MAKALAH

ANALISIS REGRESI GANDA

Disusun Guna untuk Memenuhi Tugas

Mata Kuliah : Statistik Inferensial

Dosen Pengampu : Heni Lilia Dewi, S.Pd., M.Pd

Disusun Oleh :

1. Alya Safira Husna (2121019)

2. Ayda Mazaya Fuada (2121075)
3. Nurun Niswah (2121125)
4. Widya Asti Yulianti (2121216)

KELAS F

PROGRAM STUDI PENDIDIKAN AGAMA ISLAM

FAKULTAS TARBIYAH DAN ILMU KEGURUAN (FTIK)

UNIVERSITAS ISLAM NEGERI K.H. ABDURRAHMAN WAHID PEKALONGAN

2023
 KATA PENGANTAR

Bismillahirrahmannirrahiim

Assalamu'alaikum Warrahmatullahi Wabarakatuh.

Alhamdulillah puji syukur kami panjatkan kepada Allah SWT atas segala rahmat dan
karunia-Nya. Shalawat serta salam senantiasa tercurahkan kepada junjungan kita, Nabi Agung
Baginda Muhammad SAW yang selalu kita nantikan syafaatnya kelak di Yaumil Qiyamah,
Aamiin.

Kami mengucapkan syukur kepada Allah SWT atas nikmat-Nya yang masih
memberikan kami nikmat kesehatan, sehingga kami dapat menyelesaikan tugas pembuatan
makalah ini dengan judul, “Analisis Regresi Ganda” tepat pada waktunya.

Makalah ini dibuat guna memenuhi tugas mata kuliah Statistik Inferensial, kami
berharap semoga makalah ini dapat bermanfaat bagi pembaca dan juga penulis. Namun
terlepas dari itu, kami memahami bahwa makalah ini masih jauh dari kata sempurna, sehingga
kritik dan saran yang membangun sangat kami butuhkan guna terciptanya makalah yang lebih
baik lagi.

Pekalongan, 20 November 2023

Penulis

ii
 DAFTAR ISI

KATA PENGANTAR.....................................................................................................................ii
DAFTAR ISI..................................................................................................................................iii
BAB I PENDAHULUAN................................................................................................................1
A. Latar Belakang....................................................................................................................1
C. Tujuan..................................................................................................................................2
BAB II PEMBAHASAN.................................................................................................................3
A. Pengertian Regresi Linier Berganda................................................................................3
B. Asumsi Regresi Linier Berganda......................................................................................4
D. Langkah-langkah Regresi Ganda dengan SPSS..............................................................7
BAB III PENUTUP.......................................................................................................................23
A. Simpulan............................................................................................................................23
B. Saran..................................................................................................................................23

iii
 BAB I
PENDAHULUAN

A. Latar Belakang
Analisis regresi merupakan salah satu teknik analisis data
dalam statistika yang seringkali digunakan untuk mengkaji hubungan antara
beberapa variabel dan meramal suatu variabel. Regresi pertama-tama
dipergunakan sebagai konsep statistik pada tahun 1877 oleh Sir Francis
Galton, seorang ilmuwan asal Inggris yang melakukan studi tentang
kecenderungan tinggi badan anak. Hasil studi tersebut memberikan suatu
kesimpulan bahwa kecenderungan tinggi badan anak yang lahir terhadap
orang tuanya adalah menurun (regress) mengarah pada tinggi badan rata-rata
penduduk. Istilah regresi pada mulanya bertujuan untuk membuat perkiraan
nilai satu variabel (tinggi badan anak) terhadap satu variabel yang lain (tinggi
badan orang tua). Selanjutnya berkembang menjadi alat untuk membuat
perkiraan nilai suatu variabel dengan menggunakan beberapa variabel lain
yang berhubungan dengan variabel tersebut.
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui
pengaruh antara satu atau beberapa variabel terhadap satu buah variabel.
Variabel “penyebab” atau yang dikenal sebagai variabel yang mempengaruhi
disebut dengan bermacam-macam istilah: variabel independen, variabel
bebas, variabel penjelas, variabel eksplanatorik, atau variabel X (karena
seringkali digambarkan dalam grafik sebagai absis atau sumbu X).
Sedangkan, variabel “akibat” dikenal sebagai variabel yang dipengaruhi,
variabel dependen, variabel terikat, atau variabel Y.
Analisis regresi membentuk persamaan garis lurus (linear) dan
menggunakan persamaan tersebut untuk membuat perkiraan (prediction).
Berdasarkan jumlahvariabel bebas, analisis regresi linear yang terdiri dari dua
variabel dikenal dengananalisis linear sederhana, sedangkan yang lebih dari
dua variabel disebut analisis linear berganda. Tujuan dari analisis regresi

1
yaitu pertama untuk membuat perkiraan nilai suatu variabel terikat jika nilai
variabel bebas yang berhubungan dengannya sudah ditentukan dan yang
kedua untuk menguji hipotesis signifikansi pengaruh dari variabel bebas
terhadap variabel terikat.

B. Rumusan Masalah
1. Apa yang dimaksud regresi linier berganda?
2. Bagaimana asumsi regresi linear berganda?
3. Bagaimana mendapatkan persamaan regresi linear berganda?
4. Bagaimana langkah-langkah regresi linear berganda dengan SPSS?

C. Tujuan
1. Untuk mengetahui dan memahami regresi linear berganda
2. Untuk mengetahui banyaknya asumsi regresi linear berganda
3. Untuk mengetahui persamaan regresi linier berganda
4. Untuk mengetahui Langkah-langkah regresi linear berganda dengan
SPSS

2
 BAB II
PEMBAHASAN

A. Pengertian Regresi Linier Berganda

Analisis regersi linier berganda adalah analisis yang melibatkan lebih dari
satu variabel bebas atau prediktor. Dalam bahasa Inggris, model ini disebut
dengan multiple linier regression. Perbedaan regresi linier sederhana dengan
regresi linier berganda adalah pada analisis regresi sederhana hanya
melibatkan satu variabel dependen dan satu variabel independen. Sedangkan
regresi linear berganda menggunakan jumlah variabel bebas yang berjumlah
lebih dari satu.
Analisis regresi linier berganda dilakukan untuk mengetahui arah dan
seberapa besar pengaruh variabel independen terhadap variabel dependen.
Analisis regresi berganda digunakan o|eh peneliti, bila peneliti bermaksud
meramalkan bagaimana keadaan (naik turunnya) variabel dependen
(kriterium), bila dua atau lebih variabel independen Selain itu, regresi linier
berganda digunakan untuk mengetahui linearitas hubungan dua atau lebih
variabel independen dengan satu variable dependen dan dapat pula digunakan
untuk memprediksi harga variabel dependen jika harga-harga variabel
independen diketahui. Rumus umum persamaan linier regresi ganda adalah:
Ŷ = a + b 1X 1 + b 2X 2
Sebelum menggunakan analisis regresi ganda perlu dikontrol terhadap
beberapa kondisi yang berkaitan dengan data. Beberapa syarat yang harus
dikontrol dan dipenuhi dalam analisis regresi ganda dijelaskan Irianto (2004)
sebagai berikut
1. Sampel harus diambil secara acak (random) dari populasi yang
berdistribusi normal.
2. Oleh karena sampel diambil dari populasi yang berdistribusi normal,
maka sampel juga harus berdistribusi normal. Normalitas dapat diatasi
dengan
Asumsi Regresi Linier Berganda

3
 Regresi linier juga memiliki syarat atau asumsi klasik yang harus
terpenuhi agar model prediksi yang dihasilkan nantinya bersifat BLUE (Best
Linear Unbiased Estimation). Asumsi klasik pada regresi linier berganda
antara lain:
1. Data interval atau rasio skala data semua variabel terutama variabel
terikat adalah interval atau rasio. Asumsi ini tidak perlu diuji, cukup
kita pastikan bahwa data yang digunakan adalah data interval atau
rasio (numeric atau kuantitatif).
2. Linearitas variabel bebas berhubungan dengan variabel terikat. Asumsi
linearitas diuji dengan uji linearitas regresi, misalnya dengan kurva
estimasi. Dengan kurva estimasi kita bisa menentukan ada hubungan
linier atau tidak dengan melihat nilai p value linearitas. Jika p value
< 0,05 maka terdapat hubungan yang linear antara prediktor dan
response.
3. Normalitas residual adalah beda antara y dengan y prediksi. Dalam hal
ini, y adalah variabel terikat, sedangkan y prediksi adalah y hasil
persamaan regresi yang dibuat. Dengan demikian, residual dibangun
dengan rumus y – y prediksi. Asumsi normalitas pada regresi linear
adalah pada residualnya, bukan pada data per variabel. Uji asumsi
normalitas regresi linear dapat diuji dengan berbagai metode uji
normalitas, seperti uji Shapiro wilk, Lilliefors, atau Kolmogorov
smirnov, Anderson darling, Ryan joiner, Shapiro francia, Jarque bera,
Skewness kurtosis test, dan berbagai jenis uji normalitas lainnya.
4. Non outlier Outlier disebut dengan data pencilan atau data yang nilainya
extreme atau lain dari pada yang lainnya. Batasan outlier tidak bisa
dilihat dari nilai absolut studentized residual. Jika absolut studentized
residual > 3, maka sampel atau observasi yang dimaksud menjadi outlier.
5. Homoskedastisitas adalah sebuah kondisi saat varians dari error bersifat
konstan atau tetap. Dengan kata lain, varians dari error bersifat identic
untuk setiap pengamatan. Kebalikan dari homoskedastisitas adalah
heteroskedastisitas. Model regresi linear berganda yang baik adalah

4
 model yang bebas dari kondisi heteroskedastisitas. Untuk menguji
homoskedastisitas regresi linear berganda, dapat digunakan uji
homoskedastisitas dari glejser, uji park, uji white, spearman
heteroskedastisitas, dan masih banyak uji lainnya.
6. Non Multikolinearitas adalah keadaan saat terdapat interkorelasi atau
korelasi kuat antar variabel bebas di dalam model. Dinyatakan ada
interkorelasi jika korelasi antar variabel bebas di dalam model regresi
linear berganda > 0,8. Beberapa pakar menggunakan batasan lebih
dari 0,9. Cara lain yang lebih objektif adalah dengan menggunakan
nilai variance inflating factor (VIF) dan tolerance. Dikatakan ada
multikolinearitas jika nilai VIF > 10 dan/atau nilai tolerance < 0,01.
Berdasarkan uraian di atas, maka jelas sekali bahwa asumsi
multikolinearitas hanya ada dalam regresi linear berganda dan tidak ada
pada regresi linear sederhana. Sebab pada regresi linear berganda ada
lebih dari satu variabel bebas, sedangkan pada regresi linear sederhana
hanya ada satu variabel bebas.
7. Non Autokorelasi Autokorelasi dapat diartikan bahwa terdapat
korelasi antar waktu. Sehingga bisa diartikan dengan mudah bahwa
autokorelasi ini sering terjadi pada regresi linear berganda dengan
data time series atau runtun waktu dan jarang sekali terjadi pada data
cross section.1
C. Persamaan Regresi Linier Berganda

Regresi linier berganda merupakan model persamaan yang menjelaskan

hubungan satu variabel tak bebas/ response (Y) dengan dua atau lebih
variabel bebas/ predictor (X1, X2,…Xn). Tujuan dari uji regresi linier
berganda adalah untuk memprediksi nilai variable tak bebas/ response (Y)
apabila nilai-nilai variabel bebasnya/ predictor (X1, X2,..., Xn) diketahui.
Disamping itu juga untuk dapat mengetahui bagaimanakah arah hubungan

1
Mardiatmoko, Gun. "Pentingnya uji asumsi klasik pada analisis regresi linier berganda
(studi kasus penyusunan persamaan allometrik kenari muda [canarium indicum l.])."
BAREKENG: Jurnal Ilmu Matematika Dan Terapan 14.3 (2020): 333-342.

5
 variabel tak bebas dengan variabel-variabel bebasnya.
Persamaan regresi linier berganda secara matematik diekspresikan oleh :
Y = a + b1 X1 + b2 X2 + … + bn Xn
yang mana :

Y = variable tak bebas (nilai variabel yang akan diprediksi)

a = konstanta

b1,b2,…, bn = nilai 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 koefisien-koefisien regresi, yaitu b1 dan b2

mempunyai nilai :

- Nilai=0. Dalam hal ini variabel Y tidak dipengaruh oleh X1 dan X2.

- Nilainya negative. Disini terjadi hubungan dengan arah terbalik antara

variabel tak bebas Y dengan variabel-variabel X1 dan X2

- Nilainya positif. Disni terjadi hubungan yang searah antara variabel

tak bebas Y dengan variabel bebas X1 dan X2.2

2
Mardiatmoko, Gun. "Pentingnya uji asumsi klasik pada analisis regresi linier berganda
(studi kasus penyusunan persamaan allometrik kenari muda [canarium indicum l.])."
BAREKENG: Jurnal Ilmu Matematika Dan Terapan 14.3 (2020): 333-342.

6
D. Langkah-langkah Regresi Ganda dengan SPSS

Motivasi Minat Prestasi

75 75 75
60 70 75
65 70 75
75 80 90
65 75 85
80 80 85
75 85 95
80 88 95
65 75 80
80 75 90
60 65 75
67 70 75

BAB III
PENUTUP

A. Simpulan
Analisis regersi linier berganda adalah analisis yang melibatkan lebih dari
satu variabel bebas atau prediktor. Analisis regresi linier berganda
dilakukan untuk mengetahui arah dan seberapa besar pengaruh variabel
independen terhadap variabel dependen. Analisis regresi membentuk
persamaan garis lurus (linear) dan menggunakan persamaan tersebut untuk

7
 membuat perkiraan (prediction) nilai suatu variabel terikat (Y) jika nilai
variabel bebas (X) yang berhubungan dengannya sudah ditentukan. Secara
umum, persamaan regresi dimana varibel terikat (Y) merupakan nilai yang
diprediksi.

B. Saran
Dari makalah kami yang singkat ini semoga dapat bermanfaat bagi kita
semua. Yang baik datangnya dari Allah, dan yang buruk datangnya dari
kami. Dan kami sadar bahwa makalah kami jauh dari kata sempurna.
Masih banyak kesalahan dari berbagai macam sisi, jadi kami harapkan
saran dan kritik dari Ibu Dosen dan teman-teman yang bersifat
membangun, untuk perbaikan makalah-makalah

DAFTAR PUSTAKA

Gun, Mardiatmoko, 2020 "Pentingnya uji asumsi klasik pada analisis regresi
linier berganda (studi kasus penyusunan persamaan allometrik kenari muda
[canarium indicum l.]).": Jurnal Ilmu Matematika Dan Terapan : 333-342.

Heni lilia dewi, Salafudin, Statistika Inferensial untuk penelitian dan

Pengembangan Pendidikan, Hal 119-120

8
9