Metode Analisis

Analisis regresi linear berganda, merupakan metoded pengukuran

besarnya pengaruh antara variabel dependen dan independen.
Berbeda dengan regresi linear sederhana yang terdapat salah satu
variabel antara variabel dependen atau independen (juliandi 2014)
Menurut Ghozali 2018, Model regresi linear berganda melibatkan lebih
dari satu variabel independen guna mengetahui seberapa besar
pengaruh variabel independen terhadap variabel dependen
Berikut merupakan model persamaan yang dapat menjelaskan
penerapan metode analisis :

Y = α + β1 X2 + β2 X2 + βn Xn + e

Keterangan:
Y = Variabel terikat atau variabel response.
X = Variabel bebas atau variabel predictor.
α = Konstanta.
β = Slope atau Koefisien estimate.

Dalam melakukan uji parametris regresi linear berganda memiliki

syarat asumsi yang harus terpenuhi yaitu dengan hasil analisis tersebut
bersifat best linear unbiased estimation. Adapun parameter dari asumsi
ini yaitu ; data interval, linearitas, normalitas residual,
homoskedasisitas, non-multikolinearitas dan non autokorelasi

ASUMSI
- Rasio
Merupakan asumsi skala data semua variabel terikat adalah
interval atau rasio. Data interval merupakan data yang
 dikelompokan berdasarkan ukuran yang sama. Data interval
merupakan data yang pada umumnya bersifat kontinyu,
Contohnya data skor atau data prestasi.
Data rasio merupakan data yang didalamnya dapat dimuat
dengan nilai nol sebagai data kuantitas. Data rasio juga bersifat
kontinyu.

- Linearitas
Linearitas merupakan hubungan yang ditampilkan berupa linear
antara variabel dependen dengan independen. Dengan kurva
estimasi kita bisa tentukan ada hubungan linear atau tidak dengan
melihat nilai p value linearitas. Jika p value < 0,05 maka terdapat
hubungan yang linear antara predictor dan response.

- Homoskedisitas
Homoskedastisitas adalah sebuah kondisi dimana varians dari
error bersifat konstan atau tetap. Dengan kata lain bahwa varians
dari error bersifat identic untuk setiap pengamatan. Kebalikan
dari homoskedastisitas adalah heteroskedastisitas. Model regresi
linear yang baik adalah model yang bebas dari kondisi
heteroskedastisitas. Untuk menguji homoskedastisitas pada
regresi linear, dapat digunakan uji homoskedastisitas dari
glejser, uji park, uji white, spearman heteroskedastisitas, dan
masih banyak uji lainnya. Yang tentunya sudah saya bahas pada
artikel lainnya terutama pada artikel uji heteroskedastisitas.

- Multikolinearitas

Multikolinearitas adalah keadaan dimana terdapat interkorelasi

atau korelasi kuat antar variable bebas di dalam model.
Dinyatakan ada interkorelasi jika korelasi antar variable bebas di
 dalam model regresi linear berganda > 0,8. Beberapa pakar
menggunakan batasan lebih dari 0,9. Berdasarkan uraian diatas,
maka jelas sekali bahwa asumsi multikolinearitas hanya ada dalam
regresi linear berganda dan tidak ada pada regresi linear
sederhana. Sebab pada regresi linear berganda ada lebih dari satu
variabel bebas, sedangkan pada regresi linear sederhana hanya
ada satu variable bebas.

- Autokolerasi

Autokorelasi dapat diartikan bahwa terdapat korelasi antar waktu.

Sehingga bisa diartikan dengan mudah bahwa autokorelasi ini
sering terjadi pada regresi linear dengan data time series atau
runtun waktu. Dan jarang sekali terjadi pada data cross section.