net/publication/335234153
CITATIONS READS
0 28,281
1 author:
31 PUBLICATIONS 2 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Adi Aspian Nur on 19 August 2019.
Pada pembahasan sebelumnya tentang “Regresi” maka setelah memahami dengan baik
materi tersebut, pembahasan selanjutnya adalah tentang regresi berganda atau istilah asingnya
yaitu multiple regression. Apa itu regresi berganda ? Sedikit “me-refresh” bahwa regresi pada
dasarnya merupakan penjelasan dan mengevaluasi hubungan antara suatu variabel dependen
dengan satu atau lebih variabel independen.
Variabel dependen diartikan sebagai variabel terikat atau variabel yang ketergantungan dengan adanya
variabel lain;
Variabel independen diartikan sebagai variabel bebas atau variabel inilah yang menjadi variabel
ketergantungannya dari variabel dependen.
Dari penjelasan di atas maka dapat ditarik suatu kesimpulan bahwa regresi berganda
merupakan hubungan lebih dari satu variabel independen terhadap variabel dependen, artinya
terdapat lebih dari satu variabel independen.
Saya buat contoh sederhana yaitu “Hubungan antara kedisplinan serta gaji terhadap kinerja
pegawai”. Dari contoh di atas maka terdapat 2 variabel independen yaitu kedisplinan, gaji serta
1 variabel dependen yaitu kinerja pegawai.
Bentuk persamaan dalam regresi berganda dapat dibuat sebagai berikut :
Yi = β0 + β1.X1i + β2.X2i + βn.Xni + ei ……….Model ini digunakan untuk populasi
𝑌̂ = 𝛽̂0 + 𝛽̂1 . 𝑋1𝑖 + 𝛽̂2 . 𝑋2𝑖 + 𝛽̂𝑛 . 𝑋𝑛𝑖 + 𝑒𝑖 ...Model ini digunakan untuk sampel [1]
Untuk contoh sederhana di atas dapat dibuat bentuk persamaan sebagai berikut :
Yi = β0 + β1.X1i + β2.X2i + e
Huruf (i) boleh tidak tulis (optional), tapi dapat juga ditulis sebagai contoh untuk data “time series” maka
huruf (i) dapat diganti dengan huruf (t). Untuk data “cross-section” maka dapat tetap menggunakan huruf
(i)
Interpretasi data agar menggunakan hukum “Ceteris Paribus” seperti dikutip dari Wikipedia Cēterīs
pāribus adalah istilah dalam bahasa Latin, yang secara harafiah dalam bahasa Indonesia dapat
diterjemahkan sebagai "dengan hal-hal lainnya tetap sama", dan dalam bahasa Inggris biasanya
diterjemahkan sebagai "all other things being equal." [2]
---------------------------------------------------------------------------------------------------------------
Mencari nilai korelasi simultan (R) dan koefisien determinasi (R2)
Rumus korelasi simultan (R) sebagai berikut :
𝛽1 ∑ 𝑥1 𝑦+ 𝛽2 ∑ 𝑥2 𝑦+⋯ 𝛽𝑛 ∑ 𝑥𝑛 𝑦
R =√
∑ 𝑦2
Di mana :
R adalah koefisien korelasi secara simultan
Perbedaan simbol R dan r adalah R untuk koefisien korelasi secara keseluruhan, misalnya ada 2
variabel independen -- maka koefisien korelasi adalah R y,x1,x2. Sedangkan r untuk koefisien
korelasi parsial – rx1.x2 ; r x1.y ; r x2.y.
X1
rx1y
rx1x2
Y
X2 rx2y
Untuk rumus korelasi parsial (dapat membuka kembali buku statistika penelitian)
Koefisien Determinasi (R2)
Berfungsi untuk mengetahui seberapa besar variasi perubahan pada nilai variabel
dependen yang dapat dijelaskan oleh semua variabel independen. Kata kuncinya adalah
“perubahan variasi data yang dijelaskan variabel independen”.
Dari nilai koefisien determinasi yang diperoleh sebenarnya dapat memudahkan seorang
peneliti untuk menambah variabel penelitian (walaupun ini bukan menjadi tolok ukur
penentuan tema penelitian).
Rumusnya sebagai berikut : [1]
∑ 𝑒𝑖 2
R2 = 1 - .................... (digunakan untuk regresi sederhana) -- R Square
∑(𝑌𝑖− 𝑌̅)2
(∑ 𝑒𝑖 2 ) / (𝑛−𝑘)
R2 = 1 - ........ (digunakan untuk regresi berganda) -- Adjusted R Square
∑(𝑌𝑖− 𝑌̅)2 / (𝑛−1)
Di mana :
K = jumlah variabel independen, termasuk intersep atau konstanta (β0)
n = banyaknya data
Apabila menggunakan data rasio maka kecenderungan akan memperoleh nilai R2 yang tinggi atau
> 80%. Akan menjadi aneh, apabila memperoleh nilai R2 yang rendah atau < 50%.
Apabila menggunakan data interval maka kecenderungan akan memperoleh nilai R 2 yang rendah
atau < 50%. Akan menjadi aneh, apabila memperoleh nilai R2 yang tinggi atau > 80%.
---------------------------------------------------------------------------------------------------------------
Melakukan uji t (t-test)
Berfungsi untuk melakukan pengujian hipotesis secara parsial atau terpisah. Jadi apabila
terdapat 2 variabel independen maka dilakukan pengujian sebanyak 2 kali.
Untuk melakukan uji t maka tahapan yang perlu diperhatikan adalah
1. Membuat hipotesis statistik apakah menggunakan satu sisi atau dua sisi; kalau lebih
dari 1 variabel independen maka agar dibuat kembali hipotesis statistiknya;
2. Menentukan tingkat kepercayaan (level of confident)
Tabel 1 Tingkat Kepercayaan
Tabel 1 di atas dibuat berdasarkan default-nya penelitian yaitu 1% dan 5%. Tergantung
dengan keputusan peneliti akan menentukan berapa nilai tingkat kepercayaan.
3. Menghitung nilai t hitung dan membandingkan dengan nilai t tabel
̂1 − 𝛽1∗
𝛽
t= ̂1 )
𝑠𝑒 (𝛽
Di mana :
K = jumlah variabel independen, termasuk intersep atau konstanta (β0)
n = banyaknya data
Untuk melakukan uji F maka tahapan yang perlu diperhatikan adalah
1. Menentukan tingkat kepercayaan (level of confident) --- pada tabel 1 dapat menjadi
rujukan.
2. Mencari nilai degree of freedom (df) yaitu (k-1) dan (n-k)
3. Syarat uji F adalah :
Apabila menggunakan F hitung
Jika nilai F hitung > nilai F tabel -- H0 ditolak ; Ha diterima
Jika nilai F hitung < nilai F tabel -- H0 diterima ; Ha ditolak
Apabila menggunakan nilai sig
Jika nilai sig < tingkat kesalahan -- H0 ditolak ; Ha diterima
Jika nilai sig > tingkat kesalahan -- H0 diterima ; Ha ditolak
Contoh soal :
Hubungan antara kedisplinan serta gaji terhadap kinerja pegawai
x1.1 x1.2 X1 x2.1 x2.2 X2 y.1 y.2 y.3 Y
3 4 7 4 5 9 3 3 3 9
4 4 8 4 5 9 4 4 4 12
4 5 9 5 5 10 5 5 5 15
5 3 8 5 4 9 5 5 5 15
4 2 6 4 5 9 4 4 4 12
Pertanyaan :
1. Buatlah hipotesis penelitian dan hipotesis statistik
2. Carilah nilai β0, β1, serta β2
3. Ujilah hipotesis tersebut dengan menggunakan uji t dan uji F
4. Tingkat kepercayaan yang digunakan adalah 95%.