MAKALAH

Regresi Berganda Linier

Diajukan untuk Memenuhi Salah Satu Tugas
Pada Mata Kuliah Ekonometrika
Dosen Pengampu: Ibu Wenny Firdausin Nuzula, S.Pd.I., M.Pd

Disusun oleh:

Novita Dini Anggraini (20202002290112)

Ibadurahman Mukhlis (2020200229113)

Cantika Larasati (2020200229117)

Ahmad Abdur Rohman (20202002290135)

JURUSAN EKONOMI SYARIAH

IAI ULUWIYAH

MEI 2022
 KATA PENGANTAR

Puji syukur kami panjatkan ke khadirat Tuhan Yang Maha Esa atas
limpahan rahmat dan nikmatNya sehingga kami mampu menyelesaikan tugas
makalah yang berjudul “Regresi Berganda Linier” ini sesuai dengan waktu yang
telah ditentukan. Makalah ini dibuat untuk memenuhi tugas mata kuliah
Ekonometrika. Selain itu, makalah ini juga bertujuan untuk menambah wawasan
tentang yang akan kami bahas dalam makalah ini.
Saya mengucapkan terimakasih kepada Ibu Wenny Firdausin Nuzula,
S.Pd.I., M.Pd selaku dosen pengampu mata kuliah Ekonometrika yang telah
memberikan tugas ini sehingga dapat menambah pengetahuan dan wawasan kami.
Saya juga berterima kasih kepada semua pihak yang telah membantu dalam
pembuatan makalah ini dan yang telah membagi sebagian pengetahuannya
sehingga makalah ini dapat terselesaikan dengan baik.
Demikian apabila makalah ini masih jauh dari kata sempurna, oleh karena
itu kritik dan saran yang membangun dari pembaca dapat disampaikan agar
penyusun dapat memperbaiki dalam penyusunan makalah selanjutnya. Semoga
makalah ini dapat menambah wawasan pembaca.

Mojokerto, 24 Mei 2022

Penyusun

ii
 DAFTAR ISI

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

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

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

BAB I PENDAHULUAN ................................................................................................... 1

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

B. Rumusan Masalah ......................................................................................................... 1
C. Tujuan Pembahasan ...................................................................................................... 2

BAB II PEMBAHASAN .................................................................................................... 3

A. Pengertian Regresi Linear Berganda............................................................................ 3

B. Persamaan Regresi Linear Berganda ........................................................................... 3
C. Koefisien Korelasi Linear Berganda ............................................................................ 5
D. Asumsi Linear Berganda.............................................................................................. 6
E. Contoh Soal Regresi Linear Berganda ......................................................................... 7

BAB III PENUTUP ............................................................................................................ 16

A. Kesimpulan .................................................................................................................. 16
B. Saran ............................................................................................................................ 16

DAFTAR PUSTAKA ......................................................................................................... 17

iii
iv
 BAB I

PENDAHULUAN

A. Latar Belakang

Analisis regresi dipergunakan untuk menggambarkan garis yang

menunjukan arah hubungan antar variabel, serta dipergunakan untuk melakukan
prediksi. Analisa ini dipergunakan untuk menelaah hubungan antara dua variabel
atau lebih, terutama untuk menelusuri pola hubungan yang modelnya belum
diketahui dengan sempurna. Regresi yang terdiri dari satu variabel bebas
(predictor) dan satu variabel terikat (Response/Criterion) disebut regresi linier
sederhana (bivariate regression), sedangkan regresi yang variabel bebasnya lebih
dari satu disebut regresi berganda (Multiple regression/multivariate regression),
yang dapat terdiri dari dua prediktor (regresi ganda) maupun lebih.
Dalam analisis regresi dikenal 2 jenis variabel yaitu Variabel Respon
disebut juga variabel dependen yaitu variabel yang keberadaannya dipengaruhi
oleh variabel lainnya dan dinotasikan dengan variable dan Variabel Prediktor
disebut juga dengan variabel independen yaitu variabel yang bebas (tidak
dipengaruhi oleh variabel lainnya) dan dinotasikan dengan x.

B. Rumusan Masalah
1. Bagaimana pengertian regresi linear berganda?

2. Bagaimana persamaan regresi linear berganda?

3. Bagaimana koefisien korelasi linear berganda?

4. Bagaimana asumsi linear berganda?

5. Bagaimana contoh soal regresi linear berganda?

1
C. Tujuan

1. Untuk mengetahui pengertian regresi linear berganda

2. Untuk mengetahui persamaan regresi linear berganda

3. Untuk mengetahui koefisien korelasi linear berganda

4. Untuk mengetahui asumsi linear berganda

5. Untuk memahami contoh soal regresi linear berganda

2
 BAB II
PEMBAHASAN
A. Pengertian Regresi Linear Berganda
Regresi linier berganda merupakan model persamaan yang
menjelaskan hubungan satu variabel tak bebas/ response (Y) dengan dua
atau lebih variabel bebas/ predictor (X1, X2,…Xn). Tujuan dari uji regresi
linier berganda adalah untuk memprediksi nilai variable tak bebas/
response (Y) apabila nilai-nilai variabel bebasnya/ predictor (X1, X2,...,
Xn) diketahui. Disamping itu juga untuk dapat mengetahui bagaimanakah
arah hubungan variabel tak bebas dengan variabel - variabel bebasnya.1
1. Analisis regresi linier berganda didefinisikan adalah analisis regresi
yang variabel,
2. Tak bebas Y ditentukan oleh sekurang-kurangnya dua variabel bebas X
dan,
3. variabel X maupun variabel Y hanya berpangkat satu (linier).

B. Persamaan Regresi linear berganda

Persamaan regresi linear berganda adalah persamaan regresi
dengan satu peubah tak bebas (Y) dengan lebih dari satu peubah bebas
. Hubungan antara peubah–peubah tersebut dapat
dirumuskan dalam bentuk persamaan :

Bila dituliskan dalam bentuk matriks :

Beberapa asumsi yang mendasari model tersebut adalah : (i).

menyebar saling bebas mengikuti sebaran normal ; (ii). memiliki
ragam homogen atau disebut juga tidak adanya masalah heteroskedastis;

1
Yuliara, I. M., Regresi Linier Berganda, 2016, Denpasar: Universitas Udayana, Hal. 2

3
 (iii). Tidak adanya hubungan antara peubah X atau sering juga disebut
tidak ada masalah kolinier; dan (iv). bebas terhadap peubah X.

Dengan menggunakan metode kuadrat terkecil, yaitu dengan

meminimumkan galat/error, maka diperoleh nilai dugaan bagi , yaitu :

∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑
∑ ∑ ∑ ∑ ∑

[∑ ∑ ∑ ∑ ] [∑ ]

( ̂)

[ ]

( )
⁄

Model regresi linier berganda untuk populasi diatas dapat ditaksir

berdasarkan sebuah smpel acak yang berukuran n dengan model regresi
linier berganda untuk sampel, yaitu:

4
 C. Koefisien korelasi Linear berganda

Korelasi adalah derajat hubungan linier antara dua variabel atau

lebih dari data hasil pengamatan. Dua variabel dikatakan berkorelasi
apabila perubahan dalam satu variabel diikuti oleh perubahan variabel lain,
baik yang searah maupun tidak.2 Hubungan antara variabel dapat
dikelompokkan menjadi tiga jenis :
1. Terjadinya korelasi positif apabila perubahan antara variabel
yang satu diikuti oleh variabel lainnya dengan arah yang sama
(berbanding lurus). Artinya apabila variabel yang satu meningkat,
maka akan diikuti peningkatan variabel lainnya.

2. Korelasi Negatif terjadinya korelasi negative apabila perubahan

antara variael yang astu diikuti oleh variabel lainnya dengan arah
yang berlawanan (berbanding terbalik). Artinya apabila variabel
yang satu meningkat, maka akan diikuti penurunan variabel
lainnya.

3. Korelasi Nihil Terjadinya korelasi nihil apabila perubahan antara

variabel yang satu diikuti oleh variabel lainnya dengan arah yang
tidak teratur (acak). Artinya apabila variabel yang satu meningkat,
kadang diikuti dengan peningkatan pada variabel lain dan kadang
diikuti dengan penurunan pada variabel lain.
Berdasarkan hubungan antar variabel yang satu dengan variabel
lainnya dinyatakan dengan koefisien korelasi yang disimbolkan dengan
”r”. Besarnya korelasi berkisar antara -1≤r≤1.

2
Wasilaine, T. L., Talakua, M. W., & Lesnussa, Y. A., Model Regresi Ridge untuk Mengatasi
Model Regresi Linier Berganda yang Mengandung Multikolinieritas, 2014, BAREKENG: Jurnal
Ilmu Matematika dan Terapan,Vol.8 No. 1 Hal.34

5
D. Uji Regresi Linear berganda
Uji regresi linier ganda perlu dilakukan untuk mengetahui apakah
sekelompok variabel bebas secara bersamaan mempunyai pengaruh
terhadap variabel tak bebas. Pada dasarnya pengujian hipotesis tentang
parameter koefisien regresi secara keseluruhan atau pengujian persamaan
regresi dengana menggunakan statistik F yang dirumuskan sebagai
berikut:

Langkah-langkah yang dibutuhkan dalam pengujian hipotesis ini adalah

sebagai berikut:
1. Menentukan formulasi hipotesi

Minimal ada satu parameter koefisien regresi yang tidak sama

dengan nol atau mempengaruhi Y

2. Menentukan taraf nyata α dengan Ftabel dengan derajat kebebasan

V1=k dan V2= n-k-1

3. Memenuhi kriteria pengujian

diterima bila Fhitung ≤ Ftabel

ditolak bila Fhitung ≥ Ftabel

4. Menetukan nilai statistic F

5. Membuat kesimpulan

6
 E. Asumsi Linear Berganda
Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier
berganda yaitu :
1. Mengikuti sebaran normal
2. Tidak boleh ada multikolinieritas
Cara yang paling mudah untuk menguji ada atau tidaknya gejala
multikolinieritas adalah melihat korelasi (hubungan) antar variabel
bebas. Jika nilai korelasi dibawah angka 6,5, maka tidak terjadi
multikolinieritas.
3. Tidak boleh ada heterokeditas.
Dengan melihat grafik plot antara nilai variabel terikat (SRESID)
dengan residual (ZPRED). Jika ada pola tertentu, seperti titik-titik yang
ada membentuk pola tertentu yang teratur (bergelombang, melebar,
kemudian menyempit), maka mengidentifikasikan telah terjadi
heterokeditas. Jika tidak ada pola yang jelas, serta titik-titik menyebar di
atas dan di bawah angka 0 pada sumbu Y, maka tidak terjadi
heterokeditas.3

F. Contoh Soal Regresi Linier Berganda

Seandainya kita memiliki variabel dependen (Y) tingkat inflasi di
Amerika Serikat, dengan variabel independen yang diamati adalah kurs
Yen terhadap US$ (X1), kurs Rupiah terhadap US$ (X2), dan kurs US$
terhadap Poundsterling (X3), maka kita akan memilki model sebagai

berikut :

3
Mardiatmoko, G., Pentingnya uji asumsi klasik pada analisis regresi linier berganda (studi kasus
penyusunan persamaan allometrik kenari muda [canarium indicum l.]), 2020, Barekeng: Jurnal
Ilmu Matematika dan Terapan, Vol. 14 Issue 3, Hal.335.

7
Penyelesaian :

Minimal ada satu parameter koefisien regresi yang tidak sama

dengan nol atau mempengaruhi Y, dengan taraf nyata 5% Kita akan
mengolah data tersebut menggunakan Aplikasi Minitab. Dengan
langkah-langkah sebagai berikut :

1. Masukan data (y, x1,x2,x3) ke dalam minitab

2. Klik Stat, Regression, Regression, kemudian masukkan

variabel dependen atau Y ke Response dan variabel independen atau
x1, x2, x3 ke predictors.

8
3. Klik tombol Graphs kemudian centang Regular pada
Residuals for plots dan pada Residual Plots centang Histogram of
residuals, Normal plot of residuals, Residual versus fits dan klik OK.

4. Klik tombol options kemudian centang Fit Intercept,

Variance inflating factors, Durbin-Watson statistic dan klik OK.

9
 5. Klik Storage kemudian centang Residuals, Coefficients,
Fits dan klik OK.

Klik OK dan lihat output

Sedikit review bahwa regresi linear berganda memiliki syarat yang

harus terpenuhi yaitu asumsi klasik. Asumsi klasik tersebut antara
lain: normalitas regresi linear berganda, heteroskedastisitas,
multicollinearitas dan autokorelasi.

Normalitas Residual

Lihat di bawah ini adalah histogram residual. Mengapa residual

yang dibuatkan histogram? jawabannya adalah karena asumsi normalitas
pada regresi linear berganda adalah variabel residual harus berdistribusi
normal. Apakah residual itu? jawabannya adalah perbedaan antara
variabel dependen atau Y dengan Y prediksi. Yang dimaksud dengan Y
prediksi adalah nilai Y berdasarkan hasil persamaan regresi. Dalam
output minitab ini juga dapat dilihat nilai Y prediksi dalam worksheet di
mana ada variabel baru yang bernama Fits1.

10
Residual dinyatakan berdistribusi normal apabila histogram menyerupai
bel menghadap ke atas. Apabila ingin mendapatkan hasil meyakinkan
dapat melakukan uji normalitas pada variabel residual.

1. Pada Menu, Klik Stat, Basic Statistics, Normality Test, Kemudian

masukkan masukkan variabel ke dalam kotak Variable, pilih jenis uji
dengan cara centang Anderson-Darling, atau Ryan-Joiner, atau
Kolmogorov Smirnov. Tapi kali ini kita menggunakan jenis uji
Kolmogorov Smirnov

Kemudian klik OK
2. Output adalah sebagai berikut

11
Uji Kolmogorov-Smirnov:
KS: 0,227 dengan P-Value > 0,147 di mana lebih dari 0,05, maka
variabel dinyatakan berdistribusi normal.

Cara lain adalah dengan menggunakan diagram Normal Probability

Plot seperti di bawah ini

Heteroskedastisitas

Gejala heteroskedastisitas dapat ditentukan dengan diagram scatter

antara variabel Y prediksi (Fits) dengan variabel residual.

12
Dapat disimpulkan tidak ada gejala heteroskedastisitas apabila plot
menyebar merata di atas dan di bawah sumbu 0 tanpa membentuk
sebuah pola tertentu. Diagram di atas dapat menyimpulkan bahwa
tidak terdapat gejala heteroskedastisitas.

Output 1 Sessions Minitab

Output 2 Sessions Minitab

13
Multikolinearitas

Untuk mendeteksi adanya gejala multikolinearitas dapat dilihat

nilai VIF pada gambar output di atas. Dikatakan tidak ada gejala
multikolinearitas apabila VIF < 6,5. Di atas VIF 3,474, 3,569 dan 1,249
dimana kurang dari 6,5 maka tidak ada gejala multikolinearitas. Setelah
asumsi klasik di atas semua terpenuhi, maka kita mulai masuk pada
kesimpulan inti dari uji regresi linear berganda

Uji F Regresi

Untuk menentukan apakah secara serentak semua variabel

independen mempunyai pengaruh yang bermakna terhadap variabel
dependen dapat dilihat dari nilai uji F. Disimpulkan ada pengaruh
apabila nilai P value kurang dari batas kritis penelitian atau alpha.
Misalnya pada uji ini, lihat output session 2, nilai P Regression pada
Analysis of Variance sebesar 0,600 di mana > 0,05 maka disimpulkan
bahwa secara simultan variabel independen tidak mempunyai pengaruh
bermakna terhadap variabel dependen. Berdasarkan kriteria
diterima bila P > α
ditolak bila P < α

Maka kesimpulannya adalah terima H0 karena P > α yaitu

0,600>0,05. Yang berarti X1, X2, X3 tidak mempengaruhi Y atau kurs
Yen terhadap US$ (X1), kurs Rupiah terhadap US$ (X2), dan kurs US$
terhadap Poundsterling (X3) tidak mempengaruhi tingkat inflasi di
Amerika Serikat.
T Parsial

T parsial digunakan untuk mengetahui apakah variabel independen

yang di dalam model regresi mempunyai pengaruh secara individu
terhadap variabel dependen dengan memperhatikan keberadaan variabel
lain di dalam model. Nilai t parsial dapat dilihat melalui nilai t pada

14
output session 1 di atas. Dinyatakan ada pengaruh parsial apabila nilai p
value (P) kurang dari batas kritis penelitian atau alpha.

15
 BAB III
PENUTUP
A. Kesimpulan
Analisis regresi linier berganda didefinisikan adalah analisis regresi yang
variabel tak bebas Y ditentukan oleh sekurang-kurangnya dua variabel bebas X
dan setiap variabel X maupun variabel Y hanya berpangkat satu (linier).
Tiga asumsi dasar yang tidak boleh dilanggar oleh regresi linier berganda yaitu :
1. Mengikuti sebaran normal
2. Tidak boleh ada multikolinieritas
3. Tidak boleh ada heterokeditas.
Ketika ketiga asumsi tersebut telah terpenuhi, maka kita dapat melakukan uji
regresi atau uji F. Pada tugas kali ini kita melakukan uji regresi menggunakan
program computer Minitab dengan penjelasan yang telah dibahas pada BAB isi
dan BAB contoh soal.
B. Saran
Untuk penulis selanjutnya agar menambah referensi agar pengetahuan
yang diperoleh semakin luas. Kami berharap semoga makalah ini dapat
bermanfaat bagi para pembaca.

16
 DAFTAR PUSTAKA

http://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linier-berganda.html

http://eprints.undip.ac.id/6361/1/ANALISIS_REGRESI_LINEAR_BERGANDA.
pdf

http://www.statistikian.com/2013/08/interprestasi-regresi-linear-berganda.html

http://www.statistikian.com/2013/08/regresi-linear-berganda-dengan-minitab.html
https://dawaisimfoni.wordpress.com/karya-tulis-ilmiah-2/metodologi-
penelitian/analisis-regresi-2/
M Nazir, 1983, Metode Statistika Dasar I , GramediaPustaka Utama ;Jakarta.

Murray. R. 2004. Statistika. Jakarta :Erlangga.

Sudijono, Anas. 1996. Pengantar Statistik Pendidikan. Jakarta: Rajawali Spiegel.

Supranto. J. 2001. Statistika Teori dan Aplikasi Edisi Ke-6 Jilid 2. Jakarta :
Erlangga

Walpole. R.,.E. 1995. Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuawan.
Bandung : ITB

17