BIOSTATISTIK

“Regresi Berganda”

 
 
 
 

 
 

  
 
Oleh:
Dwi Kiswanti (PBD19.001)
Rachmiwati Putri Junita S (PBd19.011)
Hardiana (PBD19.002)
Nitra Yanti (PBD19.009)
Lili Kurniati (PBD19.007)
Jihan (PBD19.006)

 
PROGRAM STUDI PENDIDIKAN PROFESI BIDAN
SEKOLAH TINGGI ILMU KESEHATAN PELITA IBU
2022
 KATA PENGANTAR

Puji syukur saya panjatkan kehadirat Allah SWT yang telah melimpahkan
rahmat dan hidayah-Nya kepada saya sehingga saya bisa menyelesaikan Makalah
ini. Tidak lupa juga saya mengucapkan terima kasih kepada dosen pebimbing.

Sebagai penyusun, saya menyadari bahwa masih terdapat kekurangan baik

dari penyusunan hingga tata bahasa penyampaian dalam Makalah ini. Oleh karena
itu, saya dengan rendah hati memberikan saran dan kritik dari pembaca agar saya
dapat memperbaiki Makalah ini.

Saya berharap semoga Makalah yang saya susun ini memberikan manfaat
dan juga inspirasi untuk pembaca.

Kendari, Januari 2023

Penyusun

ii
 DAFTAR ISI

HALAMAN JUDUL…….......................................................................................i

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

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

BAB I PENDAHULUAN

1.1 Latar Belakang.......................................................................................4

1.2 Rumusan Masalah..................................................................................5

1.3 Tujuan....................................................................................................5

BAB II PEMBAHASAN

2.1 Regresi Ganda Dua Prediktor.................................................................6

2.2 Regresi Ganda Tiga Prediktor..............................................................10

2.3 Regresi Ganda Empat Prediktor...........................................................13

BAB III PENUTUP

3.1 Kesimpulan......................................................................................... 20

DAFTAR PUSTAKA...........................................................................................21

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

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 suatu penelitian, pada beberapa kenyataan akan ada lebih dari satu
variabel independen yang mempengaruhi variabel dependen yang kita inginkan.
Misalnya, keadaan dimana kemampuan komunikasi adalah variabel yang
mempengaruhi nilai prestasi kerja. Keadaan demikian kelihatannya sangat tidak
realistik. Kenyataannya, yang mempengaruhi prestasi kerja tidak hanya
kemampuan komunikasi namun dapat pula dilihat misalnya dari kemampuan
bekerjasama, kemampuan IT, kemampuan berbahasa inggrisnya dan lainnya.
Untuk menganalisis beberapa variabel yang mempengaruhi satu variabel lain
maka kita menggunakan analisis regresi linear berganda.
Penentuan teknik analisis yang akan digunakan dalam suatu analisis - biasanya
dibahas dalam metodologi penelitian sangat tergantung dari kerangka konseptual
yang menjadi dasar analisis dan tujuan dari pelaksanaan analisis. Agar hasil
analisis dapat ditafsirkan secara tepat, maka harus dihindari penggunaan teknik
analisis yang tidak sesuai dengan skala pengukuran dari variabel yang digunakan
dalam analisis. Dalam mengkaji hubungan antara dua variabel atau lebih, penting
dipahami skala pengukuran dari setiap variabel tersebut, sehingga teknik analisis
yang akan digunakan untuk menjelaskan hubungan atau kaitan antara variabel

4
tersebut dapat dipilih yang paling sesuai. Apabila hal ini diabaikan, maka dapat
menghasilkan interpretasi hasil yang kurang tepat (misleading).

Sebagai contoh, analisis regresi mensyaratkan bahwa variabel yang digunakan

paling tidak diukur secara interval, sehingga kalau ada salah satu variabel yang
diukur secara nominal atau ordinal maka hasil yang diperoleh tidak dapat
ditafsirkan secara tepat, oleh karena asumsi dalam penggunaan teknik ini yang
tidak dapat dilanggar adalah bahwa variabel yang digunakan mengikuti distribusi
normal.

1.2 Rumusan Masalah

1.2.1 Bagaimana mendapatkan persamaan regresi ganda 2 prediktor?
1.2.2 Bagaimana mendapatkan persamaan regresi ganda 3 prediktor?
1.2.3 Bagaimana mendapatkan persamaan regresi ganda 4 prediktor?
1.3 Tujuan
1.3.1 Untuk mengetahui persamaan regresi ganda 2 prediktor.
1.3.2 Untuk mengetahui persamaan regresi ganda 3 prediktor.
1.3.3 Untuk mengetahui persamaan regresi ganda 4 prediktor.

5
 BAB II
PEMBAHASAN

2.1 Regresi Berganda Dua Prediktor

Analisis regresi ganda digunakan oleh peneliti, bila peneliti bermaksud

meramaikan bagaimana keadaan (naik turunnya) variabel dependen bila dua atau
lebih variabel independen sebagai faktor prediktor dimanipulasi (dinaik turunkan
nilainya) jadi analisis ganda akan dilakukan bila jumlah variabel indepennya
minimal 2.

Penelitian dilakukan untuk mengetahui pengaruh kemampuan kerja

pegawai dan kepemimpinan direktif terhadap produktivitas kerja pegawai.
Berdasarkan 10 responden yang digunakan sebagai sumber data penelitian,
hasilnya adalah sebagai berikut :

No Responden X1 X2 Y

1 10 7 23

2 2 3 7

3 4 2 15

4 6 4 17

5 8 6 23

6 7 5 22

7 10 4 3

8 6 3 14

9 7 4 20

10 6 3 19

6
 Untuk mendapat meramalkan bagaimana produktivitas kerja pegawai bila
kemampuan pegawai dan kepemimpinan direktif dinaikkan atau diturunkan, maka
harus dicari persamaan regresinya terlebih dahulu. Untuk keperluan ini, maka data
mentah dari hasil penelitian perlu disusun ke dalam tabel 8.3

Dari tiga instrumen yang dikembangkan untuk menjaring data tentang

tingkat kemampuan kerja pegawai, kepemimpinan direktif dan produktivitas
kerjanya hasilnya dapat diberikan pada tabel berikut :

TABEL 8.3

TABEL PENOLONG UNTUK MENGHITUNG PERSAMAAN REGRESI

GANDA DUA PREDIKTOR

No. Y X1 X2 X1Y X2Y X1X2 X12 X22

1 23 10 7 230 161 70 100 49

2 7 2 3 14 21 6 4 9

3 15 4 2 60 30 8 16 4

4 17 6 4 102 68 24 36 16

5 23 8 6 184 138 48 64 36

6 22 7 5 154 110 35 49 25

7 10 4 3 40 30 12 16 9

8 14 6 3 84 42 18 36 9

9 20 7 4 140 80 28 49 16

10 19 6 3 114 57 18 36 9

JML 170 60 40 1122 737 267 406 182

7
 Y = produktivitas kerja; X1 = kemampuan kerja pegawai
X2 = kepemimpinan direktif
Dari data tabel diperoleh :
Y = 170 X2Y = 737
X1 = 60 X1X2 = 267
2
X2 = 40 X1 = 406
2
X1Y = 1122 X2 = 182
Untuk menghitung harga-harga a, b1, b2 dapat menggunakan
persamaan berikut : (untuk regresi dua prediktor).

Y = an + b1 X1 + b2 X2

X1Y =
2
a X1 + b1 X1 + b2X1X2 Rumus 8.7

2
X2Y = a X2 + b1 X1X2 + b2X2

Bila harga-harga dari data diatas dimasukkan dalam persamaan tersebut, maka :

170 = 10a + 60 b₁ + 40 b₂ …………….. (1)

1.122 = 60a + 406 b₁ + 267 b₂ …………….. (2)

737 = 40a + 267 b₁ + 182 b₂ …………….. (3)

Persamaan (1) dikalikan 6, persamaan (2) dikalikan 1 :

1.020 = 60a + 360 b₁ + 240 b₂

1.122 = 60 a + 406 b₁ + 267 b₂

-102 = 0 a + (-46 b₁) + (-27b₂)

-102 = -46 b₁ -27 b₂……………. (4)

Persamaan (1) dikalikan dengan 4, persamaan (3) dikalikan dengan 1 hasilnya

menjadi :

8
 680 = 40a + 240 b₁ + 160 b₂

737 = 40 a + 267 b₁ + 182 b₂

-57 = 0 a + (-27 b₁) + (-22b₂)

-57 = -27 b₁ -22 b₂ …………….. (5)

Persamaan (4) dikalikan 27, persamaan 5 dikalikan 46, hasilnya menjadi :

-2.754 = -1.242 b₁ + (-729) b₂

-2.622 = -1.242b₁ + (-1.012) b₂

-132 = 0 + 283b₂

−132
b₂ = =−0,466
283

Harga b₂ dimasukkan dalam salah satu persamaan (4) atau (5). Dalam hal ini
dimasukkan dalam persamaan (4), maka :

-102 = -46 b₁ - 27 (0,466)

-102 = -46 b₁ - 12,582

46 b₁ = 114,582

114,582
b₁ = =2,4909
46

Harga b₁ dan b₂ dimasukkan dalam persamaan 1, maka :

170 = 10a + 60(2,4909) + 40 (0,466)

170 = 10a + 149,454 – 18,680

10a = 170 – 149,454 + 18,680

9
 39,186
a = =3,9186
10

jadi : a = 3,9186

b₁ = 2,4909

b₂ = -0,466

Jadi persamaan regresi ganda linier untuk dua prediktor

(kemampuan kerja pegawai, dan kepemimpinan direktif) adalah :
Y = 3,9186 + 2,4909 X1 - 0,466 X2
Dari persamaan itu berarti produktivitas kerja pegawai akan
naik, bila kemampuan pegawai ditingkatkan, dan akan turun bila
kepemimpinan direksi (otokrasi) ditingkatkan. Tetapi koefisien regresi
untuk kemampuan pegawai (2,4909) lebih besar daripada koefisien
regresi untuk kepemimpinan direktif (2,4909) lebih besar daripada
koefisien regresi untuk kepemimpinan direktif (diharga mutlak = 0,466)
X. Jadi bila kemampuan pegawai ditingkatkan sehingga sampai mendapat
nilai 10, dan juga tingkat kepemimpinan direktif sampai mendapat nilai
10, maka produktivitasnya adalah :
Y = 3,9186 + 2,4909 . 10 - 0,466 . 10 = 24,1676
Diperkirakan produktivitas kerja pegawai = 24,1676

2.2 Analisis Regresi Berganda Tiga Prediktor

Untuk mengukur besarnya pengaruh variabel bebas terhadap variabel

tergantung dan memprediksi variabel tergantung dengan menggunakan variabel
bebas. Gujarati (2006) mendefinisikan analisis regresi sebagai kajian terhadap
hubungan satu variabel yang disebut sebagai variabel yang diterangkan (the
explained variabel) dengan satu atau dua variabel yang menerangkan (the
explanatory). Variabel pertama disebut juga sebagai variabel tergantung dan

10
variabel kedua disebut juga sebagai variabel bebas. Jika variabel bebas lebih dari
satu, maka analisis regresi disebut regresi linear berganda. Disebut berganda
karena pengaruh beberapa variabel bebas akan dikenakan kepada variabel
tergantung.

Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui

pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Variabel
yang mempengaruhi sering disebut variabel bebas, variabel independen atau
variabel penjelas. Variabel yang dipengaruhi sering disebut dengan variabel
terikat atau variabel dependen. Regresi linear hanya dapat digunakan pada skala
interval dan ratio

Secara umum regresi linear terdiri dari dua, yaitu regresi linear sederhana
yaitu dengan satu buah variabel bebas dan satu buah variabel terikat; dan regresi
linear berganda dengan beberapa variabel bebas dan satu buah variabel terikat.
Analisis regresi linear merupakan metode statistik yang paling jamak
dipergunakan dalam penelitian-penelitian sosial. Program komputer yang paling
banyak digunakan adalah SPSS (Statistical Package For Service Solutions).

Analisis regresi linear berganda sebenarnya sama dengan analisis regresi linear
sederhana, hanya variabel bebasnya lebih dari satu buah. Persamaan umumnya
adalah:

Y = a + b1 X1 + b2 X2 + .... + bn Xn.

Dengan Y adalah variabel bebas, dan X adalah variabel-variabel bebas, a adalah

konstanta (intersept) dan b adalah koefisien regresi pada masing-masing variabel
bebas.Interpretasi terhadap persamaan juga relatif sama, sebagai ilustrasi,
pengaruh antara motivasi (X1), kompensasi (X2) dan kepemimpinan (X3)
terhadap kepuasan kerja (Y) menghasilkan persamaan sebagai berikut:

Y = 0,235 + 0,21 X1 + 0,32 X2 + 0,12 X3

1.Jika variabel motivasi meningkat dengan asumsi variabel kompensasi dan

kepemimpinan tetap, maka kepuasan kerja juga akan meningkat

11
2.Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi dan
kepemimpinan tetap, maka kepuasan kerja juga akan meningkat.
3.Jika variabel kepemimpinan meningkat, dengan asumsi variabel motivasi dan
kompensasi tetap, maka kepuasan kerja juga akan meningkat.
Interpretasi terhadap konstanta (0,235) juga harus dilakukan secara hati-hati. Jika
pengukuran variabel dengan menggunakan skala Likert antara 1 sampai dengan 5
maka tidak boleh diinterpretasikan bahwa jika variabel motivasi, kompensasi dan
kepemimpinan bernilai nol, sebagai ketiga variabel tersebut tidak mungkin
bernilai nol karena Skala Likert terendah yang digunakan adalah 1.

Analisis regresi linear berganda memerlukan pengujian secara serempak

dengan menggunakan F hitung. Signifikansi ditentukan dengan membandingkan F
hitung dengan F tabel atau melihat signifikansi pada output SPSS. Dalam
beberapa kasus dapat terjadi bahwa secara simultan (serempak) beberapa variabel
mempunyai pengaruh yang signifikan, tetapi secara parsial tidak. Sebagai
ilustrasi: seorang penjahat takut terhadap polisi yang membawa pistol
(diasumsikan polisis dan pistol secara serempak membuat takut penjahat). Akan
tetapi secara parsial, pistol tidak membuat takut seorang penjahat. Contoh lain: air
panas, kopi dan gula menimbulkan kenikmatan, tetapi secara parsial, kopi saja
belum tentu menimbulkan kenikmatan

Secara pengertian regresi ganda antara 2 variabel bebas dan 3 variabel

bebas adalah sama, jika Y adalah veriabel terikat maka dalam 2 variabel bebas
hanya memiliki 2 variabel predictor yaitu X1 dan X2, namun dalam regresi ganda
dengan 3 variabel bebas dalam hal ini terdapat 3 variabel predictor, yaitu X1, X2
dan X3.

Secara umum bentuk persamaan dari regresi ganda dengan 3 variabel bebas
adalah

Y = a + b1X1 + b2X2 + b3X3

Dengan cara mencari nilai a, b1, b2 dan b3 adalah sebagai berikut:

12
 Pertama mencari nilai

∑X 1
∑X12= ∑X12-
N

∑X2
∑X22= ∑X22-
N

∑X 3
∑X32= ∑X32-
N

∑Y
∑Y2= ∑Y2-
N

X 1Y
∑X1Y= ∑X1Y-
N

X 2Y
∑X2Y= ∑X2Y-
N

X 3Y
∑X3Y= ∑X3Y-
N

X 1X 2
∑X1X2= ∑X1X2-
N

X 1X 3
∑X1X3= ∑X1X3-
N

X 1X 3
∑X2X3= ∑X1X3-
N

Kemudian menggunakan persamaan simultan :

1. ∑X1Y= b∑X12+ b2∑X1 ∑X2+ b3∑X1 ∑X3

2. ∑X2Y= b∑X12∑X2+ b2∑X22+ b3∑X2X3
3. ∑X3Y= b∑X12∑X2+ b2∑X2 ∑X3+ b3∑X32
4. bo= Y-b1X1-b2X2-b3X3
Kemudian melalui metode substitusi dan eliminasi akan ketemu koefisien regresi
bo, b1,b2, b3.

13
Atau dapat menggunakan SPSS. Dengan menggunakan Uji T dan Uji F.
2.3 Analisis Regresi Berganda 4 Prediktor

Regresi ganda antara 2 variabel bebas, 3 variabel bebas, dan 4 variabel

bebas adalah sama, jika Y adalah veriabel terikat maka dalam 2 variabel bebas
hanya memiliki 2 variabel predictor yaitu X1 dan X2, namun dalam regresi ganda
dengan 4 variabel bebas dalam hal ini terdapat 4 variabel predictor, yaitu X1, X2,
X3 dan X4. Secara umum bentuk persamaan dari regresi ganda dengan 4 variabel
bebas adalah:

Y = a + b1X1 + b2X2 + b3X3 + b4X4

Untuk mencari koefisien regresi b1, b2, b3, dan b4 dapat digunakan persamaan
Simultan, sebagai berikut:

1. Σ X 1 Y =b1 Σ X 1 +b 2 Σ X 1 X 2 +b3 Σ X 1 X 3 + b4 Σ X 1 X 4
2

2. Σ X 2 Y =b1 Σ X 1 X 2 +b 2 Σ X 2 +b2 Σ X 2 X 3 + b4 Σ X 2 X 4
2

3. Σ X 3 Y =b1 Σ X 1 X 3+ b2 Σ X 2 X 3 +b3 Σ X 3 + b4 Σ X 3 X 4
2

4. Σ X 4 Y =b1 Σ X 1 X 4 + b2 Σ X 2 X 4 + b3 Σ X 3 X 4+ b4 Σ X 4 2

a=Y −b1 X 1−b2 X 2−b3 X 3−b 4 X 4

Selanjutnya dengan metode skor deviasi akan diperoleh hasil:

∑X 1
∑X12= ∑X12-
N

∑X2
∑X22= ∑X22-
N

∑X 3
∑X32= ∑X32-
N

∑X4
∑X42= ∑X42-
N

14
 ∑Y
∑Y2= ∑Y2-
N

X 1Y
∑X1Y= ∑X1Y-
N

X 2Y
∑X2Y= ∑X2Y-
N

X 3Y
∑X3Y= ∑X3Y-
N

X 4Y
∑X4Y= ∑X4Y-
N

X 1X 2
∑X1X2= ∑X1X2-
N

X 1X 3
∑X1X3= ∑X1X3-
N

X 1X 4
∑X1X4= ∑X1X4-
N

X 2 X3
∑X2X3= ∑X1X3-
N

X2X4
∑X2X4= ∑X2X4-
N

X3X4
∑X3X4= ∑X3X4-
N

Dari hasil skor deviasi dimasukkan ke dalam persamaan simultan. Kemudian

melalui metode substitusi dan eliminasi akan dihasilkan koefisien regresi b1, b2,
b3, dan b4. Untuk mencari nilai a maka menggunakan rumus
a=Y −b1 X 1−b2 X 2−b3 X 3−b 4 X 4 Sehingga didapatkan persamaan regresi
a=Y +b1 X 1 +b 2 X 2 +b 3 X 3+ b4 X 4 Atau dapat menggunakan SPSS. Dengan
menggunakan Uji T dan Uji F
 Contoh analisa regresi dan korelasi ganda 4 prediktor

15
Mencari persamaan regresi dan hubungan antara Pemagangan (X1), Sikap Kerja
(X2), Kepuasan Kerja (X3) dan Disiplin Kerja (X4) terhadap Prestasi Kerja (Y).
data yang diperoleh adalah sebagai berikut

No. X1 X2 X3 X4 Y
1 39 37 40 39 41
2 37 34 35 37 40
3 41 38 38 36 43
4 37 33 37 35 41
5 42 39 40 38 42
6 33 28 31 31 36
7 38 36 35 35 42
8 35 30 32 34 39
9 38 37 31 39 40
10 37 31 35 35 38
11 38 35 44 40 44
12 37 33 38 36 43
13 35 33 36 35 42
14 33 29 30 28 36
15 39 35 38 40 44
16 36 34 35 35 43
17 42 39 36 39 45
18 39 37 35 37 44
19 37 34 39 37 41
20 29 28 35 34 36

Untuk dapat menganalisis data diatas maka

a. Dilakukan uji asumsi dalam analisis regresi linear dan disimpulkan

hasilnya.

b. Menentukan persamaan regresi linear dugaanya dan menginterpretasikan.

c. Menguji apakah ada pengaruh linear Pemagangan (X1), Sikap Kerja (X2),
Kepuasan Kerja (X3) dan Disiplin Kerja (X4) terhadap Prestasi Kerja (Y)

Langkah pertama adalah melakukan uji asumsi dan menyimpulkan hasilnya.

Asumsi yang harus dipenuhi dalam analisis regresi berganda adalah sampel harus
diambil secara acak (random) dari populasi yang berdistribusi normal.
Perhitungan dengan menggunakan SPSS untuk uji normalitas data (One Sample
KS), diperoleh data sebagai berikut.

16
 One-Sample Kolmogorov-Smirnov Test

Unstandardized
Residual

N 20

Normal Parametersa Mean .0000000

Std. Deviation 1.48966762

Most Extreme Differences Absolute .100

Positive .100

Negative -.093

Kolmogorov-Smirnov Z .446

Asymp. Sig. (2-tailed) .989

a. Test distribution is Normal.

 Kriteria pengujian normalitas data:

Jika sig. > 0,05 maka data normal
Jika sig < 0,05 maka data tidak normal
Dilihat dari hasil perhitungan dengan menggunakan SPSS diatas diketahui
nilai seluruhnya terdistribusi normal. Antara variabel bebas dengan variabel
terikat mempunyai hubungan secara teoritis dan melalui perhitungan korelasi
sederhana dapat diuji signifikansi hubungan tersebut. Serta Persamaan regresinya
adalah linear Perhitungan dengan menggunakan SPSS untuk uji linearitas.
Prosedur uji linearitas dengan SPSS: Entry data → Compare Means → Means.
Muncul kotak dialog uji linearitas. Pindahkan y ke variabel dependen, pindahkan
x ke variabel independen. Pilih kotak option dan pilih Test of Linearity pilih
continue pilih OK.

 Kriteria pengujian uji linearitas :

Jika sig. ≥ 0,05 maka model regresi linear
Jika sig < 0,05 maka model regresi tidak linear
Hasil analisis menunjukkan bahwa sig. = 0,465 > 𝛼 = 0,05 berarti model regresi
linear.

17
 Langkah selanjutnya adalah menentukan persamaan regresi linear dugaan
dan menyimpulkan hasilnya. Untuk mempermudah mengolah data mentah diatas
maka digunakan tabel penolong untuk menghitung persamaan regresi ganda
empat prediktor.

18
No. X1 X2 X3 X4 Y X1^2 X2^2 X3^2 X4^2 Y^2 X1Y X2Y X3Y X4Y X1X2 X1X3 X1X4 X2X3 X2X4 X3X4
1 39 37 40 39 41 1521 1369 1600 1521 1681 1599 1517 1640 1599 1443 1560 1521 1480 1443 1560
2 37 34 35 37 40 1369 1156 1225 1369 1600 1480 1360 1400 1480 1258 1295 1369 1190 1258 1295
3 41 38 38 36 43 1681 1444 1444 1296 1849 1763 1634 1634 1548 1558 1558 1476 1444 1368 1368
4 37 33 37 35 41 1369 1089 1369 1225 1681 1517 1353 1517 1435 1221 1369 1295 1221 1155 1295
5 42 39 40 38 42 1764 1521 1600 1444 1764 1764 1638 1680 1596 1638 1680 1596 1560 1482 1520
6 33 28 31 31 36 1089 784 961 961 1296 1188 1008 1116 1116 924 1023 1023 868 868 961
7 38 36 35 35 42 1444 1296 1225 1225 1764 1596 1512 1470 1470 1368 1330 1330 1260 1260 1225
8 35 30 32 34 39 1225 900 1024 1156 1521 1365 1170 1248 1326 1050 1120 1190 960 1020 1088
9 38 37 31 39 40 1444 1369 961 1521 1600 1520 1480 1240 1560 1406 1178 1482 1147 1443 1209
10 37 31 35 35 38 1369 961 1225 1225 1444 1406 1178 1330 1330 1147 1295 1295 1085 1085 1225
11 38 35 44 40 44 1444 1225 1936 1600 1936 1672 1540 1936 1760 1330 1672 1520 1540 1400 1760
12 37 33 38 36 43 1369 1089 1444 1296 1849 1591 1419 1634 1548 1221 1406 1332 1254 1188 1368
13 35 33 36 35 42 1225 1089 1296 1225 1764 1470 1386 1512 1470 1155 1260 1225 1188 1155 1260
14 33 29 30 28 36 1089 841 900 784 1296 1188 1044 1080 1008 957 990 924 870 812 840
15 39 35 38 40 44 1521 1225 1444 1600 1936 1716 1540 1672 1760 1365 1482 1560 1330 1400 1520
16 36 34 35 35 43 1296 1156 1225 1225 1849 1548 1462 1505 1505 1224 1260 1260 1190 1190 1225
17 42 39 36 39 45 1764 1521 1296 1521 2025 1890 1755 1620 1755 1638 1512 1638 1404 1521 1404
18 39 37 35 37 44 1521 1369 1225 1369 1936 1716 1628 1540 1628 1443 1365 1443 1295 1369 1295
19 37 34 39 37 41 1369 1156 1521 1369 1681 1517 1394 1599 1517 1258 1443 1369 1326 1258 1443
20 29 28 35 34 36 841 784 1225 1156 1296 1044 1008 1260 1224 812 1015 986 980 952 1190
2771 2334 3376 2802 2541 2681 2683 2459 2462 2605
742 680 720 720 820 26146 26088 30550 29633 29635
∑ 4 4 8 6 6 3 4 2 7 1

19
 Proses selanjutnya setelah melakukan pendugaan parameter model regresi
berganda adalah pengujian terhadap model regresi apakah signifikan atau tidak,
yang dapat dilakukan dengan dua cara yaitu uji secara simultan (bersama-sama)
dengan uji F dan uji parsial (individual) dengan uji t.

Selanjutnya dengan metode skor deviasi yang telah dijelaskan diatas akan
didapatkan hasil dan dimasukkan ke dalam persamaan simultan.

1. 134=190 b1 +194 b 2+103 b 3+124 b4 … … … … (1)

2. 146=194 b1 +224 b 2+ 112b 3+147 b4 … … … …(2)
3. 113=103b 1+ 112b 2+226 b3 +131b 4 … … … …(3)
4. 115=124 b1 +147 b2 +131 b3 +168 b 4 … … … …(1)

Selanjutnya adalah dilakukan substitusi dan eliminasi hingga diperoleh nilai a dan
b. Sehingga persamaan regresi linier berganda untuk kasus diatas adalah:

Y =11,491+ 0,435 X 1−0,379 X 2 +0,159 X 3 +0,571 X 4

Interpretasinya terhadap persamaan juga relatif sama, pengaruh antara

Pemagangan (X1), Sikap Kerja (X2), Kepuasan Kerja (X3) dan Disiplin Kerja (X4)
terhadap Prestasi Kerja (Y) yaitu:

1. Jika variabel Pemagangan ditingkatkan maka prestasi kerja akan naik

apabila variabel yang lain tetap.
2. Jika variabel Sikap Kerja ditingkatkan maka prestasi kerja akan turun
apabila variabel yang lain tetap.
3. Jika variabel Kepuasan kerja ditingkatkan maka prestasi kerja akan naik
apabila variabel yang lain tetap.
4. Jika variabel disiplin kerja ditingatkan maka prestasi kerja akan naik
apabila varabel yang lain tetap.

20
 BAB III
PENUTUP

3.1 Kesimpulan
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui
pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. Analisis
regresi membentuk persamaan garis lurus (linear) dan menggunakan persamaan
tersebut untuk membuat perkiraan (prediction). Tujuan dari analisis regresi yaitu
untuk membuat perkiraan nilai suatu variabel terikat jika nilai variabel bebas yang
berhubungan dengannya sudah ditentukan dan untuk menguji hipotesis
signifikansi pengaruh dari variabel bebas (X) terhadap variabel terikat (Y).

21
 DAFTAR PUSTAKA

Arif, Karseno. 1995.  Statistik I. Jakarta: Karunika.

Irianto, Agus. 2004. Statistik : Konsep Dasar, Aplikasi dan Pengembangannya.

Jakarta: Kencana
Sudjana. 1996. Metoda Statistika. Bandung: Tarsito.

Sugiyono. 2008. Statistika Untuk Penelitian. Bandung: Alfabeta

22