STATISTIK.

ANALISIS REGRESI BERGANDA

Regresi Berganda
Pengertian Regresi Berganda
Regresi berganda adalah model regresi atau prediksi yang melibatkan lebih dari satu variabel bebas atau
prediktor. Istilah regresi berganda dapat disebut juga dengan istilah multiple regression. Kata multiple berarti
jamak atau lebih dari satu variabel.
Banyak para mahasiswa yang salah kaprah dalam memahami istilah tersebut. Dimana tidak bisa membedakan
antara multiple regression dengan multivariat regression. Perbedaannya adalah jika multiple regression atau

regresi berganda adalah adanya lebih dari satu variabel prediktor (variabel bebas/variabel independen.
Sedangkan multivariat regression atau regresi multivariat adalah analisis regresi dimana melibatkan lebih dari
satu variabel response (variabel terikat/variabel dependen).
Jenis regresi Berganda
Regresi berganda sebagai salah satu jenis analisis statistik, banyak sekali macamnya, tergantung pada skala
data per variabel. Berikut saya jelaskan satu persatu:
Regresi Linear Berganda
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.

Contoh regresi berganda jenis ini adalah: “pengaruh DER dan NPM terhadap Return Saham.
Regresi Logistik Berganda
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.

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.
Ada dua metode yang sering dipakai dalam jenis regresi berganda ini, yaitu metode logit dan probit.

1
NURQAMMAR AAN SETIAWAN S022022023.
STATISTIK. ANALISIS REGRESI BERGANDA

Regresi Ordinal berganda

Regresi berganda jenis ini 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.
Regresi Multinomial Berganda
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).
Regresi ini juga mirip dengan regresi ordinal, hanya saja bedanya skala data pada regresi ini tidak bertingkat
(bukan ordinal) atau dengan kata lain tidak ada yang lebih baik atau lebih buruk.
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.
Regresi Data Panel Berganda
Dari jenis-jenis di atas, sebenarnya masih ada jenis lain yang merupakan pengembangan dari jenis-jenis di atas,
yaitu dengan adanya kompleksitas berupa data time series atau runtut waktu, atau data panel. Seperti yang
terjadi pada regresi data panel ataupun regresi orcutt.M
Kalau misalnya regresi linear data panel, jika ada lebih dari satu variabel bebas, maka bisa disebut dengan
istilah regresi linear data panel berganda. Namun kebanyakan orang atau peneliti, cukup menggunakan istilah
yang umum digunakan, yaitu cukup dengan menyebut sebagai regresi data panel saja.
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, kecuali regresi
data panel hanya bisa melakukan dengan metode maximum likelihood saja. Jika ingin mengenal SPSS,
silahkan.
Sedangkan aplikasi lainnya mempunyai daya yang lebih powerfull, karena bisa melakukan semua diatas, seperti
STATA dan Eviews. Silahkan anda pelajari regresi linear dengan STATA dan regresi linear dengan eviews.
Aplikasi excel hanya dapat melakukan regresi linear saja, namun mempunyai potensi lebih jika anda menginstall
add ins. Silahkan anda pelajari cara aktivasi add ins excel 2010.

2
NURQAMMAR AAN SETIAWAN S022022023.
STATISTIK. ANALISIS REGRESI BERGANDA

Aplikasi minitab adalah aplikasi yang sanggup menjalankan analisis regresi linear berganda. Silahkan
pelajari regresi linear berganda dengan minitab.

ACCOUNTING
BINUS @Greater Jakarta
BINUS @Bekasi
BINUS @Bandung
BINUS @Malang
BINUS @Semarang
About Us
Prospective Students
Testimony
IKA BINUS
Our Career
Download Virtual Background
Home
Facilities
Contact Us
Skripsi
Seminar Summary
HomeArticlesMEMAHAMI ANALISIS REGRESI LINEAR BERGANDA
MEMAHAMI ANALISIS REGRESI LINEAR BERGANDA
12 Aug 2021
Articles

Analisis regresi digunakan untuk mengukur seberapa besar pengaruh antara variabel bebas dan variabel terikat.
Apabila hanya terdapat satu variabel bebas dan satu variabel terikat, maka regresi tersebut dinamakan regresi
linear sederhana (Juliandi, Irfan, & Manurung, 2014). Sebaliknya, apabila terdapat lebih dari satu variabel bebas
atau variabel terikat, maka disebut regresi linear berganda. Regresi linear berganda merupakan model regresi
yang melibatkan lebih dari satu variabel independen. Analisis regresi linear berganda dilakukan untuk
mengetahui arah dan seberapa besar pengaruh variabel independen terhadap variabel dependen (Ghozali,
2018).

Dalam contoh penelitian ini uji regresi linear berganda dilakukan untuk mendapatkan gambaran bagaimana
variabel independen yang meliputi CSR, likuiditas, capital intensity, dan inventory intensity mempengaruhi

3
NURQAMMAR AAN SETIAWAN S022022023.
STATISTIK. ANALISIS REGRESI BERGANDA

variabel dependen yaitu agresivitas pajak dengan tingkat signifikansi sebesar 0,05 (Ghozali, 2018). Hasil dalam
pengujian regresi linear berganda dalam table 1 sebagai berikut.

Tabel 1 : Hasil Uji Regresi Linear Berganda

Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) ,220 ,022 10,160 ,000
CSR -,038 ,090 -,053 -,424 ,674
Likuditas-,004 ,001 -,315 -2,519 ,015
Capital Intensity ,070 ,021 ,539 3,352 ,002
Inventory Intensity ,097 ,034 ,459 2,832 ,007
a. Dependent Variable: Agresivitas Pajak
Sumber: Hasil Pengolahan Data SPSS 25

Berdasarkan tabel 1, dapat diuraikan persamaan regresi berganda yaitu sebagai berikut:

Y = α + β1X1 + β2X2 + β3X3 + β4X4 + e

Y = (0,220) – 0,038X1 – 0,004X2 + 0,070X3 + 0,097X4 + e

Dari persamaan regresi linear berganda di atas, dapat dijelaskan sebagai berikut:

Nilai konstanta (a) memiliki nilai positif sebesar 0,220. Tanda positif artinya menunjukkan pengaruh yang searah
antara variabel independen dan variabel dependen. Hal ini menunjukkan bahwa jika semua variabel independen
yang meliputi CSR (X1), likuiditas (X2), capital intensity (X3), dan inventory intensity (X4) bernilai 0 persen atau
tidak mengalami perubahan, maka nilai agresivitas pajak adalah 0,220.
Nilai koefisien regresi untuk variabel CSR (X1) yaitu sebesar -0,038. Nilai tersebut menunjukkan pengaruh
negatif (berlawanan arah) antara variabel CSR dan agresivitas pajak. Hal ini artinya jika variabel CSR
mengalami kenaikan sebesar 1%, maka sebaliknya variabel agresivitas pajak akan mengalami penurunan
sebesar 0,038. Dengan asumsi bahwa variabel lainnya tetap konstan.
Nilai koefisien regresi untuk variabel likuiditas (X2) yaitu sebesar -0,004. Nilai tersebut menunjukkan pengaruh
negatif (berlawanan arah) antara variabel likuiditas dan agresivitas pajak. Hal ini artinya jika variabel likuiditas

4
NURQAMMAR AAN SETIAWAN S022022023.
STATISTIK. ANALISIS REGRESI BERGANDA

mengalami kenaikan 1%, maka sebaliknya variabel agresivitas pajak akan mengalami penurunan sebesar 0,004.
Dengan asumsi bahwa variabel lainnya dianggap konstan.
Nilai koefisien regresi untuk variabel capital intensity (X3) memiliki nilai positif sebesar 0,070. Hal ini
menunjukkan jika capital intensity mengalami kenaikan 1%, maka agresivitas pajak akan naik sebesar 0,070
dengan asumsi variabel independen lainnya dianggap konstan. Tanda positif artinya menunjukkan pengaruh
yang searah antara variabel independen dan variabel dependen.
Nilai koefisien regresi untuk variabel inventory intensity (X4) memiliki nilai positif sebesar 0,097. Hal ini
menunjukkan jika inventory intensity mengalami kenaikan 1%, maka agresivitas pajak akan naik sebesar 0,097

Sumber:
:https://accounting.binus.ac.id/2021/08/12/memahami-analisis-regresi-linear-berganda/#:~:text=Regresi
%20linear%20berganda%20merupakan%20model,dependen%20(Ghozali%2C%202018).

https://www.statistikian.com/2017/06/berbagai-jenis-regresi-berganda.html?amp

5
NURQAMMAR AAN SETIAWAN S022022023.