BAB II

PEMBAHASAN

2.1 Pengertian Regresi Linier Berganda

Regresi berganda adalah teknik statistik yang secara bersamaan
mengembangkan hubungan matematis antara dua atau lebih variabel independen
dan variabel dependen.
Dari definisi diatas menjelaskan bahwa alasan pemilihan metode ini didasarkan
pada penelitian ini terdapat dua variabel independen. Tujuannya yakni untuk
mengetahui apakah terdapat hubungan antara variabel iklan televisi (X1) dan
persepsi kualitas produk (X2) sebagai variabel independen yang mempengaruhi
variabel minat beli (Y) sebagai variabel dependen.
Model regresi linier berganda merupakan suatu persamaan yang menggambarkan
hubungan antara dua atau lebih variabel bebas/ predictor (X1, X2,…Xn) dan satu
variabel tak bebas/ response (Y). Tujuan dari analisis regresi linier berganda
adalah untuk memprediksi nilai variabel tak bebas/ response (Y) jika nilai
variabel-variabel bebas/ predictor (X1, X2, ..., Xn) diketahui. Disamping itu juga
untuk mengetahui arah hubungan yuantara variabel tak bebas dengan variabel-
variabel bebas.
Persamaan regresi linier berganda secara matematik diekspresikan oleh :
Y = a + b1X1 + b2X2 +… + bnXn
yang mana :
Y = variable tak bebas (nilai yang akan diprediksi)
a = konstanta
b1, b2,.., bn = koefisien regresi
X1, X2,…, Xn = variable bebas
Bila terdapat 2 variable bebas, yaitu X1 dan X2, maka bentuk persamaan
regresinya adalah :
Y = a + b1X1 + b2X2

Keadaan-keadaan bila nilai koefisien-koefisien regresi b1 dan b2 adalah :

1
 a. bernilai 0, maka tidak ada pengaruh X1 dan X2 terhadap Y.
b. bernilai negatif, maka terjadi hubungan yang berbalik arah antara variabel
bebas X1 dan X2 dengan variabel tak bebas Y.
c. bernilai positif, maka terjadi hubungan yang searah antara variabel bebas X1
dan X2 dengan variabel tak bebas Y.

2.2 Pengertian Regresi Linier Sederhana

Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk
menguji sejauh mana hubungan sebab akibat antara variabel faktor penyebab (X)
terhadap variabel akibatnya. Menurut (Moch Irzad Aditya Imran, 2018)
Persamaan regresi linier sederhana merupakan model persamaan yang digunakan
dalam penelitian untuk mengukur kekuatan hubungan antara dua variabel, yaitu
variable bebas (X) dan variable tak bebas (Y). Faktor penyebab pada umumnya
dilambangkan dengan X atau disebut juga dengan prediktor sedangkan variabel
akibat dilambangkan dengan Y atau disebut juga dengan Response. Menurut
(Fatmawati & Lubis, 2020) analisis regresi linier sederhana ini bersifat parametik
sehingga data yang digunakan harus memiliki skala pengukuran sekurang-
kurangnya interval dan berdistribusi normal.
Rumus Regresi Linier Sederhana:

Persamaan linier dapat ditulis sebagai berikut:

Y = α + bX
Y = Garis regresi/variable response
a = Konstanta (perpotongan dengan sumbu vertikal)
b = Konstanta regresi
X = Variable bebas

2
Contoh:
No Kualitas Pelayanan Keperawatan Jumlah Pasien
1. 50 149
2. 54 158
3. 53 156
4. 48 147
5. 50 149
6. 52 150
7. 50 153
8. 53 156
9. 54 158
10 55 160
.

Pengolahan Data:
No X Y X2 Y2 XY
1. 50 149 2500 22201 7450
2. 54 158 2916 24964 8532
3. 53 156 2809 24336 8268
4. 48 147 2304 21609 7056
5. 50 149 2500 22201 7450
6. 52 150 2704 22500 7800
7. 50 153 2500 23409 7650
8. 53 156 2809 24336 8268
9. 54 158 2916 24964 8532
10. 55 160 3025 25600 8800
Tota 519 1536 26983 236120 79806
l

3
Model
Persamaan:

Jadi, diperkirakan nilai rata-rata jumlah pasien tiap bulan sebesar

565.430,5. Dari persamaan regresi ini dapat diartikan jika kualitas layanan
bertambah 1 maka nilai rata-rata jumlah pasien bertambah 5.322,3.

2.3 Sifat-sifat Regresi

1. Regresi bukan merupakan hubungan sebab-akibat yang bersifat eksak.
Artinya, jika nilai dari variabel X diketahui, maka nilai dari variabel Y
tidak selalu akan sama, namun dapat dianggap sebagai rata-rata dari
variabel Y. Hal ini disebabkan karena selain variabel X, terdapat faktor-
faktor lain yang mempengaruhi variabel Y.
2. Konsep fungsi regresi populasi. Kita tidak selalu dapat mengamati atau
memeriksa seluruh populasi secara lengkap. Oleh karena itu, bentuk dari
fungsi regresi populasi menjadi suatu permasalahan empiris. Dalam
analisis regresi, lebih diutamakan untuk membuat perkiraan koefisien

4
 berdasarkan hasil penelitian dari sampel.
3. Fungsi regresi sampel. Fungsi regresi populasi adalah fungsi regresi
sebenarnya, namun dalam praktiknya kita tidak selalu mengetahuinya
karena kita hanya mengamati sampel dan bukan seluruh populasi. Oleh
karena itu, analisis yang dilakukan adalah terhadap fungsi regresi sampel
sebagai perkiraan dari fungsi regresi populasi. Fungsi regresi sampel inilah
yang sering digunakan untuk meramalkan nilai variabel Y jika variabel
bebas (X) diketahui. Dalam hal ini, regresi sampel merupakan pendekatan
atau perkiraan dari garis regresi sebenarnya (populasi), sehingga penting
untuk memilih sampel yang mewakili populasi.
4. Linearitas.
a) Linearitas dalam variabel.
Suatu fungsi Y=f(X) dikatakan linear terhadap variabel X jika X memiliki
pangkat satu. Contoh : E(Y/Xi) = A + B Xi
A : Merupakan intercept (jarak dari titik asal ke titik perpotongan antara
regresi dan sumbu tegak)
B : adalah koefisien arah (slope) atau koefisien regresi.
Nilai A sebenarnya merupakan nilai dari E(Y/Xi) ketika Xi sama dengan
nol. A dan B disebut sebagai koefisien sebenarnya atau parameter.
Persamaan ini memenuhi kriteria bahwa nilai X muncul dengan pangkat
satu.
b) Linearitas dalam parameter.
Dalam konteks ini, E(Y/Xi) merupakan linear dari parameter A, tetapi B
dapat tidak linear terhadap variabel. Sebagai contoh, E(Y/Xi) = A + BX2
merupakan linear dalam variabel, namun bukan merupakan fungsi linear
dalam parameter.

2.4 Hal yang Harus Diuji pada Regresi Berganda/Sederhana

1. Uji Validitas
Umumnya menggunakan korelasi pearson. Pada tahap ini dapat dilakukan
ketika judulnya merupakan pengaruh x terhadap y, atau pengaruh x dan x t
erhadap y. Pada saat melakukan uji validitas, akan diketemukan item yang t
idak valid dan item yag valid, item yang tidak valid tersebut tidak bisa dila

5
 njutkan untuk uji selanjutnya, sedangkan item yang valid akan dilanjutkan
pada uji yang selanjutnya.
2. Uji Reliabilitas
Umumnya menggunakan alpha cronbach ( α ). Setelah melakukan uji validi
tas dan ditemukan item yang valid, maka akan dilakukan uji reliabilitasnya.
Pada tahap uji reliabilitas biasanya item-itemnya tidak menggunakan skor t
otal, berbeda dengan validitas. Reliabilitas biasanya dinilai di atas 0,6 .
3. Uji Asumsi Klasik
Uji asumsi klasik dibagi menjadi 3, yaitu:
a) Uji Normalitas
Ketika melakukan uji ini, diusahakan menggunakan angka agar diketahui
standarnya diangka berapa yang dianggap normal, dan diangka berapa ya
ng dianggap tidak normal.
Menggunakan angka pada uji normalitas sangat disarankan daripada men
ggunakan gambar karena terkesan kurang jelas.
b) Uji Multikolinieritas
Uji ini dipakai pada regresi berganda, bukan pada regresi linier sederhan
a. Nilai toleransi pada uji ini harus lebih besar dari 0,1. Jika sudah lebih
besar dari 0,1 maka dianggap bebas dari multikolinieritas.
c) Uji Heteroskedastisitas
Uji ini dilakukan ketika uji yang sebelumnya (normalitas dan multikolini
eritas) lolos.
4. Uji Hipotesis
a) Uji F
Pada tahap ini disarankan uji F dilakukan terlebih dahulu daripada uji reg
resi liniernya, karena kalau uji F nya gagal, otomatis uji liniernya juga tid
ak digunakan.
Apabila uji F sudah berhasil/signifikan dengan nilai di bawah 0,05 maka
dilanjut dengan uji selanjutnya yaitu uji t.
Uji F hanya digunakan pada regresi berganda.
b) Uji t
Uji t dapat dilihat dari nilai signifikansinya, jika nilai signifikansinya kur

6
 ang dari 0,05 maka akan berpengaruh, tetapi jika nilai signifikansinya leb
ih besar dari 0,05 makan tidak akan berpengaruh.
Apabila t hitung lebih besar dari t tabel maka itu akan berpengaruh.
c) Uji Regresi Linier
Uji ini sudah termasuk dalam uji t, dilakukan ketika penelitian akan men
getahui pengaruh dari suatu variabel terhadap variabel lainnya, makan uj
i ini digunakan untuk menganalisa hal tersebut.
d) Uji R Square
Sifat pada uji ini untuk menguji koefisien determinasi yang menunjukka
n persentase pengaruh variabel x terhadap y.
Uji F, uji t, uji regresi linier, dan uji r square dalam SPSS langsung keluar s
emua pada satu tahap (keempat hasilnya).
5. Matriks Korelasi Antara Dimensi
Tahap ini digunakan apabila variabel yang diteliti memiliki dimensi, jika v
ariabelnya tidak memiliki dimensi maka tidak perlu menggunakan matrik k
orelasi antar dimensi kecuali variabel yang diteliti memiliki beberapa dime
nsi (lebih dari satu) dapat menggunakan matriks tersebut.

7
 BAB III

PENUTUP

3.1 Simpulan

3.2 Saran
Demikianlah makalah yang membahas “Penilaian Keterampilan
Berbicara berdasarkan Pendekatan Komunikatif” dapat terselesaikan. Kami
berharap makalah ini dapat memberikan benyak pengetahuan, wawasan baru,
dan manfaat bagi pembaca. Kami harap pembaca bisa memahami pembahasan
makalah ini dengan seksama agar tidak ada kekeliruan atau kesalahpahaman dan
jika dirasa kurang mengerti, diharapkan bisa mencari tambahan literatur lainnya.

8
 DAFTAR PUSTAKA

Darma, B. (2021). Statistika Penelitian Menggunakan SPSS (Uji Validitas, Uji

Reliabilitas, Regresi Linier Sederhana, Regresi Linier Berganda, Uji t, Uji F,
R2). Guepedia.
Fatmawati, F., & Lubis, A. S. (2020). PENGARUH PERILAKU
KEWIRAUSAHAAN TERHADAP KEMAMPUAN MANAJERIAL PADA
PEDAGANG PAKAIAN PUSAT PASAR KOTA MEDAN. Jurnal
Muhammadiyah Manajemen Bisnis, 1(1), 1.
https://doi.org/10.24853/jmmb.1.1.1-10
Khumaedi, E. (2016). Pengaruh Disiplin Dan Motivasi Kerja Terhadap Kinerja
Pegawai Pada Dinas Sentra Operasi Terminal PT. Angkasa Pura II. Jurnal
Ilmiah Manajemen dan Bisnis, 2(1), 96749.
Moch Irzad Aditya Imran. (2018). PENGARUH KEPUASAN PELANGGAN
TERHADAP MINAT BELI ULANG MAKANAN DI RUMAH MAKAN
AYAM BAKAR WONG SOLO ALAUDDIN KOTA MAKASSAR. In
Jurnal Profitability Fakultas Ekonomi Dan Bisnis (Vol. 2).
https://journal.unismuh.ac.id/index.php/profitability
Yulianti, (2016), Sifat Sifat Analisis Regres, Jurnal academia.
https://www.academia.edu/24428251/SIFAT_SIFAT_ANALISIS_REGRESI