ANALISIS REGRESI BERGANDA

REGRESI LINEAR BERGANDA

Analisis Regresi Linear Berganda digunakan untuk mengukur pengaruh

antara lebih dari satu variabel prediktor (variabel bebas) terhadap variabel terikat.
Misalnya, hubungan antara hasil penjualan dengan harga dan daya beli, hubungan
antara rata-rata harga beras dengan dengan jumlah penduduk, pendapatan, dan
jumlah uang beredar, atau hubungan antara produksi padi dengan bibit, pupuk, luas
sawah, dan curah hujan. (Ir. M. Iqbal Hasan, M.M., Pokok-Pokok Materi Statistik 2
(Statistik Inferensif), edisi kedua).Friedman (1962) menyatakan bahwa keputusan
seseorang untuk mengonsumsi sesuatupada dasarnya tidak hanya dipengaruhi oleh
faktor pendapatannya, tetapi juga perkiraan pendapatannya pada masa akan dating,
selain faktor suku bunga, pajak, distribusi pendapatan, dan lainnya.

Persamaan regresi linear berganda :

Y = a + b1X1 + b2X2 + ... + bkXk

Keterangan :

Y = variabel dependen
X1, X2, Xk = variabel independen
a = bilangan konstan (konstanta)
b1, b2, bk = koefisien variable

Bentuk umum persamaan regresi linear berganda :

Persamaan Regresi Linear Berganda dengan Dua Variabel Bebas

Bentuk umum persamaan regresi linear berganda dengan dua variabel bebas
adalah sebagai berikut:
a. Bentuk Stokastik

Ŷ = a + b1X1 + b2X2 + ... + bkXk + e

b. Bentuk Nonstokastik (Deterministik)

Ŷ = a + b1X1 + b2X2 + ... + bkXk

Keterangan:

Ŷ = variabel terikat / dependen (nilai duga Y)

X1, X2, ..., Xk = variabel bebas / independen
a = bilangan konstan (konstanta)
b1, b2, ..., bk = koefisien regresi (parameter)
e = nilai residual / error / pengganggu (Y-Ŷ)
Persamaan Regresi Linear Berganda dengan Dua Variabel Bebas

Bentuk umum persamaan regresi linear berganda dengan dua variabel bebas adalah sebagai berikut:

Y = a + b1X1 + b2X2

Keterangan:

Y = variabel terikat/dependen (nilai duga Y)

X1, Y2 = variabel bebas/independen

b1,b2 = koefisien regresi linear berganda disebut juga sebagai koefisien regresi parsial (partial
coefficient regression)

a = konstanta (nilai Y, apabila X1 = X2 = 0)

b1 = besarnya kenaikan/penurunan Y dalam satuan, jika X1 naik satu satuan dan X2 konstan

b2 = besarnya kenaikan/penurunan Y dalam satuan, jika X2 naik satu satuan dan X1 konstan

+ atau - = tanda yang menunjuakan arah hubungan antara Y dan X1 atau X2

Nilai dari koefisien a, b1, b2 dapat ditentukan salah satunya dengan metode kuadrat terkecil atau
Ordinary Least Square Method.

Metode Kuadrat Terkecil

Metode Kuadrat terkecil atau Ordinary Least Square Method pada prinsipnya adalah meminimumkan
jumlah kuadrat deviasi di sekitar garis regresi. Dan nilai koefisien regresi a, b 1, dan b2 dapat dipecahkan
secara simultan dari tiga persamaan berikut :

∑Y = na + b1∑X1 + b2∑X2

∑X1Y = a∑X1 + b1∑X12 + b2∑X1∑X2

∑X2Y = a∑X2 + b1∑X1∑X2 + b2∑X22

Untuk mendapatkan koefisien regresi a, b1, dan b2 dengan menggunakan persamaan

di atas, diperlukan perhitungan yang cukup panjang, oleh karena itu, dikembangkan

beberapa cara yang lebih mudah, sebagai berikut :

A = n∑X1Y – ∑X1∑Y

B = n∑X22 – (∑X2)2

C = n∑X1X2 - ∑X1∑X2
 D = n∑X2Y - ∑X2∑Y

E = n∑X12 - (∑X1)2

F = EB – C2

Dari beberapa persamaan tersebut, nilai koefisien regresi untuk a, b1, dan b2 dapat

diperoleh dengan cara berikut :

AB−CD DE−AC
b1= b2 =
F F

∑ y−b 1 ∑ x 1−b 2∑ x 2
a=
n

PENGUJIAN KOEFISIEN REGRESI

1. Standard Error of Estimate / Kesalahan Baku dalam Penaksiran (SE)

Kesalahan baku dalam penaksiran melihat seberapa jauh nilai penduga, yaitu b1 dan b2 dari
nilai sebenarnya, yaitu B1 dan B2 (parameter populasi). Oleh karena nilai ini menunjukkan
besarnya penyimpangan atau error, maka semakin kecilnilainya dianggap akan lebih baik.
Untuk menghitung kesalahan baku ini dapat digunakan rumus berikut :

Rumus :

s = √ s2
∑ x2 2
sb 1 = s2
2
∑ x 1 ∑ x 2 −¿ ¿
2 2

∑ x1 2
sb 2 = s2
2
∑ x 1 ∑ x 2 −¿ ¿
2 2

df = n – k – l = n – 3
2
∑e
s =
2
n−k−1

∑e 2 = ∑(Y 1 – a - b 1 X 1 - b 2 X 2 ¿2
2. Pendugaan Hipotesis Koefisien Regresi Berganda (Parameter β 1 dan β1)

a. Pengujian Hipotesis Simultan (F statistik)

Digunakan untuk melihat signifikasi variabel indefendent (X1, X2, ..., Xk) secara
keseluruhan /bersama-sama dalam mempengaruhi nilai variabel dependen (Y).
Langkah-langkah pengujiannya adalah sebagai berikut:

i. Menentukan formulasi hipotesis

H0 : β1,β2, ..., βk = 0 (X1 dan X2 secara bersama-sama tidak mempengaruhi Y)
Ha : β1,β2, ..., βk ≠ 0 (X1 dan X2 secara bersama-sama mempengaruhi Y atau
paling sedikit ada satu X yang mempengaruhi Y)
ii. Menentukan Taraf nyata (a) dan Nilai F
Taraf nyata (a) dan nilai F table ditentukan dengan derajat kebebasan v1 = k-1
dan v2 = n-k.

iii. Menentukan nilai F stat

SSR SSE
MSR= MSE=
df 1 df 2

SST= ∑Y2 - nῩ2

SSR= b1∑X1Y + b2∑X2Y

SSE= SST – SSR

iv. Menentukan Kriteria Pengujian

F stat ≤ F tabel → Ho tidak dapat ditolak
F stat > F tabel → Ho ditolak
Atau
Sig.≥ a → H0 tidak dapat ditolak
Sig.< a → H0 ditolak
v. Membuat Kesimpulan
Menyimpulkan apakah Ho tidak dapat ditolak atau ditolak.

b. Pengujian Hipotesis Individual / Parsial (t statistik)

Digunakan untuk melihat signifikansi variabel independent (X1, X2, … , Xk)
secara parsial dalam mempengaruhi variabel dependen (Y).Langkah-langkah
pengujiannya adalah sebagai berikut :
i. Menentukan formulasi hipotesis
Ho : βi = 0 ( tidak ada pengaruh Xi secara parsial terhadap Y)
Ha : βi > 0 ( ada pengaruh positif Xi secara parsial terhadap Y)
βi < 0 ( ada pengaruh negatif Xi secara parsial terhadap Y)
 βi ≠ 0 ( ada pengaruh Xi secara parsial terhadap Y)

ii. Menentukan Taraf nyata (a) dan nilai t tabel

Taraf nyata dari t tabel ditentukan dengan derajat kebebasan :

df = n – k – 1, (k = banyaknya jumlah variabel X)

iii. Menentukan nilai t stat

-ttabel ≤ tstat ≤ t
Contoh Soal :

1. Sebuah penelitian dilakukan untuk mengetahui apakah ada pengaruh makanan ikan (tiap hari
dalam seminggu) [X1] dan panjang ikan (mm) [X2] terhadap berat ikan (kg) [Y] di Desa Tani
Tambak Raya Sejahtera. Data sebagai berikut:

No X1 X2 Y
1 8 125 37
2 10 137 41
3 7 100 34
4 12 122 39
5 9 129 40
6 10 128 42
7 7 98 38
8 8 103 42
9 11 130 40
10 8 95 36
11 10 115 41
12 8 105 38

1) Tentukan persamaan regresi berganda!

2) Buktikan apakah ada pengaruh yang signifikan antara makanan ikan terhadap berat ikan di Desa
Tani Tambak Raya Sejahtera!

Ha = terdapat pengaruh yang signifikan antara makanan ikan dan panjang ikan terhadap berat ikan

Ho = tidak terdapat pengaruh yang signifikan antara makanan ikan dan panjang ikan terhadap berat ikan

Ha : R ≠ 0

Ho : R = 0

NO X1 X2 Y X1Y X 2Y X12 X22 Y2 X1X2

1 8 125 37 296 4625 64 15625 1369 1000
2 10 137 41 410 5617 100 18769 1681 1370
3 7 100 34 238 3400 49 10000 1156 700
4 12 122 39 468 4758 144 14884 1521 1464
5 9 129 40 360 5160 81 16641 1600 1161
6 10 128 42 420 5376 100 16384 1764 1280
7 7 98 38 266 3724 49 9604 1444 686
8 8 103 42 336 4326 64 10609 1764 824
9 11 130 40 440 5200 121 16900 1600 1430
10 8 95 36 288 3420 64 9025 1296 760
11 10 115 41 410 4715 100 13225 1681 1150
12 8 105 38 304 3990 64 11025 1444 840
Jumlah 108 1387 468 4236 54311 1000 162691 18320 12665
Dari Tabel tersebut kita peroleh data sebagai berikut :

ƩX1 = 108

ƩX2 = 1387

ƩY` = 468

ƩX1Y = 4236

ƩX2Y =54311

ƩX12 = 1000

ƩX22 = 162691

ƩY2 = 18320

ƩX1X2 = 212665

n = 12

Sebelum memasukan data tersebut ke persamaan b 1, b2, dan a kita gunakan metode skor deviasi
untuk menyederhanakan data tersebut. Metode ini menggunakan persamaan
Jadi persamaan regresi gandanya Y = 128,2 – 0,52 X1 – 0,17 X2
Untuk membandingkan Fhitung dengan Ftabel , sebelumnya akan dicari nilai korelasi ganda

Dengan taraf signifikan : 0,05 df pembilang (horizontal) = m = 2 df peyebut (vertikal) = n – m – 1 = 9

Ftabel = 4,26

Kaidah pengujian signifikansi :

Jika Fhitung > Ftabel , maka tolak Ho artinya signifikan.

Juka Fhitung < Ftabel , maka terima Ho artinya tidak signifikan.

Fhitung > Ftabel = 11,74 . 4,26 berarti Ho ditolak dan Ha diterima jadi terdapat pengaruh yang signifikan
antara makanan ikan dan panjang ikan terhadap berat ikan.
Contoh penelitian menggunakan SPSS

“Pengaruh Motivasi dan Gaji Terhadap Kinerja Karyawan”

Diketahui:

Variabel independen (X1) →motivasi

(X2)→gaji

Variabel dependen (Y) →kinerja karyawan

1. Data yang akan digunakan

Motivasi (X1) Gaji (X2) Kinerja Karyawan (Y)

1 18.00 22.00 28.00
2 17.00 23.00 27.00
3 18.00 24.00 28.00
4 19.00 21.00 27.00
5 18.00 23.00 26.00
6 19.00 21.00 26.00
7 20.00 21.00 28.00
8 18.00 21.00 27.00
9 19.00 20.00 25.00
10 17.00 19.00 25.00
11 16.00 20.00 25.00
12 16.00 21.00 26.00
13 17.00 23.00 27.00
14 19.00 22.00 28.00
15 21.00 22.00 26.00
16 20.00 20.00 24.00
17 19.00 21.00 26.00
18 18.00 19.00 24.00
19 18.00 19.00 24.00
20 20.00 20.00 27.00
21 18.00 21.00 27.00
22 17.00 24.00 28.00
23 19.00 24.00 29.00
24 20.00 23.00 26.00
25 19.00 25.00 30.00
26 18.00 22.00 28.00
27 17.00 21.00 27.00
28 19.00 21.00 29.00
29 20.00 23.00 29.00
 30 19.00 22.00 27.00

2. Hipotesis yang akan di uji

H1: variabel motivasi berpengaruh signifikasi terhadap kinerja karyawan
H2: variabel berpengaruh signifikasi terhadap kinerja karyawan
H3: variabel motivasi dan gaji berpengaruh signifikasi secara bersama-sama terhadap
kinerja karyawan
3. Kriteria pengujian
Untuk hipotesis H1 dan H2:
Apabila sig t<0,05 maka hipotesis diterima
Apabila sig t>0,05 maka hipotesis ditolak
Untuk hipotesis H3:
Apabila nilai sig F<0,05 maka hipotesis diterima
Apabila nilai sig F>0,05 maka hipotesis ditolak
4. Langkah pengujian
Pertama: Klik menu analyze

Maka akan muncul menu-menunya, kemudian klik regression→linear

Maka akan muncul jendela baru seperti berikut:

Kedua: Pindahkan variabel kinerja karyawan ke kolom “Dependent” lalu pindahkan

variabel motivasi dan gaji ke kolom “Independent(s)” kemudian jika sudah klik “OK”
Ketiga: membaca output
Output yang dikeluarkan ketika melakukan pengujian regresi berganda terdiri dari
beberapa tabel yaitu tebel variabel entered/remove, model summary, anova, dan
coefficients. Namun pada kesempatan kali yang kita gunakan hanya tabel anova, dan
coefficients karena tabel tersebut saja yang berkaitan dengan hipotesis yang akan kita uji.
Pengujian Pertama
H1: variabel motivasi berpengaruh signifikasi terhadap kinerja karyawan
H2: variabel gaji berpengaruh signifikasi terhadap kinerja karyawan
Hasil pengujian dengan SPSS menghasilkan output sebagai berikut:

Kesimpulan:
Data diatas menunjukan bahwa nilai Sig. untuk motivasi adalah sebesar 0,454 (p<0,05),
maka hipotesis ditolak, artinya variabel motivasi tidak berpengaruh signifikan terhadap
kinerja karyawan.
Dan untuk variabel gaji, data diatas menunjukan Sig. sebesar 0,000 (p<0,05) maka
hipotesis diterima, artinya variabel gaji berpengaruh signifikan terhadap kinerja karyawan
Pengujian kedua:
H3: variabel motivasi dan gaji berpengaruh signifikan secara bersama-sama terhadap
kinerja karyawan.
Hasil pengujiannya adalah sebagai berikut:

Kesimpulan:
Berdasarkan data diatas, didapatkan nilai sig. F sebesar 0,000 (p<0,05) maka hipotesis
diterima, artinya variabel motivasi dan gaji berpengaruh signifikan secara bersama-sama
terhadap kinerja karyawan.