Multiple

Regression &
Multiple
Correlation
- Tim Asdos Statistika Inferensial
Table of contents
01 02 03
Apa itu Multiple Apa saja asumsi Uji Hipotesis untuk
Regression? Multiple Multiple Regression
Regression?

04 05 06
Apa itu Multiple Menghitung Contoh Soal
Correlation? Multiple
Correlation
Apa itu Multiple
Regression?
Merupakan persamaan regresi yang
menggunakan 2 atau lebih variabel prediktor.

Digunakan untuk menganalisis perilaku

kompleks yang tidak dapat dijelaskan oleh satu
faktor saja, dan mengetahui apakah
variabel-variabel independennya saling
berinteraksi atau tidak.
4 Asumsi Multiple Regression
● 2 jenis variabel, IV dan DV harus merupakan variabel kontinu
● 2 jenis variabel, IV dan DV harus berdistribusi normal.
● Hubungan antara setiap IV dan DV juga harus linier (linearity).
● Antar variabel IV juga tidak boleh saling berkorelasi tinggi
(tidak terjadi multicollinearity).
Tahap Perhitungan
Multiple Regression:
1. Buat persamaan regresi awal
2. Hypothesis Testing untuk Multiple Regression
3. Hitung sumbangan jika signifikan
1) Buat persamaan regresi awal
1. Hitung M dari setiap variabel. Jika hanya menggunakan 2 prediktor,
kita akan memperoleh Mx1, Mx2, dan My.
2. Hitung (∑X1)², (∑X2)², ∑X1², ∑X2², dan n (jumlah partisipan)
3. Hitung SS dari setiap variabel (SSx1, SSx2, Ssy), dan SP dari setiap
kombinasi variabel (SPx1y, SPx2y, SPx1x2).
4. Masukkan ke persamaan regresi

2) Uji Hipotesis
- Merumuskan hipotesis
- Menentukan critical
region
Hipotesis Null
H0: R²=0 (Tidak ada hubungan
linear antara variabel X dan Y)
Hipotesis Alternatif
H1: R²≠0 (Terdapat hubungan
linear antar variabel X dan Y)

Mencari Critical region

Ketahui dulu Alpha level
Df : untuk 2 variabel prediktor
Df residual : n-3 (denominator)
Df regression : 2 (numerator)
2) Hypothesis Testing
Hitung R^2 Hitung MS dan F
R² adalah percentage of variance accounted
untuk multiple regression yang digunakan
untuk mengetahui seberapa besar variabel df regression = 2 df residual = n-3
X memprediksi perubahan di variabel Y.

Hitung Standard Error

Jangan lupa Hitung SS dulu
SS regression (predicted portion) = R^2 SSy
SS residual (unpredicted portion) = (1-R^2)SSy
 Tabel Rekap

KEPUTUSAN:
Jika Fstatistic > Fcritical, maka signifikan, H0 ditolak
Jika Fstatistic < Fcritical, maka tidak signifikan, H0 gagal ditolak
Kesimpulan (APA):
JIKA SIGNIFIKAN
Analisis regresi tidak menunjukkan/menunjukkan bahwa (IV) dapat memprediksi (DV)
secara signifikan, F (df regression, df residual) =..., p<α, r² =..., dengan persamaan Y
=... tulis persamaan regresinya.

JIKA SIGNIFIKAN, hitung kontribusi!

1. Hitung β1𝑧𝑋1dan β2𝑧𝑋2

2. Tentukan sumbangan masing-masing prediktor
3. Tentukan signifikansi masing-masing prediktor
4. Buat persamaan regresi akhir
Diagram Multiple Regression
Analysis (MRA)

Diagram ini menunjukkan bagaimana faktor dalam analisis regresi bisa memprediksi satu sama lain.
Multiple
Correlation
Multiple Correlation
Merupakan teknik untuk mengukur hubungan yang terjadi antara variabel
terikat (variabel Y) dan dua atau lebih variabel bebas (X1, X2, …, Xk).

• Untuk mengukur besarnya kontribusi variasi X1 dan X2 terhadap variasi Y.

• Menentukan apakah garis regresi linear berganda Y terhadap X1 dan X2 sudah
cocok untuk dipakai sebagai pendekatan hubungan linear.
Contoh:
Fasilitas pendidikan dan kualitas dosen dengan prestasi belajar mahasiswa.

Multiple Correlation Coefficient &

Coefficient of Multiple Determination (R)^2
→ Dapat mengetahui kombinasi efek seluruh independent
variable dan dependent variable.
Ketika jumlah anak (X1) berkontribusi menjelaskan 25% dari varians Y dan pendidikan
suami berkontribusi menjelaskan 9% dari varians Y, maka kedua zero-order correlations
tidak dapat langsung dijumlahkan keduanya.

Hal ini terjadi karena kedua variabel independen memiliki efek yang saling bertumpang
tindih (overlap) terhadap Y. Dalam menghilangkan efek yang bertumpang tindih ini dapat
menggunakan rumus di atas kanan.
Penyelesaian:
Menentukan R dan R^2:
1. Hitung korelasi parsial X dan Y2 dengan melakukan kontrol
pada X1.
Penyelesaian:
Menentukan R dan R^2:
2. Menghitung R^2

Maka, variabel independen pertama (X1) yang merupakan jumlah anak,

menjelaskan 25% dari varians dalam Y. Variabel independen kedua (X2) yang
merupakan pendidikan suami, hanya menambahkan setengah persen, untuk
total varians yang dijelaskan sebesar 25,5%. Kombinasi kedua variabel
independen tersebut menjelaskan total 25,5% dari variabel dependen.
Rangkuman Cara mengerjakan
Thank You!
^-^