REGRESI DAN KORELASI

LINEAR BERGANDA
REGRESI LINEAR
BERGANDA

Regresi Linear Berganda adalah regresi

dimana variabel dependennya (Y) di
hubungkan /dijelaskan oleh lebih dari satu
variabel independen (X1, X2,...., Xk) namun
masih menunjukkan diagram hubungan yang
linear.
PERSAMAAN REGRESI LINEAR
BERGANDA DENGAN DUA VARIABEL
BEBAS
Yˆ = a ± b1X1 ± b2X2 ± bnXn +e
Keterangan: Ý = 1 + 2X1 + 3X2 + e
Yˆ = variabel dependen (variabel yang dipengaruhi)
X1, X2 = variabel independen (variabel yang mempengaruhi)
b1, b2 = koefisien regresi linear berganda disebut juga sebagai
koefisien regresi parsial (partial coefficient regression)
a = intercept (nilai Y, apabila X1 = X2 = 0)
b1 = besarnya kenaikan / penurunan rata-rata nilai Y dalam
satuan, jika X1 naik satu satuan dan X2 konstan
b2 = besarnya kenaikan / penurunan rata-rata nilai Y dalam
satuan, jika X2 naik satu satuan dan X1 konstan
+ atau - = tanda yang menunjukkan arah hubungan antara Y dan X1
atau X2
RUMUS PERSAMAAN
CONTOH SOAL :

Ý Y-Ý

4 1

Ʃ
0.75
 PENGUJIAN KOEFISIEN
REGRESI
1. Standard Error of Estimate (SE)
merupakan besaran rata-rata penyimpangan
variabel dependen yang diprediksi terhadap variabel
dependen sebenarnya.
 PENGUJIAN KOEFISIEN
REGRESI
2. Pendugaan Hipotesis Koefisien Regresi
Berganda (Parameter 𝛃1 dan 𝛃1)

• Pengujian Hipotesis Secara Bersama-Sama (F

statistik)
Digunakan untuk melihat signifikansi variabel
independen secara keseluruhan / bersama – sama
dalam mempengaruhi nilai variabel dependen (Y).
 Formulasi Hipotesis
(X1 dan X2 secara bersama-sama tidak
mempengaruhi Y)

(X1 dan X2 secara bersama-sama

mempengaruhi Y atau paling sedikit ada X
yang mempengaruhi Y)

 Kriteria (Menggunakan SPSS)

Sig. ≥ α → Ho tidak dapat ditolak
Sig. < α → Ho ditolak

(Menggunakan manual tabel)

Jika F hitung > F tabel maka H0 ditolak dan Ha Artinya,
semua variabel bebas adalah penjelas yang signifikan terhadap
variabel terikat

Jika F hitung < F tabel maka H0 diterima dan Ha Artinya,

semua variabel bebas bukan penjelas yang signifikan terhadap
variabel terikat
df pembilang = k – 1 df penyebut = n – k
 Pengujian Hipotesis Individual (t statistik)
Digunakan untuk melihat signifikansi variabel independen
secara parsial dalam mempengaruhi variabel dependen (Y).

 Formulasi Hipotesis
Ho : 𝛃i = 0 (Xi secara parsial tidak berpengaruh signifikan
terhadap Y)
Ha : 𝛃i > 0 (Xi secara parsial berpengaruh positif terhadap Y)
𝛃i < 0 (Xi secara parsial berpengaruh negatif terhadap Y)
𝛃i ≠ 0 (Xi secara parsial berpengaruh signifikan terhadap Y)
 Kriteria
Sig. ≥ α → Ho tidak dapat ditolak
Sig. < α → Ho ditolak

Jika α < 0,05 dan t hitung > t tabel maka H0 Artinya, terdapat pengaruh
yang signifikan dari variabel independen terhadap dependen.

Jika α > 0,05 dan t hitung < t tabel maka H0 Artinya, terdapat pengaruh
yang tidak signifikan pada variabel uji.

Kriteria Uji t tergantung dari hipotesis yang dibuat

Dua Pihak 1 pihak kanan 1 pihak kiri
df = n - k - 1
KORELASI LINEAR
BERGANDA
Korelasi linear berganda merupakan alat ukur
mengenai hubungan yang terjadi antara variabel
dependen (Y) dan dua atau lebih variabel independen
(X1, X2, ..., Xk).

Analisis korelasinya menggunakan tiga koefisien

korelasi, yaitu koefisien determinasi berganda,
koefisien korelasi berganda dan koefisien korelasi
parsial.
KOEFISIEN DETERMINASI
BERGANDA (R2)
merupakan ukuran kesesuaian garis regresi linear
berganda terhadap suatu data.

Koefisien determinasi tersebut digunakan untuk :

Mengukur besarnya kontribusi X1 dan X2 terhadap
variasi Y dalam hubungnnya dengan persamaan
garis regresi linear berganda = a + b1X1 + b2X2.
Nilai koefisien determinasi berganda terletak
antara 0 dan 1 (0 ≤ R2 ≤ 1).
KOEFISIEN KORELASI PARSIAL

Koefisien korelasi parsial (r) merupakan

koefisien korelasi antara dua variabel jika
variabel lainnya konstan, pada hubungan
yang melibatkan lebih dari dua variabel
KOEFISIEN KORELASI BERGANDA
(R)

Koefisien korelasi berganda, merupakan

ukuran keeratan hubungan antara variabel
dependen dan semua variabel independen
secara bersama-sama.
CONTOH SOAL DENGAN MENGGUNAKAN
SPSS
SOAL
Bagian personalia PT SELALU SEMANGAT
merekrut tenaga kerja baru bagi perusahaannya
yang akan ditempatkan di bagian keuangan.
Sebelum dilakukan pelatihan terhadap tenaga kerja
baru tersebut, mereka diwajibkan mengikuti 2
rangkaian tes, tes yang pertama mengenai
ketelitian dan tes yang kedua mengenai
kecerdasan. X1 dan X2 merupakan nilai tes
ketelitian dan nilai tes kecerdasan, sedangkan Y
merupakan nilai hasil ujian setelah melakukan
pelatihan. Dari 10 calon diperoleh hasil sebagai
berikut :
X1 X2 Y
74 40 91
59 41 72
83 45 95
76 43 90
69 40 82
88 47 98
71 37 80
69 36 75
61 34 74
70 37 70
PERTANYAAN :
1. Tentukan persamaan regresinya dan interpretasikan ?
2. Tentukan koefisien determinasi dan nondeterminasi!
Interpretasikan ?
3. Tentukan koefisien korelasi berganda dan tentukan
standard error of estimate ?
4. Tentukan korelasi parsial antara nilai tes ketelitian
terhadap nilai hasil ujian dan nilai tes kecerdasan
terhadap nilai hasil ujian ?
5. Dengan tingkat signifikansi 5%, apakah nilai tes ketelitian
dan nilai tes kecerdasan berpengaruh secara parsial
terhadap nilai hasil ujian ?
6. Dengan tingkat signifikansi 5%, apakah nilai tes ketelitian
dan nilai tes kecerdasan berpengaruh secara bersama-
sama terhadap nilai hasil ujian?
7. Variabel manakah yang perlu dikeluaran dari model?
LANGKAH – LANGKAH DENGAN
MENGGUNAKAN SOFTWARE SPSS
 Buka SPSS, masukkan nama variabel pada variable view, dan
masukkan data pada data view
 Pada menu bar, pilih analyze, sub menu regression, lalu klik linear
 Masukkan variabel Y ke dalam kotak dependent dan X1 dan X2 ke
dalam kotak independent
 Klik Statistics
o Regression Coefficient → aktifkan estimates
o Aktifkan model fit, descriptives, dan part and partial correlations
o Klik Continue
 Klik Option
o Pilih Stepping Method Kriteria → entry 0.05
o Aktifkan Include Constant in Equation
o Pada box missing value pilih exclude cases pairwise
o Klik Continue
o Lalu klik OK
HASIL DENGAN SOFTWARE SPSS :
 PERSAMAAN REGRESI DAN
INTERPRETASI
Coefficientsa

Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant)
-1.966 15.652 -.126 .904

X1 .701 .280 .614 2.505 .041

X2 .855 .601 .349 1.422 .198
a. Dependent Variable: Y
 Persamaan Regresinya :
Y = a + b1 X1 + b2X2
Y = -1.966 + 0,701x1 + 0,855x2 + e
 Interpretasi :
a = -1.966
Tanpa dipengaruhi oleh variabel apapun, rata – rata (Y) akan
bernilai (positif/negatif) yaitu sebesar (a) (satuan).
b1 = ...
artinya setiap kenaikan (X1) sebesar 1 (satuan), maka rata –
rata (Y) akan (naik/turun) sebesar (b1) (satuan) dengan
variabel (X2) dianggap konstan (cateris paribus).
b2 = ...
artinya setiap kenaikan (X2) sebesar 1 (satuan), maka rata –
rata (Y) akan (naik/turun) sebesar (b2) (satuan) dengan
variabel (X1) dianggap konstan (cateris paribus)
 KOEFISIEN DETERMINASI (R2),
KOEFISIEN KORELASI BERGANDA
(R), STANDARD ERROR OF ESTIMATE
(SE)
Model Summaryb

Adjusted R Std. Error of

Model R R Square Square the Estimate
1 .909a .826 .776 4.80220
a. Predictors: (Constant), X2, X1

b. Dependent Variable: Y
 Koefisien determinasi :
Adj.R2 = ...
Artinya variabel (X1) dan (X2) mampu menjelaskan
variasi variabel (Y) sebesar (Adj.R2), dan sisanya
sebesar (K 2) dijelaskan oleh faktor lain di luar
model.
 Koefisien korelasi berganda (R) = ....
artinya bahwa hubungan keseluruhan antara
variabel (Y), (X1) dan (X2) adalah (positif/negatif)
dan sifatnya ... yaitu sebesar (R)

 Standard Error of Estimate (SE)

SE = ....
artinya rata-rata penyimpangan variabel (Y)
prediksi dengan variabel (Y) sebenarnya adalah
sebesar (SE)
 KOEFISIEN KORELASI PARSIAL
ANTARA X1 DAN X2 TERHADAP Y

Correlations

Y X1 X2
Pearson Y 1.000 .881 .818
Correlation X1 .881 1.000 .765
X2 .818 .765 1.000
Sig. (1-tailed) Y . .000 .002
X1 .000 . .005
X2 .002 .005 .
N Y 10 10 10
X1 10 10 10
X2 10 10 10
KOEFISIEN KORELASI PARSIAL ANTARA
X1 TERHADAP Y DAN X2 TERHADAP Y
 r1y.2 =....
Artinya hubungan antara variabel (X1) terhadap
(Y) secara parsial adalah (positif/negatif) dan
sifatnya ....... yaitu sebesar (r1y.2), dimana
variabel (X2) dianggap konstan.

 r2y.1 = ....
Artinya hubungan antara variabel (X2) terhadap
(Y) secara parsial adalah (positif/negatif) dan
sifatnya ........ yaitu sebesar (r2y.1), dimana
variabel (X1) dianggap konstan.
UJI T STATISTIK
Coefficientsa

Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant)
-1.966 15.652 -.126 .904

X1 .701 .280 .614 2.505 .041

X2 .855 .601 .349 1.422 .198
a. Dependent Variable: Y
 Hipotesis :
Ho :  = 0 (variabel (X1) secara parsial tidak berpengaruh
1
signifikan terhadap variabel (Y) )
(variabel (X1) secara parsial berpengaruh signifikan
Ha :   0 terhadap variabel (Y) )
1

 Nilai sig dan α :

Sig. : .....
α = 0,05
 Kriteria uji :
Sig. ≥ α → Ho tidak dapat ditolak
Sig. < α → Ho ditolak
 Ternyata ......... maka ........
 Kesimpulan :
Pada tingkat signifikansi 5%, variabel (X1) secara parsial
berpengaruh/tidak berpengaruh signifikan terhadap variabel
(Y).
 Hipotesis :

Ho :  = 0
(variabel (X2) secara parsial tidak
2 berpengaruh signifikan terhadap variabel
(Y) )
(variabel (X2) secara parsial berpengaruh
Ha :  2
 0 signifikan terhadap variabel (Y) )
 Nilai sig dan α :

Sig. :.......
α = 0,05
 Kriteria uji :

Sig. ≥ α → Ho tidak dapat ditolak

Sig. < α → Ho ditolak
 Ternyata ......... maka .........

 Kesimpulan :

Pada tingkat signifikansi 5%, variabel (X2) secara parsial

(berpengaruh/tidak berpengaruh) signifikan terhadap
variabel (Y).
UJI F STATISTIK

ANOVAb
Sum of Mean
Model Squares Df Square F Sig.
1 Regressi
764.672 2 382.336 16.579 .002a
on
Residual 161.428 7 23.061
Total 926.100 9
a. Predictors: (Constant), X2,
X1
b. Dependent Variable: Y
 Hipotesis :
Ho :  =  = 0 (variabel (X1) dan (X2) secara bersama-sama
1 2
tidak berpengaruh signifikan terhadap variabel (Y) )
(variabel (X1) dan (X2) secara bersama-sama
Ha :     0 berpengaruh signifikan terhadap variabel (Y) )
1 2

 Nilai sig dan α :

Sig. = ......
α = 0,05

 Kriteria uji :
Sig. ≥ α → Ho tidak dapat ditolak
Sig. < α → Ho ditolak

 Ternyata ............. maka ................

 Kesimpulan :
Pada tingkat signifikansi 5%, variabel (X1) dan (X2) secara bersama-sama
berpengaruh/tidak berpengaruh signifikan terhadap variabel (Y).