REGRESI LINEAR BERGANDA

Misalnya kita akan membahas hubungan antara promosi ( X 1) dan harga ( X 2)

terhadap minat beli konsumen ( Y ) . Untuk tujuan itu maka kita ambil sampel acak
sebagai berikut:

No X1 X2 Y
1 24 23 14
2 26 22 16
3 21 24 17
4 28 26 17
5 29 32 21
6 34 38 22
7 36 19 14
8 30 21 24
9 22 21 15
10 15 18 16
∑ Y =a 0 n+ a1 ∑ X 1 +a2 ∑ X 2 Persamaan I

∑ Y X 1=a0 ∑ X 1 + a1 ∑ X 12+ a2 ∑ X 1 X 2 Persamaan II

∑ Y X 2=a0 ∑ X 2+ a1 ∑ X 1 X 2+ a2 ∑ X 22 Persamaan III

Uji Asumsi Klasik

Uji Normalitas

Uji normalitas bertujuan untuk mengetahui bahwa data sampel berasal dari
populasi yang berdistribusi normal atau tidak. Data yang baik dan layak
digunakan dalam penelitian ini adalah data yang berdistribusi normal, dalam
penelitian ini peneliti menggunakan uji normalitas dengan uji Kolmogrov-Smirnov.
Berikut adalah hasil uji Kolmogorov-Smirnov dapat dilihat pada gambar di bawah:

Pada gambar P-Plot menunjukkan penyebaran titik mengikuti garis diagonal.

Sehingga dapat disimpulkan bahwa model regresi memiliki asumsi normalitas. Uji
(K-S) untuk menguji normalitas dataresidual, menyatakan jika dalam uji (K-S)
diperoleh nilai signifikasi atau nilai Probabilitas di atas atau > 0,05 distribusi
data adalah normal. Sebaliknya jika diperoleh nilai signifikasi atau nilai
Probabilitas dibawah atau < 0,05 distribusi data adalah tidak normal. Untuk
mendukung atau membuktikan hasil uji normalitas grafik berdistribusi normal
atau tidak maka penulis melakukan uji dengan metode lainnya yaitu Kolmogorov-
Smirnov. Berikut tabel Kolmogorov-Smirnov :
 One-Sample Kolmogorov-Smirnov Test
Unstandardiz
ed Residual
N 10
Normal Parametersa,b Mean ,0000000
Std. 2,85514615
Deviation
Most Extreme Absolute ,249
Differences Positive ,249
Negative -,146
Test Statistic ,249
Asymp. Sig. (2-tailed) ,080c
a. Test distribution is Normal.
b. Calculated from data.
c. Lilliefors Significance Correction.

Berdasarkan pada tabel di atas pada uji normalitas dengan menggunakan metode
Kolmogorov-Smirnov, signifikan pada 0,80 > 0,05 maka dapat disimpulkan bahwa
metode regresi pada penelitian ini telah memenuhi asumsi normalitas dan dapat
disimpulkan berdistribusi normal.

Uji Multikolinearitas

Pengujian ini dilakukan untuk mengetahui apakah ada korelasi yang kuat antara
variabel-variabel independen dengan menggunakan Variance Inflation Factor
(VIF) untuk masing-masing variabel independen. Apabila variabel tersebut
menjadi VIF > 10 berarti terjadi multikolinearitas, sebaliknya apabila variabel
tersebut mempunyai VIF < 10 maka tidak terjadi gejala multikolinearitas.
Berikut adalah hasil pengujian multikolinearitas:

Coefficientsa
Model Unstandardized Standardized t Sig. Collinearity
Coefficients Coefficients Statistics
B Std. Error Beta Tolerance VIF
1 (Constant 8,607 5,279 1,630 ,147
)
Promosi ,078 ,191 ,139 ,405 ,697 ,803 1,245
Harga ,284 ,194 ,504 1,465 ,186 ,803 1,245
a. Dependent Variable: Minat Beli Konsumen

Dari tabel di atas dapat dilihat bahwa hasil perhitungan analisis menunjukkan
bahwa nilai VIF masing-masing independen lebih kecil dari 10 (VIF < 10) dan nilai
Tolerance lebih besar dari 0,10 (Tolerance > 0,10) sehingga dapat disimpulkan
bahwa model regresi tidak mengandung gejala multikolinearitas.

Analisis Regresi Linear Berganda

Coefficientsa
Model Unstandardized Coefficients Standardized Coefficients t Sig.
B Std. Error Beta
1 (Constant) 8,607 5,279 1,630 ,147
Promosi ,078 ,191 ,139 ,405 ,697
Harga ,284 ,194 ,504 1,465 ,186
a. Dependent Variable: Minat Beli Konsumen

Berikut perhitungan regresi linear berganda pada tabel di atas. Dapat diketahui
rumusnya sebagai berikut:

Y = 0,8607+0,078X1+0,284X2 + e

Dari persamaan regresi di atas dapat dijelaskan bahwa:

a. Jika nilai variabel X1, dan X2 adalah konstan atau sama dengan nol, maka

besarnya variabel Y sebesar 0,8607.

b. Nilai koefisien variabel X1 sebesar 0,078. Tanda positif menunjukkan

terjadinya perubahan yang searah dari variabel (X 1) terhadap variabel (Y),

yang artinya apabila variabel (X1) mengalami peningkatan sebanyak 1 kali

maka variabel Y juga akan mengalami peningkatan sebesar 0,078.

Demikian sebaliknya.

c. Nilai koefisien variabel X2 sebesar 0,284. Tanda positif menunjukkan

terjadinya perubahan yang searah dari variabel (X 2) terhadap variabel (Y),

yang artinya apabila variabel (X2) mengalami peningkatan sebanyak 1 kali

maka variabel Y juga akan mengalami peningkatan sebesar 0,284. demikian

sebaliknya.