ANALISIS REGRESI DAN KORELASI BERGANDA

1. Analisis regresi berganda

Untuk menganalisis besarnya hubungan dan pengaruh variabel independen yang
jumlahnya lebih dari dua variabel.
Bentuk persamaan regresi dengan dua variabel independen adalah
Y = a + b1 X1 + b2 X2
Nilai koefisien regresi dapat digunakan metode Ordinary Least Square (OLS).
ƩY = na + b1 ƩX1 + b2 ƩX2
ƩX1 Y = aƩX1 + b1 ƩX12 + b2 ƩX1 ƩX2
ƩX2Y = a ƩX2 + b2 ƩX1 ƩX 2 + b2 ƩX22
Contoh 1:
Berikut ini penelitian di Minimarket untuk mengetahui hubungan dan pengaruh variabel
harga dan pendapatan terhadap permintaan minyak goreng. Berikut adalah hasil
penelitiannya.

Permintaan minyak Harga minyak Pendapatan

(liter/bulan) (Rp ribu/liter) (Rp juta/bulan)
3 8 10
4 7 10
5 7 8
6 7 5
6 6 4
7 6 3
8 6 2
9 6 2
10 5 1
10 5 1

Penyelesaian :

Y X1 X2 YX1 YX2 X12 X22 X1X2

3 8 10 24 30 64 100 80
4 7 10 28 40 49 100 70
 5 7 8 35 40 49 64 56
6 7 5 42 30 49 25 35
6 6 4 36 24 36 16 24
7 6 3 42 21 36 9 18
8 6 2 48 16 36 4 12
9 6 2 54 18 36 4 12
10 5 1 50 10 25 1 5
10 5 1 50 10 25 1 5
∑Y=68 ∑X1=63 ∑X2=46 ∑YX1= 409 ∑YX2=239 ƩX12=405 ƩX22=324 ƩX1X2=317

ƩY = na + b1 ƩX1 + b2 ƩX2
ƩX1 Y = aƩX1 + b1 ƩX12 + b2 ƩX1 ƩX2
ƩX2Y = a ƩX2 + b2 ƩX1 ƩX 2 + b2 ƩX22
Berdasarkan persamaan tersebut maka
68 = 10a + 63 b1 + 46 b2 (1)
409 = 63a + 405 b1 + 317 b2 (2)
239 = 46a + 317b1 + 324 b2 (3)
Untuk mendapatkan nilai koefisien regresi a, b1 dan b2 dapat dilakukan dengan substitusi
antar persamaan.
-428,4 = -63 a -396,9 b1 – 289,8 b2 (persamaan 1 dikalikan -6,3)
409 = 63a + 405 b1 + 317 b2 (2)
-19,4 = 0 +8,1 b1 + 27,2 b2 (4)
Dari persamaan (1) dan (3)
-312,8 = -46 a – 289,8 b1 -211,6 b2 (persamaan 1 dikalikan -4,6)
239 = 46a + 317b2 + 324 b2 (3)
-73,8 = 0 + 27,2 b1 + 112,4 b2 (5)
Dari persamaan 4 dan 5
65,15 = 0 – 27,2 b1 - 91,34 b2 (Persamaan 4 dikalikan -3,36)
-73,8 = 0 + 27,2 b1 + 112,4 b2 (5)
-8,65 = 0 + 0 + 21,06 b2 (6)
Dari persamaan (6) maka b2 adalah -8,65 /21,06 = -0,41
-19,4 = 0 + 8,1 b1 + 27,2 (-0,41) (4)
-19,4 = 8,1 b1 – 11,18
 8,1 b1 = -19,4 + 11,18
8,1 b1= -8,22
b 1 = -8,22 / 8,1 = -1,015
Mencari nilai a
68 = 10a + 63 b1 + 46 b2 (1)
68 = 10a + 63 (-1,015) + 46(-0,41)
10a = 63 + 92,86
a= 150,86 / 10 = 15,086
maka persamaan regresi sebagai berikut
Y = 15,086 – 1,015 X1 – 0,41 X2

2. Korelasi berganda
Koefisien korelasi sederhana

n( X 1Y )  ( X 1 )( Y )
rYX 1 
n( X 1
2

)  (  X 1 ) 2 n(  Y 2 )  (  Y ) 2 
n( X 2Y )  ( X 2 )( Y )
rYX 2 
n( X 2
2

)  (  X 2 ) 2 n(  Y 2 )  (  Y ) 2 
n( X 1 X 2 )  ( X 1 )( X 2 )
rX 1. X 2. 
n( X 1
2
 2
)  (  X 1 ) 2 n(  X 2 )  (  X 2 ) 2 
Koefisien korelasi parsial diturunkan dari koefisien korelasi sederhana sebagai berikut:

rYX 1  rYX 2 rX 1 X 2
rYX 1. X 2 
(1  r 2 YX 2 )(1  r 2 Xx 2 )

rYX 2  rY X 1 r X 1X 2
rYX 2. X 1 
(1  r 2 YX 1 )(1  r 2 X 1 X 2 )

rX 1 X 2  rYX 2 rYX 2
rX 1. X 2 .Y 
(1  r 2 YX 1 )(1  r 2 YX 2 )
Hitunglah koefisien korelasi parsial

Penyelesaian:

Langkah 1: menghitung koefisien korelasi sederhana

n( X 1Y )  ( X 1 )( Y )
rYX 1 
n( X 1
2

)  (  X 1 ) 2 n(  Y 2 )  (  Y ) 2 
10(409)  (68)(63)  194
rYX 1    0,931
10(516)  (68) 10(405)  (63) 
2 2 208

n( X 2Y )  ( X 2 )( Y )
rYX 2 
n( X 2
2

)  (  X 2 ) 2 n(  Y 2 )  (  Y ) 2 
10(239)  (68)(46)  738
rYX 2    0,951
10(516)  (68) 10(324)  (46) 
2 2 776

n( X 1 X 2 )  ( X 1 )( X 2 )
rX 1. X 2. 
n( X 1
2
 2
)  (  X 1 ) 2 n(  X 2 )  (  X 2 ) 2 
10(317)  (63)(46) 272
rX 1. X 2.    0,901
10(405)  (63) 10(324)  (46) 
2 2 301

Langkah 2 : menghitung koefisien korelasi parsial

rYX 1  rYX 2 rX 1 X 2
rYX 1. X 2 
(1  r 2 YX 2 )(1  r 2 Xx 2 )

 0,931  (0,951.0,901)  0,074

rYX 1. X 2    0,55
(1  (0,951) 2 (1  0,9012 ) 0,134

rYX 2  rY X 1 r X 1X 2
rYX 2. X 1 
(1  r 2 YX 1 )(1  r 2 X 1 X 2 )
  0,951  (0,931.0,901)  0,111
rYX 2. X 1    0,71
(1  (0,931) 2 )(1  0,9012 ) 0,158

rX 1 X 2  rYX 2 rYX 2
rX 1. X 2 .Y 
(1  r 2 YX 1 )(1  r 2 YX 2 )

0,901  (0,931.0,951) 0,016

rX 1. X 2 .Y    0,143
(1  (0,931 )(1  0,951 )
2 2 0,113

Nilai koefisien kolrelasi parsial untuk Y dengan X1, dimana X2 tetap (rYX1.X2) dan Y dengan X2,
dimana X1 tetap (rYX2.X1), lebih besar dari 0,5 yang berarti menunjukan hubungan antara Y
dengan X1 maupun X2 erat. Sedangkan nilai korelasi antara X2 denga X1 lebih kecil dari 0,5
menunjukan hubungan yang lemah.