LEMBAR TUGAS MAHASISWA (LTM)

BIOSTATISTIK

Nama : AKBAR SUSENO

NPM : 2206119634

REGRESI LINEAR BERGANDA

Definisi
Regresi linier berganda merupakan suatu persamaan yang menggambarkan hubungan antara
dua atau lebih variabel bebas/ predictor (X1, X2,…Xn) dan satu variabel tak bebas/ response (Y).

Tujuan
1. Untuk memprediksi nilai variabel tak bebas/ response (Y) jika nilai variabel-variabel bebas/
predictor (X1, X2, ..., Xn) diketahui.
2. Untuk mengetahui arah hubungan antara variabel tak bebas dengan variabel-variabel bebas.

Rumus regresi linear berganda sebagai berikut:

Y = a + b1X1 + b2X2 +… + bnXn
Keterangan :
Y = variable tak bebas (nilai yang akan diprediksi)
a = konstanta
b1, b2,.., bn = koefisien regresi
X1, X2,…, Xn = variable bebas

Nilai koefisien-koefisien regresi adalah :

 Bernilai 0, maka tidak ada pengaruh X1 dan X2 terhadap Y
 Bernilai negatif, maka terjadi hubungan yang berbalik arah antara variabel bebas X1 dan
X2 dengan variabel tak bebas Y
 Bernilai positif, maka terjadi hubungan yang searah antara variabel bebas X1 dan X2
dengan variabel tak bebas Y

Koefisien Determinasi (r2)

 Koefisien determinasi digunakan untuk mengetahui prosentase pengaruh variabel bebas X1
dan X2 terhadap variabel tak bebas Y
 Besarnya r2 dihitung dengan rumus :
𝑟2 = (𝑏1 Σ 𝑥1 𝑦) + (𝑏2 Σ 𝑥2𝑦)
Σ 𝑦2
 Jika r = 0 , maka variasi variable-variabel bebas X1 dan X2 tidak sedikitpun dapat
2

menjelaskan variasi variable tak bebas Y dalam model persamaan regresi

 Jika r2 =1, maka variasi variable-variabel bebas X1 dan X2 dapat menjelaskan dengan
sempurna variabel tak bebas Y dalam model persamaan regresi

Koefisien Korelasi Ganda (r)

 Koefisien korelasi ganda digunakan untuk mengetahui seberapa besar korelasi yang terjadi
antara variable-variabel X1, X2, ..., Xn secara serentak/ simultan dengan variabel Y.
 Besarnya nilai koefisien korelasi ganda, dihitung dengan rumus :
𝑟 = √ 𝑟2 = √ (𝑏1 Σ 𝑥1 𝑦) + (𝑏2 Σ 𝑥2𝑦)
Σ 𝑦2
 Nilai r : -1 ≤ r ≤ +1. Semakin mendekati nilai +1 atau – 1, maka semakin kuat
hubungan yang terjadi dan sebaliknya jika r mendekati 0 maka semakin lemah
hubungan yang terjadi
Korelasi Parsial
Korelasi parsial merupakan suatu korelasi yang menjelaskan korelasi antara satu variabel
dengan satu variabel dan variabel lainnya dianggap konstan. Terdapat 3 macam bentuk korelasi
parsial, yaitu :
1. Korelasi antara X1 dengan X2 yang mana Y dianggap konstan (r12Y)
𝑟12.𝑌 = 𝑟12 − (𝑟𝑌1𝑟𝑌2)
√(1 – 𝑟2𝑌)(1 – 𝑟2𝑌2)
2. Korelasi antara Y dengan X1 yang mana X2 dianggap konstan (rY1.2)
𝑟𝑌1.2 = 𝑟𝑌1 − (𝑟𝑌2𝑟12)
√(1 – 𝑟2𝑌2)(1 – 𝑟212)
3. Korelasi antara Y dengan X2 yang mana X1 dianggap konstan (rY2.1)
𝑟𝑌2.1 = 𝑟𝑌2 − (𝑟𝑌1𝑟12)
√(1 – 𝑟2𝑌1)(1 – 𝑟212)

Contoh :

Persamaan regresi berganda yaitu sebagai berikut:

Y = α + β1X1 + β2X2 +  e
Y = (-4067,49) + 7,81X1 + 1001,85X2 + e
Berdasarkan persamaan regresi linear berganda di atas, dapat dijelaskan sebagai berikut:
1. Nilai konstanta (a) memiliki nilai negatif sebesar -4067,49. Tanda ‘negatif” artinya
menunjukkan pengaruh yang berlawanan arah antara variabel independen dan variabel
dependen. Hal ini menunjukkan bahwa jika semua variabel independen yang meliputi
Harga(X1), dan Kurs (X2), bernilai 0 persen atau tidak mengalami perubahan, maka nilai
Ekspetasi adalah -4067,49.
2. Nilai koefisien regresi untuk variabel Harga (X1) yaitu sebesar 7,81. Nilai tersebut
menunjukkan pengaruh positif (searah) antara variabel Harga dan Ekspetasi. Hal ini
artinya jika variabel Harga mengalami kenaikan sebesar 1%, maka sebaliknya variabel
Ekspetasi akan mengalami peningkatan sebesar 7,81. Dengan asumsi bahwa variabel
lainnya tetap konstan.
3. Nilai koefisien regresi untuk variabel Kurs (X3) memiliki nilai positif sebesar 1001,85.
Hal ini menunjukkan jika Kurs mengalami kenaikan 1%, maka Ekspetasi akan naik
sebesar 1001,85 dengan asumsi variabel independen lainnya dianggap konstan. Tanda
positif artinya menunjukkan pengaruh yang searah antara variabel independen dan
variabel dependen.

DAFTAR PUSTAKA
Ghozali, I. 2018. Aplikasi Analisis Multivariate dengan Program IBM SPSS 25.
Semarang: Badan Penerbit Universitas Diponegoro
Spiegel, M.R. 2004. Statistika. Jakarta : Erlangga