MAKALAH

STATISTIK

“Regresi Ganda”

Dosen Pengampu :

Prof. Dr. Daharnis, M.Pd., Kons.

Prof. Dr. Agus Irianto, M.Pd.

Disusun Oleh:

Sekar Kurnia (23151025)

Nilas Siti Wulandari (23151019)
Feni Listari (23151032)
Thessia Permata Bunda (23151027)

PROGRAM STUDI S2 BIMBINGAN DAN KONSELING

FAKULTAS ILMU PENDIDIKAN
UNIVERSITAS NEGERI PADANG
2023
 KATA PENGANTAR

Selalunya kita mengucapkan puji dan syukur kehadirat Allah SWT yang
telah memberikan rahmat dan karunia-Nya kepada umat manusia sehingga
dapat merasakan pengalaman dan pembelajaran dalam kehidupan. Shalawat
beriring salam senantiasa tercurahkan untuk Nabi Besar Muhammad SAW
yang telah membawa umat manusia dari alam jahiliah menuju alam yang penuh
ilmu pengetahuan dan teknologi yang kita rasakan pada saat ini sehingga
kelompok dapat menyelesaikan makalah dengan judul pembahasan kelompok
yaitu “Regresi Ganda” Dengan adanya makalah ini, harapan kami dengan dapat
menjadi referensi dalam pembelajaran Statistik.
Tentunya besar harapan kami untuk dapat diberikan kritikan serta saran
yang bersifat membangun terhadap kekurangan-kekurangan. Atas perhatian
kami mengucapkan terima kasih serta semoga makalah ini memberikan manfaat
terhadap wawasan dan pengatahuan kita bersama.

Padang, 10 Oktober 2023

Kelompok

1
 DAFTAR ISI

KATA PENGANTAR ....................................................................................................... 1

DAFTAR ISI ...................................................................................................................... 2
BAB I .................................................................................................................................. 3
PENDAHULUAN .............................................................................................................. 3
A. Latar belakang ......................................................................................................... 3
B. Rumusan masalah .................................................................................................... 3
C. Tujuan ...................................................................................................................... 3
BAB II ................................................................................................................................. 4
PEMBAHASAN ................................................................................................................. 4
A. Pengertian Regresi Ganda ....................................................................................... 5
B. Regresi Ganda Linier ............................................................................................... 8
C. Signifikansi Koefisien Regresi Ganda ................................................................... 10
D. Koefisien Regresi..................................................................................................... 9
E. Korelasi Parsial ...................................................................................................... 11
F. Beberapa Hal yang Perlu Diingat pada Regresin Ganda…………………14
BAB III ............................................................................................................................. 13
PENUTUP ........................................................................................................................ 13
A. Kesimpulan ............................................................................................................ 13
B. Saran ...................................................................................................................... 13
DAFTAR PUSTAKA ...................................................................................................... 14

2
 BAB I

PENDAHULUAN

A. Latar belakang
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 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.

B. Rumusan masalah
Dari pemaparan latar belakang di atas dapat ditarik beberapa rumusan
masalah, di antaranya:
1. Apakah yang dimaksud dengan pengertian regresi ganda?

C. Tujuan
Berdasarkan rumusan masalah maka tujuan makalah ini yaitu, sebagai
berikut:

3
 BAB II

PEMBAHASAN

A. Pengertian Regresi Ganda

Dalam ilmu sosial (pendidikan) jarang terjadi adanya hubungan antara dua
variabel saja. Sebagian besar satu variabel mempunyai hubungan dengan banyak
variabel sehingga dalam analisis statistik pun hendaknya digunakan alat statistik
yang bisa mencakup hubungan banyak variabel. Apabila kita jumpai satu variabel
terikat yang dipengaruhi oleh beberapa variabel bebas dalam mempengaruhi
variabel terikat itu bermacam-macam, sehingga bentuk hubungannyapun berbeda.
Dalam kajian ilmu sosial maupun kependidika sering terjad sifat hubungan
berjenjang. Ini berarti bahwa variabel bebas dalam mempengaruhi variabel terikat
tidak terjadi secara langsung, tetapi melalui variable lain. Variabel lain
menjembatani pengaruh variabel bebas terhadap variabel terikat tersebut dengan
variabel antara. Disamping itu, antar variabel bebas itu sendiri mempunyai pola
hubungan yang tidak tetap artinya bisa benar-benar bebas, berkorelasi tetapi tidak
signifikan, mempunyai hubungan yang tidak erat.
Pola hubungan-hubungan regresi ganda yang akan dibahas pada makalah
ini diantaranya:
1. Masing-masing variabel bebas berdiri sendiri dalam mempengaruhi
variabel terikat. Dalam kondisi ini antar variabel bebas tidak terdapat
hubungan yang signifikan. Jika kondisi ini yang dijumpai, maka hasil
perhitungan kuadrat koefisien merupakan jumlah sumbangan/kontribusi
variabel bebas terhadap variabel terikat. Besarnya kontribusi total variabel
bebas terhadap variabel terikat merupakan jumlah kontribusi masing-
masing variabel bebas terhadap variabel terikat.
2. Masing-masing variabel bebas tidak berdiri sendiri-sendir, tetapi antar
mereka mempunyai kebebasan dalam mempengaruhi variabel terikat.
Walaupun unsur kebersamaan tetapi masih adasifat mandirinya dalam
memberikan kontribusi terhadap variabel terikat. Kalau sifat mandirinya

4
 variabel tersebut tidak ada, maka dengan menghilangkan variabel bebas
tersebut tidak akan mempengaruhi besarnya kontribusi. Hal ini disebabkan
oleh karena kontribusi variabel bebas yang tidak mempunyai sifat mandiri
telah diwakili oleh variabel bebas lainnya. Jika korelasi antar variabel bebas
sangat besar, maka sifat mandiri variabel bebas dalam memberikan
kontribusi terhadap variabel terikat sangat kecil, demikian pula sebaliknya.
3. Variabel bebas dalam mempengaruhi variabel terikat tidak langsung,
sehingga ada variabel antara yang menjembatani hubungan antara variabel
bebas dan variabel terikat. Dalam kasus ini peneliti hendaknya hati-hati,
karena tanpa memperhatikan variabel antara dapat memberikan keputusan
yang salah dan tidak rasional. Kalau variabel antara dilibatkan dalam
analisis, maka analisisnya berjenjang. Mula-mula menganalisis hubungan
antara variabel bebas dengan variabel antara, baru kemudian mencari
hubungan variabel antara dengan variabel terikatnya.
Apabila yang kita hadapi adala kondisi (pola) pertama, maka analisisnya
akan sederhana. Sebaliknya jika yang kita hadapi adalah pola yang kedua, maka
kita harus melihat besarnya kontribusi bersama maupun yang benar-benar
terpisah. Lain halnya jika tujuan kita tidak akan melihat kontribusi variabel
bebas terhadap variabel terika, tetapi hanya sekedar untuk melakukan prediksi
atas nilai variabel terikat dengan dasar variabel bebas. Tujuan yang terakhir ini
kurang mempunyai sumbangan dalam pengambilan kebijakan. Sebaiknya kita
dapat menggunakan analisis statistik (khususnya regresi ganda) semaksimal
mungkin. Semakin banyak variabel bebas yang dilibatkan dalam perhitungan
(tentunya sesuai dengan teori yang mendasari penelitian) semakin baik
keputusan yang dapat diambil.
Mengingat dewasa ini komputer telah diprogram untuk membantu peneliti
dalam menganalisis data yang melibatkan banyak variabel, maka analisis
statistik tidak perlu ditakuti. Walaupun demikian pemakai hasil (output)
komputer hendaknya memahami konsep analisis yang diperintahkan. Tanpa
mengetahui konsep dasarnya hasil analisis komputer tidak dapat membantu
pemakai dalam menginterpretasikan serta mengambilkeputusan. Di samping

5
 itu, tanpa pengetahuan statistik memungkinkan penelitian tidak tahu adanya
kesalahan dalam analisis maupun kelemahan nalisis, padahal kesalahan serta
kelemahan itu masih berkemungkinan muncul. Ingat bahwa komputer itu
bergantung pada orang yang menjalankannya (dalam hal ini adalah orang yang
memerintah), jika perintahnya tidak sesua dengan tujuan awal maka
hasilnyapun akan menyimpang atau bahkan tidak ada hasil sama sekali karena
komputer tidak dapat mengolah (memproses).

B. Regresi Ganda Linier

Kalau satu variabel dependen Y perlu dijelaskan oleh lebih dari satu variabel
independen X, maka kita perlu membuat model yang sesuai dengan tujuan studi.
Model tersebut adalah regresi linier ganda (Multivariate Linear Regression). Selain
berguna untuk dapat menjelaskan hubungan p variabel X secara bersama terhadap
variabel Y, dengan analisis regresi ganda juga dapat diperoleh suatu penjelasan
tentang peranan atau kontribusi relatif setiap variabel X terhadap variabel Y.
Analisis regresi ganda mempunyai langkah yang sama dengan analisis
regresi sederhana, hanya di sini analisisnya lebih kompleks, karena melibatkan
banyak variabel bebas. Di samping itu, analisis regresi ganda lebih banyak
didasarkan pada asumsi, karena pengujian tentang terpenuhi tidaknya asumsi
masih sukar dilakukan. Sampai saat ini yang baru dapat dikembangkan secara
mantap adalah model linier, dan pengujian linieritas pada regresi ganda terlalu
sukar dilakukan sampai saat ini, lebih-lebih jika varabel bebasnya lebih dari 4
(empat). Oleh karena itu, linieritas dalam regresi ganda terpaksa diasumsikan saja,
sehingga jika bentuk garis hubungan itu tidak linier maka hasilnya bisa
menyesatkan. Oleh karena itu, perlu hati-hati dalam menggunakan hasil analisis
regresi ganda.
Bentuk persamaan regresi ganda:
1. Dua variabel bebas:
Y^ = a + b ₁ x ₁ + b₂x₂
Untuk menghitung koefisien regresinya menggunakan persamaan sbb:
ΣΥ = an + b ₁ ΣX ₁ + b₂ ΣX₂

6
 ΣX ₁ Y = a ΣX ₁ + b ₁ ΣX ² ₁ + b₂ ΣX ₁X₂
ΣX₂ Y = a ΣX₂ + b₁ ΣX ₁X₂ + b₂ ΣX² ₂
2. Tiga variabel bebas
Y^ = a + b₁ X₁ + b₂ X₂ + bx
Untuk menghitung koefisien regresinya menggunakan persamaan:
3. K buah variabel bebas
Untuk menghitung koefisien regresinya menggunakan persamaan sebanyak k+1
buah, yaitu:
Selain langkah di atas sebenarnya koefisien regresi dapat dihitung dengan
langkah lain, yaitu jika kita mendasarkan perhitungan pada simpangan masing-
masing nilai variabel dengan nlai rata-ratanya. Apabila kita member notasi X (huruf
besar) untuk nilai asli dan nilai simpangan dengan x (huruf kecil), maka persamaan
regresi ganda yang disesuaikan adalah:
1. Dua variabel bebas
Nilai b dapat dihitung dengan persamaan:
Untuk menghitung koefisien regresi menggunakan persamaan:
Untuk menghitung koefisien regresi menggunakan persamaan:
Untuk menghitung koefisien regresi menggunakan persamaan:
2. Tiga variabel bebas
Untuk menghitung koefisien regresi menggunakan persamaan:
Untuk menghitung koefisien regresi menggunakan persamaan:
3. K buah variabel bebas
Untuk menghitung koefisien regresi menggunakan persamaan:
Untuk menghitung koefisien regresi menggunakan persamaan:
Dengan perhitungan simpangan masing-masing (Y taksiran) akan dapat
dihitung besarnya variasi taksiran. Variasi taksiran ini akan memberi gambaran
kepada peneliti/pemakai tentang akurat tidaknya persamaan regresi ganda
digunakan sebagai alat prediksi. Apabila ternyata nilai variasi ini rendah/kecil maka
persamaan regresi itu digunakan untuk melakukan prediksi dengan baik, demikian
pila sebaliknya.
Variasi taksiran dapat dihitung dengan menggunakan rumus:

7
 Keterangan: k adalah banyaknya variabel bebas

C. Signifikansi Koefisien Regresi Ganda

1) Pengujian Signifikansi Persamaan Regresi
Pengujian disini menggunakan F tes, yang merupakan hasil bagi
MSb/a (regresi) dengan MS sisa. Pengujian disini kita dasarkan pada asumsi
bahwa persamaan regresi ganda yang diperoleh aalah linier. Asumsi ini
digunakan karena keterbatasan kemampuan melakukan pengujian linieritas
pada regresi ganda (lebih-lebih jika melibatkan x lebih dari 2). Oleh karena itu,
pengujiannya bisa dihitung dari nilai simpangan masng-masing rata-ratanya.
a. Sum of Square b/a
Dihitung dengan rumus:
Dimana:
Sedangkan derajat kebebasan adakah k (banyanya variabel bebas)
b. Means square b/a
Means square b/a merupakan hasil bagi SS dengan derajat kebebasanya
c. Sum of Square Sisa
Dihitung dengan rumus:
Dimana derajat kebebasan sisa sebesar n-k-1.
d. Means Square Sisa
Dihitung dengan rumus:
Setelah masing-masing means square yang dibutuhkan dalam perhitungan
F tes diperoleh, maka langkah selanjutnya adalah mencari F, sedangkan F
hitung dapat diperoleh dengan rumus:
Jika F hitung lebih besar daripada F tabel maka hipotesis nol yang
menyatakan bahwa regresi linier ganda tak signifikan ditolak. Ini berarti bahwa
persamaan regresi linier ganda yang diperoleh dapat digunakan untuk
melakukan presiksi nilai Y jika diketahui nilai X1 dan X2, pada populasi di
mana data sampel diambil.
2) Pengujian Signifikansi Regresi Ganda

8
 Walaupun persamaan regresi linier ganda telah terbukti signifikan,
tetapi masih bisa dipersoalkan tentang kontribusi masing-masing variabel bebas
terhadap variabel terikat. Untuk itu perlu pengujian koefisien regresi, dalam hal
ini akan diuji koefisien b dengan menggunakan t tes. Pengujian disini akan
melibatkan simpangan baku taksiran, jumlah kuadrat simpangan nilai X yang
diuji koefisiennya dengan rata-ratanya, dan korelasi X yang diuji koefisiennya
dengan X lainnya.
Nilai t dapat diperoleh dengan menggunakan rumus:
Keterangan: adalah koefisien regresi ke k, adalah simpangan baku koefisien b
yang ke k.
Simpangan baku koefisien b dapat dihitung dengan rumus:
Jika nilai t hitung lebih besar dari t tabel maka koefisien regresi signifikan.

D. Koefisien Korelasi
Untuk mengetahui besarnya kontribusi variabel bebas terhadap variabel
terikatnya diperlukan perhitungan koefisien korelasi. Dalam regresi linier
sederhana, koefisien korelasi merupakan kuadrat korelasi antara X dan Y, tetapi
dalam regresi linier ganda koefisien korelasi merupakan sumbangan/kontribusi
bersama dari seluruh variabel bebas terhadap variabel terikatnya. Mengingat
variabel bebas satu dengan vaiabel bebasyang lain berkemungkinan besar tidak
mandiri (masih ada hubungan walaupun kecil), maka kontribusi seluruh variabel
bebas terhadap variabel terikatnya.
Koefisien korelasi regresi linier ganda dapat dihitung dengan rumus:
Koefisien korelasi regresi linier ganda juga dapat dihitung dengan rumus:
Keterangan: adalah simpangan bakutaksiran Y untk nilai-nilai X adalah simpangan
baku Y.
Apabila kita telah memperoleh nilai korelasi baik yang sederhana antar
variabel, maka koefisien korelasinya lebih mudah dihitung dengan rumus:
Apabila korelasi yang diketahui terbatas pada korelasi sederhana, maka
koefisien korelasi regres ganda akan lebih mudah dihitung dengan rumus:

9
Sedangkan dihitung dengan rumus:
Dan dihitung dengan rumus setelah korelasi regresi linier ganda diperoleh,
langkah selanjutnya adalah menguji signifikansi koefisien korelasi tersebut.
Apabila koefisien korelasi tersebut memang signifikan, barulah dapat digunakan
untuk menyatakanbesarnya kontribusi bersama dari variabel bebas terhadap
variabel terikatnya. Pengujian koefisien korelasi regresi linier ganda menggunakan
F tes, sedangkan F hitung diperoleh dengan rumus:
Apabila rencana penelitian melibatkan banyak variabel bebas, maka
kontribusi bersama variabel bebas terhadap variabel terikat dimungkinkan semakin
besar (tentunya dengan syarat bahwa antar variabel bebas tersebut benar-benar
independen).
Sampai sejauh ini kesimpulan yang bisa diambil masih bersifat umum,
sehingga tidak dapat memberikan informasi yang spesifik. Mengingat
kemungkinan variabel bebas yang satu dengan y ang lainnya tidak benar-benar
independent (mereka masih ada hubungan), maka besarnya kontribusi masih bisa
dipertanyakan lagi. Apakah besarnya kontribusi itu ditentukan oleh kedua variabel
secara berimbang? Kalau tidak, berapa persen yang benar-benar dipengaruhi oleh
variabel bebas pertama dan berapa persen yang dipengaruhi oleh variabel bebas ke
dua? Untuk menjawab pertanyaan tersebut diperlukan analisis lebih lanjut (analisis
korelasi parsial). Analisis parsial merupakan langkah lanjut dari analisis regresi
ganda.

E. Korelasi Parsial
Untuk mengetahui besarnya kontribusi masing-masing variabel bebas
terhadap variabel terikat dengan mempertimbangkan hubungan variabel bebas
lainnya, baik terhadap variabel terikat maupun variabel bebas yang dicari
kontribusinya, diperlukan analisis tersendiri. Apabila yang dihadapi adalah regresi
dengan dua variabel bebas, maka akan diperoleh korelasi parsial sebanyak dua
buah.
Korelasi parsial yang pertama menyatakan hubungan antara variabel bebas
pertama dengan variabel terikat dengan menghilangkan pengaruh (hubungan)

10
variabel bebas kedua dengan variabel bebas pertama dan pengaruh variabel kedua
dengan variabel terikatnya. Korelasi parsial yang kedua menyatakan hubungan
antara variabel bebas kedua dengan variabel terikat dengan menghilangkan
pengaruh (hubungan) variabel bebas pertama dengan variabel bebas kedua dan
pengaruh variabel pertama dengan variabel terikatnya. Dengan jalan
menghilangkan pengaruh tersebut maka kontribusi variabel pertama dan kedua
terhadap variabel terikatnya merupakan kontribusi yang mendekati murni.
Pada saat menghitung korelasi ganda antara beberapa variabel bebas
terhadap variabel terikat, unsure kebersamaan antar variabel bebas telah masuk.
Oleh karenanya kita tidak memperoleh informasi yang tepat (mendekati tepat)
tentang besarnya kontribusi masing-masing. Hal ini sering dijumpai pada penelitian
sosial, termasukdi dalamnya penelitian pendidikan, karena perubahan yang terjadi
pada variabel terikat tidak semata-mata dipengaruhi oleh satu dua variabel bebas.
Di samping masing-masing variabel bebas tidak benar-benar berdiri sendiri dalam
mempengaruhi variabel terikat. Unsure kebersamaan mungkin lebih banyak dari
pada unsure mandiri dalam mempengaruhi variabel terikat tersebut. Oleh karenanya
pemakai statistik hendaknya hati-hati dalam mendeskripsikanhasil analisis statistik.
Jika dianggap kurang bisa mengemukakan maksud atau tujuan penelitian maka
analisis perlu dilanjutkan.
Mengingat kita telah membahas korelasi sederhana dan korelasi ganda,
maka perhitungan pada korelasi parsial tidak akan menyulitkan. Jika regresi ganda
yang dihadapi mempunyai dua variabel bebas (X1) dan (X2), maka aka nada dua
koefisien korelasi parsial yang dapat dihitung dengan rumus:
Sebelum kita menggunakan koefisien korelasi parsial sebagai dasar
interpretas perlu di lakukan uji signifikansi koefisien korelasi parsial dengan F
tes. Sedangkan F hitung yang berkaitan dengan koefisien korelasi parsial, dihitung
untuk masing-masing koefisien korelasi. Untuk mencari F pada pengujian
signifikansi koefisien korelasi parsial antara variabel terikat dengan variabel bebas
pertama dipakai rumus:
Sedangkan F hitung untuk koefisien korelasi parsial antara variabel terikat
dengan variabel bebas kedua dicari dengan rumus:

11
F. Beberapa Hal yang Perlu Diingat pada Regresi Ganda
Sebelum menggunakan analisis regresi ganda, kita perlu melakukan control
terhadap beberapa kondisi yang berkaitan dengan data yang dimiliki. Disamping
itu juga harus mengambil ancang-ancang dalam melakukan deskripsi. Hal ini
disebabkan karena analisis regresi ganda menuntut adanya beberapa syarat serta
karena analisis regresi ganda mengandung keterbatasan dalam analisisnya.
Beberapa syarat yang harus dipenuhi dalam regresi ganda adalah:
• Sampel harus diambil secara acak (random) dari populasi yang berdistribusi
normal.
• Oleh karena sampel diambil dari populasi yang berdistribusi normal, maka
sampel juga harus berdistribusi normal. Normalitas dapat diatasi dengan
mengambil sampel banyak. Di samping itu, normalitas dapat diuji dengan
normalitas (misalnya dengan liliefors)
• Data variabel terikat harus berskala interval atau skala ratio sedangkan skala
untuk variabel bebas tidak harus interval atau ratio tetapi bisa juga untuk
data yang berskala lebih rendah. Jika variabel bebas berskala di bawah
interval, maka perlu cara lain. Dalam hal ini data variabel bebas diubah
dengan system coding (pemberian tanda tertentu). Pembahasan di sini
terbatas pada analisis dengan variabel berskala interval atau ratio.
• Antara variabel bebas dengan variabel terikat mempunyai hubungan secara
teoritis, dan melalui perhitungan korelasi sederhana dapat diuji signifikansi
hubungan tertentu. Jika ternyata antara variabel bebas dengan variabel
terikat tidak mempunyai hubungan sederhana yang signifikan maka korelasi
gandapun tidak akan signifikan.
• Persamaan regresi harus linier. Mengingat pengujian linieritas untuk regresi
ganda sukar dilakukan maka sejauh ini linieritas untuk regresi ganda hanya
di asumsikan. Oleh karena itu, perlu tindakan hati-hati dalam melakukan
deskripsi atas hasil analisisnya karena semua perhitungan didasarkan pada
asumsi, dan tidak dilakukan pengujian tentang linieritas.
Dalam regresi ganda besarnya kontribusi bersama tergantungan pada urutan
masuknya variabel bebas dalam perhitungan. Hal ini berarti bahwa besar kecilnya

12
kontribusi bersama variabel bebas terhadap variabel terikat akan berubah-ubah jika
urutan memasukkan data variabel bebas dalam perhitungan diubah-ubah (posisi
variabel bebas berubah akan mengubah besarnya kontribusi bersama walaupun data
sama untuk setiap responden). Besarnya variabel bebas yang dominan (mempunyai
hubungan/korelasi sederhana paling besar) akan masuk dalam perhitungan lebih
dahulu. Baru kemudian diikuti oleh variabel bebas berikutnya. Apabila model yang
dikembangkan didasarkan oleh teori yang kuat (berkaitan dengan urutan kontribusi
X terhadap Y), maka perhitungan korelasi ganda sebaiknya didasarkan pada urutan
menurut teori. Perhitungan manual yang dilakukan di atas berdasarkan urutan yang
telah ditetapkan lebih dulu.

BAB III

PENUTUP

A. Kesimpulan
Regresi linier ganda (Multivariate Linear Regression) adalah analisis yang
dilakukan apabila satu variabel dependen Y perlu dijelaskan oleh lebih dari satu
variabel independen X. Model regresi ganda yang telah dikembangkan secara
mantap adalah model linier. Pengujian keberartian persamaan regresi ganda
menggunakan F tes dan pengujian koefisien regresi menggunakan t tes.
Untuk mengetahui besarnya kontribusi variabel bebas terhadap variabel
terikatnya diperlukan perhitungan koefisien korelasi. Untuk mengetahui besarnya
kontribusi masing-masing variabel bebas terhadap variabel terikat dengan

13
mempertimbangkan hubungan variabel bebas lainnya, baik terhadap variabel
terikat maupun variabel bebas yang dicari kontribusinya, diperlukan analisis
korelasi parsial.

B. Saran
Uraian makalah di atas masih terdapat banyak kekurangannya, untuk itu
penulis berharap kepada pembaca untuk dapat memberikan saran atau kritikan
yang dapat membangun, supaya kita sama dapat menyempurnakan pembuatan
makalah ini.

DAFTAR PUSTAKA

Irianto, Agus. 2010. Statistik Konsep Dasar, Aplikasi, dan Pengembangannya.

Jakarta: Prenada Media Group.
Sudjana. 1996. Metoda Statistika. Bandung: Tarsito.
Tim Penyusun. 2006. Statistika Dasar (Metoda Statistika). Bengkulu: Universitas
Bengkulu.

14