( Analisis Regresi Berganda )

Dosen pengampu : Indah Anggraeni Bactiar, SE.,M.SI

Makalah ini disusun dan diajukan untuk memenuhi tugas kelompok pada mata
kuliah Ekonometrika
Oleh :
KELOMPOK V
1. HANDAYANI
2. FINARTI
3. NURPUTRI ASTRIANI
4. ANDI ARDIANSYAH P

PROGRAM STUDI EKONOMI SYARIAH

FAKULTAS EKONOMI SYARIAH
INSTITUT AGAMA ISLAM AL-AMANAH
JENEPONTO
Tahun Ajaran 2022/2023
 KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmat-
Nya sehingga makalah kami dapat tersusun hingga selesai. Tidak lupa pula
kami ucapkan banyak terima kasih atas bantuan dari pihak yang telah
berkontribusi memberikan sumbangan baik materi maupun pikirannya.
Harapan kami semoga makalah ini dapat menambah pengetahuan dan
pengalaman bagi para pembaca.

Karena keterbatasan pengetahuan maupun pengalaman kami, kami

yakin masih banyak kesalahan dan kekurangan dalam makalah ini, oleh
karena itu kami sangat mengharapkan saran dan kritikan yang membangun
demi kesempurnaan makalah ini.

Jeneponto,4 November 2022

Penulis,

Kelompok v

i
 DAFTAR ISI

KATA PENGANTAR.........................................................................................ii

DAFTAR ISI.......................................................................................................iii

BAB I PENDAHULUAN

A.Latar Belakang............................................................................................1

B.Rumusan Masalah.......................................................................................2

BAB II PEMBAHASAN

A. Arti dan Model Regresi Berganda.............................................................3

B. Asumsi Model Regresi Berganda..............................................................3
C. Penafsiran Persamaan Regresi Berganda...................................................4
D. Kesalahan Baku Regresi Berganda Persial................................................4
E. Koefisien Determinasi...............................................................................5
F. Korelasi Berganda......................................................................................5
G. Koefisien Determinasi yang Disesuaikan (Adjusted R2)...........................5
H. Koefisien Korelasi Persial ........................................................................6
I. Analisis regresi Berganda dengan Komputer..............................................7
J. Analisi Regresi Linier Berganda dengan Variabel Boneka (Dummy).......7
K. Model Autoregresif dan Lag yang Didistribusikan...................................8

BAB III PENUTUP

A.Kesimpulan.................................................................................................8
B.Saran...........................................................................................................8

DAFTAR PUSTAKA

ii
 BAB I

PENDAHULUAN

A. LATAR BELAKANG

Analisis regresi merupakan suatu cara yang dapat digunakan untuk

mengetahui hubungan sebuah variabel tak bebas (regressand) dengan
sebuah atau lebih variabel bebas (regressor). Menurut Drapper and Smith
(1992) analisis regresi merupakan metode analisis yang dapat digunakan
untuk menganalisis data dan mengambil kesimpulan yang bermakna
tentang hubungan ketergantungan variabel terhadap variabel lainnya. Bila
dalam analisisnya hanya melibatkan sebuah variabel bebas, maka analisis
yang digunakan adalah analisis regresi linier sederhana. Hubungan atau
korelasi antara dua variabel melalui persamaan regresi sederhana untuk
meramalkan nilai dengan yang sudah diketahui nilainya tidak cukup, sebab
selain masih ada variabel lainnya. Apabila dalam persamaan analisis
regresi melibatkan dua atau lebih variabel bebas, maka regresi ini disebut
analisis regresi linier berganda (multiple linier regression).

Analisis regresi berganda mempunyai lebih dari satu variabel

bebas, sering menimbulkan masalah karena terjadinya hubungan kuat
antara dua variabel bebasnya yang mengakibatkan terjadinya kolenieritas
ganda (multikolenierity). Gejala ini menimbulkan masalah dalam
pemodelan regresi. Kolerasi yang sangat tinggi akan menghasilkan
penaksiran yang berbias, tidak stabil dan mungkin jauh dari nilai sasaran
Gonst dan Mason (1997) sehingga galat yang dihasilkan menjadi besar dan
variansi parameternya menjadi tak hingga. Metode kuadrat terkecil akan
memberikan efek dari kolenieritas yaitu tingginya nilai koefisien
determinasi tetapi tidak diikuti dengan hasil uji hipotesis yang signifikan.

1
B. RUMUSAN MASALAH

1. Menjelaskan Arti dan Model Regresi Berganda?

2. Bagaimana Asumsi Model Regresi Berganda?
3. Bagaimana Penafsiran Persamaan Regresi Berganda?
4. Apa Kesalahan Baku Regresi Berganda Persial?
5. Apa yang dimaksud Koefisien Determinasi?
6. Apa yang dimaksud Korelasi Berganda?
7. Bagaimana Koefisien Determinasi yang Disesuaikan (Adjusted R2)
8. Apa yang dimaksud Koefisien Korelasi Persial?
9. Bagaimana Analisis regresi Berganda dengan Komputer ?
10. Bagaimana Analisi Regresi Linier Berganda dengan Variabel Boneka
(Dummy)?
11. Bagaimana Model Autoregresif dan Lag yang Didistribusikan?

2
 BAB II

PEMBAHASAN

A. Arti dan Model Regresi Berganda

Regresi berganda adalah model regresi atau sejenis prediksi yang
menggunakan dua variabel bebas (predictor) atau lebih. Istilah ini juga
sering disebut sebagai multiple regression. Berdasarkan namanya, sudah
dapat kita ketahui bahwa multiple memiliki arti jamak atau lebih dari satu
variabel (bebas).

Jenis-jenis regresi Berganda ialah sebagai berikut:

1. Regresi Linear bBerganda

2. Regresi Logistik Berganda
3. Regresi Ordinal Berganda
4. Regresi Multinominal Berganda
5. Regresi data Panel Berganda

B. Asumsi Model Regresi Berganda

Menurut Gujarati (2003) asumsi-asumsi pada model regresi linier
berganda adalah sebagaiberikut:
1. Model regresinyaadalah linier dalam parameter.
2. Nilai rata-rata dari error adalah nol.
3. Variansidari error adalahkonstan (homoskedastik).
4. Tidakterjadiautokorelasi pada error.
5. Tidakterjadimultikolinieritas pada variabelbebas.
6. Error berdistribusi normal.
7. Estimasi parameter model regresi

3
C. Penafsiran Persamaan Regresi Berganda
Persamaan untuk regresi berganda menyerupai regresi sederhana.
Perbedaannya dengan regresi berganda, yang beberapa variabel
independen masing-masing memiliki koefisien regresi sendiri.
Menggunakan pilihan yang tersedia , in StatPac Gold , untuk regresi
berganda, adalah mungkin untuk menghasilkan statistik deskriptif (mean
dan deviasi standar), statistik regresi (termasuk kesalahan standar dari
estimasi beberapa), koefisien regresi, matriks korelasi, dan sebagainya.
Beberapa studi yang dilaporkan dalam Gambar memberikan tabel yang
menunjukkan koefisien korelasi berganda dan nilai variabel r2 dimasukkan
ke dalam model regresi berganda.
Koefisien korelasi berganda menunjukkan seberapa baik nilai-nilai
prediksi variabel dependen berkorelasi dengan nilai-nilai yang sebenarnya.
Tentu saja, semakin tinggi korelasi, semakin baik prediksi. Koefisien
determinasi dalam regresi linear sederhana : ------- % dari variasi dalam
satu variabel dapat diprediksi dengan mengetahui nilai atau poin untuk
variabel kedua.

D. Kesalahan Baku Regresi Berganda Persial

Kesalahan baku atau selisih taksir standar regresi adalah nilai
menyatakan seberapa jauh menyimpangnya nilai regresi tersebut terhadap
nilai sebenarnya. Nilai ini digunakan untuk mengukur tingkat ketepatan
suatu pendugaan dalam menduga nilai. Jika nilai ini sama dengan nol
maka penduga tersebut memiliki tingkat ketepatan 100%.
Kesalahan baku atau selisih taksir standar regresi berganda
dirumuskan
Dengan e =
Keterangan
Se : Kesalahan baku regresi berganda
n : Jumlah pasangan observasi
m : jumlah konstant dalam persamaan regresi berganda.

4
 Untuk koefisien b1 dan b2 kesalahan bakunya dirumuskan
Sb 1 =
Sb2 = _

E. Koefisien Determinasi
Koefisien determinasi merupakan besarnya kontribusi variabel
bebas terhadap variabel terikatnya. Semakin tinggi koefisien determinasi,
semakin tinggi kemampuan variabel bebas dalam menjelaskan variasi
perubahan pada variabel terikatnya.
Koefisien determinasi memiliki kelemahan, yaitu bias terhadap
jumlah variabel bebas yang dimasukkan dalam model regresi di mana
setiap penambahan satu variabel bebas dan jumlah pengamatan dalam
model akanmeningkatkan nilai R2 meskipun variabel yang dimasukkan
tersebut tidakmemiliki pengaruh yang signifikan terhadap variabel
terikatnya. Untukmengurangi kelemahan tersebut maka digunakan
koefisien determinasi yang telah disesuaikan, Adjusted R Square (R2 adj).

F. Korelasi Berganda
Korelasi berganda merupakan salah satu metode yang digunakan
untuk melihat hubungan dari tiga variabel atau bahkan lebih, dimana 2
variabel merupakan variabel independen dan satu lagi merupakan variabel
dependen. Bedanya dengan analisis korelasi parsial, dalam metode ini tidak
ada variabel independen yang dijadikan sebagai variabel kontrol. Jika ingin
melakukan perhitungan manual tanpa bantuan software, maka kita harus
menghitung korelasi sederhana antara satu variabel dengan variabel lainnya
barulah bisa dilakukan perhitungan korelasi berganda.

G. Koefisien Determinasi yang Disesuaikan (Adjusted R2)

Koefisien determinasi yang telah disesuaikan (R2 adj) berarti
bahwa koefisien tersebut telah dikoreksi dengan memasukkan

5
 jumlahvariabel dan ukuran sampel yang digunakan. Dengan menggunakan
koefisien determinasi yang disesuaikan maka nilai koefisien determinasi
yang disesuaikan itu dapat naik atau turun oleh adanya penambahan
variabel baru dalam model.
Koefisien determinasi merupakan besarnya kontribusi variabel
bebas terhadap variabel terikatnya. Semakin tinggi koefisien determinasi,
semakin tinggi kemampuan variabel bebas dalam menjelaskan variasi
perubahan pada variabel terikatnya. Koefisien determinasi memiliki
kelemahan, yaitu bias terhadap jumlah variabel bebas yang dimasukkan
dalam model regresi di mana setiap penambahan satu variabel bebas dan
jumlah pengamatan dalam model akanmeningkatkan nilai R2 meskipun
variabel yang dimasukkan tersebut tidakmemiliki pengaruh yang
signifikan terhadap variabel terikatnya. Untukmengurangi kelemahan
tersebut maka digunakan koefisien determinasi yang telah disesuaikan,
Adjusted R Square (R2 adj).

H. Koefisien Korelasi Persial

Koefisien korelasi parsial (Partial Correlation) digunakan untuk
mengetahui hubungan antara dua variabel dimana variabel lainnya yang
dianggap berpengaruh dikendalikan atau dibuat tetap (sebagai variabel
kontrol). Nilai korelasi (r) berkisar antara 1 sampai -1, nilai semakin
mendekati 1 atau -1 berarti hubungan antara dua variabel semakin kuat,
sebaliknya nilai mendekati 0 berarti hubungan antara dua variabel semakin
lemah. Nilai positif menunjukkan hubungan searah (X naik maka Y naik)
dan nilai negatif menunjukkan hubungan terbalik (X naik maka Y turun).
Data yang digunakan biasanya berskala interval atau rasio.
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi
koefisien korelasi sebagai berikut:
0,00 - 0,199 = sangat rendah
0,20 - 0,399 = rendah
0,40 - 0,599 = sedang

6
 0,60 - 0,799 = kuat
0,80 - 1,000 = sangat kuat

I. Analisis Regresi Berganda dengan Komputer

Analisis Regresi digunakan untuk membahas prediksi (peramalan)
dalam suatu model yang terdapat variabel tidak bebas (dependent - Y) dan
variabel bebas (dependent - X). Regresi berganda mempunyai satu
variabel tidak bebas (Y) dan lebih dari satu variabel bebas (X) dengan
menggunakan software Microsoft Excel 2007.
Dalam studi kasus berikut akan dijelaskan hubungan antara biaya
promosi (variabel bebas) terhadap penjualan atau pendapatan (variabel
tidak bebas). Metode regresi akan membahas apakah penjualan dimasa
mendatang dapat diprediksi jika biaya promosi diketahui.

J. Analisis Regresi Linier Berganda dengan Variabel Boneka (Dummy)

Variabel dummy adalah variabel yang digunakan untuk

mengkuantitatifkan variabel yang bersifat kualitatif (misal: jenis kelamin,
ras, agama, perubahan kebijakan pemerintah, perbedaan situasi dan lain-
lain). Variabel dummy merupakan variabel yang bersifat kategorikal yang
diduga mempunyai pengaruh terhadap variabel yang bersifat
kontinue. Variabel dummy sering juga disebut variabel boneka, binary,
kategorik atau dikotom. Variabel dummy hanya mempunyai 2 (dua) nilai
yaitu 1 dan nilai 0, serta diberi simbol D. Dummy memiliki nilai 1 (D=1)
untuk salah satu kategori dan nol (D=0) untuk kategori yang lain.
D = 1 untuk suatu kategori (laki- laki, kulit putih, sarjana dan sebagainya).
D = 0 untuk kategori yang lain (perempuan, kulit berwarna, non-sarjana
dan sebagainya).

Nilai 0 biasanya menunjukkan kelompok yang tidak mendapat

sebuah perlakuan dan 1 menunjukkan kelompok yang mendapat
perlakuan. Dalam regresi berganda, aplikasinya bisa berupa perbedaan

7
 jenis kelamin (1 = laki-laki, 0 = perempuan), ras (1 = kulit putih, 0 = kulit
berwarna), pendidikan (1 = sarjana, 0 = non-sarjana).

K. Model Autoregresif dan Lag yang Didistribusikan

Autoregresif dan Distribusi Lag model regresi linear yang
memperhitungkan pengaruh waktu. Tujuan penulisan skripsi ini adalah
menentukan persamaan dinamis autoregressive dugaan dan persamaan
dinamis distribusi lag dugaan.
Metode yang digunakan dalam menentukan persamaan dinamis
distribusi lag dugaan adalah metode Koyck dan metode Almon. Metode
Koyck digunakan jika panjang beda kala (lag) tidak diketahui sedangkan
metode Almon digunakan jika panjang beda kala (lag) diketahui. Bedakala
adalah waktu yang diperlukan bagi variabel bebas X dalam mempengaruhi
variabel tak bebas Y .

8
 BAB III

PENUTUP

A. KESIMPULAN
Regresi berganda adalah model regresi atau sejenis prediksi yang
menggunakan dua variabel bebas (predictor) atau lebih. Istilah ini juga
sering disebut sebagai multiple regression.
Koefisien determinasi merupakan besarnya kontribusi variabel
bebas terhadap variabel terikatnya.
Korelasi berganda merupakan salah satu metode yang digunakan
untuk melihat hubungan dari tiga variabel atau bahkan lebih, dimana 2
variabel merupakan variabel independen dan satu lagi merupakan variabel
dependen. Bedanya dengan analisis korelasi parsial, dalam metode ini tidak
ada variabel independen yang dijadikan sebagai variabel kontrol.

B. SARAN

Demikianlah makalah yang dapat kami paparkan. Mudah-

mudahan bisa bermanfaat bagi kita semua, khususnya bagi pembaca.
Dan tidak lupa kritik dan sarannya sangat kami harapkan untuk
memperbaiki pembuatan makalah yang selanjutnya.

Apabila ada kesalahan dalam penulisan maupun penyampaian

serta kurangnya pengetahuan, kami mohon maaf. Dan sesungguhnya
kebenaran semata hanyalah dari Allah SWT. Semoga bermanfat. Amin.

9
 REFERENSI

Academia.com

Eko-muliyadi.blogspot.com

Medium.com

Www.statistika.com

10