ 9,647
H0 ditolak bila FO > 9,647
4) Menentukan nilai uji statistik dengan tabel ANOVA
Sumber Jumlah Derajat Rata-rata
F0
Variasi Kuadrat Bebas Kuadrat
Regresi 899,891 2 449,946
23,823
(X1,X2) Error 132,209 7 18,887
Total 1032,1 9

JKT=∑ y 2=∑ Y 2−n . Y 2=67129−( 10 ) ( 81,3 )2=1032,1

JKR=b1 ∑ x 1 y +b 2 ∑ x 2 y=−0,034 ( 126 )+73,723 ( 12,265 )=899,891
JKE=JKT−JKR=1032,1−899,891=132,209
JKR 899,891
= =449,946
k 2
JKE 132,209
= =18,887
n−k−1 7
RKR 449,946
= =23,823
RKE 18,887
Kesimpulan :
Karena F 0=23,823>9,647 maka H0 ditolak, Jadi ada pengaruh dari variabel IQ
(X1) dan Tingkat kehadiran (X2) terhadap nilai UAS (Y).

5
D. ANALISIS DENGAN CARA SPSS

1. Buka program SPSS, klik Variable View, selanjutnya, pada bagian Name tulis X1, X2
dan Y. Pada Decimals ubah semua menjadi angka 0. Pada bagian Label tuliskan IQ,
Tingkat kehadiran, dan Nilai UAS. Pada bagian Measure pilih Scale. Maka tampak
dilayar sebagaimana gambar berikut ini.

2. Setelah itu, klik Data View, lalu masukkan data IQ(X1), Tingkat kehadiran (X2) dan
Nilai UAS (Y) yang sudah dipersiapkan tadi. Tampak dilayar SPSS.

6
3. Selanjutnya, dari menu utama SPSS, pilih Analyze – Regression – Linear

4. Muncul kotak dialog dengan nama "Linear Regression", masukkan variabel IQ (X1),
Tingkat kehadiran (X2) ke kotak Independent(s), masukkan variabel Nilai UAS (Y)
pada kotak Dependent, pada bagian Method pilih Enter, selanjutnya klik Statistics...

5. Pada bagian "Linear Regression: Statistics", berikan tanda centang pada Estimates dan
Model fit kemudian klik Continue

7
6. Langkah terakhir adalah klik Ok, maka akan muncul output SPSS.

8
 Tabel Output SPSS Analisi Regresi linear berganda

Tabel output "Variables Entered/Removed" di atas memberikan informasi tentang

variabel penelitian serta metode yang digunakan dalam analisis regresi. Adapun variabel
independent yang dipakai dalam analisis ini adalah variabel IQ dan Tingkat kehadiran.
Sementara variabel dependent adalah variabel Nilai UAS. Analisis regresi menggunakan
metode Enter. Tidak ada variabel yang dibuang sehingga pada kolom Variables Removed
tidak ada angkanya atau kosong.

Tabel "Model Summary" memberikan informasi tentang nilai koefisien determinasi,

yakni kontribusi atau sumbangan pengaruh variabel IQ dan Tingkat kehadiran secara
simultan (bersama-sama) terhadap variabel Nilai UAS.
Diketahui nilai koefisien determinasi atau R Square adalah sebesar 0,872. Nilai R
Square 0,872 ini berasal dari pengkuadratan nilai koefisien kolerasi atau “R”, yaitu 0,934
x 0,934 = 0,872 atau sama dengan 87,2%. Angka tersebut mengandung arti bahwa
variabel variabel IQ dan Tingkat kehadiran secara simultan (bersama-sama) berpengaruh
terhadap variabel Nilai UAS sebesar 87,2%. Sedangkan sisanya (100% - 87,2% = 12,8%)
dipengaruhi oleh variabel lain diluar persamaan regresi ini atau variabel yang tidak
diteliti.

9
 Berdasarkan tabel output “ANOVAa” diatas diketahui bahwa nilai signifikansi (sig.)
dalam uji F adalah sebesar 0,001 < 0,05, maka hipotesis diterima, sebagaimana dasar
pengambilan keputusan dalam uji F dapat disimpulkan bahwa bahwa variabel variabel IQ
dan Tingkat kehadiran secara simultan (bersama-sama) berpengaruh terhadap variabel
Nilai UAS atau berarti signifikan. Dengan demikian, maka persyaratan agar kita dapat
memaknai nilai koefisien determinasi dalam analisis regresi linear berganda sudah
terpenuhi.

Tabel "Coefficients" memberikan informasi tentang persamaan regresi dan ada

tidaknya pengaruh variabel IQ dan Tingkat kehadiran secara parsial (sendiri-sendiri)
terhadap variabel Nilai UAS. Adapun rumus persamaan regresi dalam analisis atau
penelitian ini adalah sebagai berikut:

Y^ =23,054+ (−0,034 ) X 1+73,723 X 2

E. KESIMPULAN

Uji regresi linier berganda sangat membantu untuk mengetahui pengaruh secara
serempak (simultan) baik kualitas maupun kuantitas dari variabel-variabel bebas terhadap
variabel tak bebas. Hasil model persamaan regresi dapat dipergunakan sebagai pedoman
untuk memprediksi hubungan antar variabel di luar data yang dijadikan sampel dalam
suatu populasi.

10
 DAFTAR PUSTAKA

Fisika, J., Matematika, F., Ilmu, D., & Alam, P. (2016). REGRESI LINIER BERGANDA
Disusun oleh : I MADE YULIARA.
[Link]
[Link]

11