A. Landasan Teori
Regresi linier berganda adalah analisis yang digunakan untuk menguji
pengaruh dua atau lebih variabel independen (explanatory) terhadap satu
variabel dependen. Model ini mengasumsikan adanya hubungan satu garis
lurus/linier antara variabel dependen dengan masing-masing prediktornya
(Janie, 2012). Model persamaan regresi linier berganda seperti berikut (Kadir,
2010):
Y = a + b0 + b1 X1 + b2 X2 + …+ bn Xn +
Keterangan:
Y : Variabel terikat (dependent variable)
A : Konstanta regresi
b : Koefisien regresi (regression coefficient )
X : Variabel bebas (independent variable)
ε : Eror (Kadir, 2010).
Uji asumsi klasik dilakukan untuk mengetahui apakah model estimasi
telah memenuhi kriteria ekonometrika, dalam arti tidak ada penyimpangan
yang cukup serius dari asumsi-asumisi yang harus dipenuhi dalam metode
Ordinary Least Square (OLS). Terdapat enam asumsi yang harus diperlukan
dalam penaksiran OLS, yaitu:
1. Rata-rata kesalahan pengganggu ( e ) sama dengan 0.
2. Kesalahan pengganggu berbentuk distribusi normal.
3. Kesalahan pengganggu tidak berkorelasi dengan variabel independen.
4. Tidak adanya autokerlasi antar gangguan ( e ).
5. Tidak adanya multikolinearitas.
6. Varian kesalahan pengganggu tetap atau homoskedastisitas (tidak terjadi
Heteroskedastisitas).
Oleh karena itu, dalam analisis regresi berganda yang perlu
diperhatikan dan diuji adalah ada tidaknya penyimpangan terhadap asumsi uji
autokorelasi, uji multikolinearitas, dan uji hiteroskedastisitas. Uji autokorelasi
digunakan untuk menguji apakah dalam sebuah model regresi linear terdapat
korelasi antara kesalahan pengganggu pada periode t dengan kesalahan pada
periode t-1 (sebelumnya), biasanya terjadi pada data time series.
Multikolinieritas adalah suatu kondisi dimana terjadi korelasi yang kuat
diantara variabel independen yang diikutsertakan dalam pembentukan model
regresi linier berganda. Sedangkan uji heteroskedastisitas digunakan untuk
menguji apakah dalam model regresi linier kesalahan pengganggu
mempunyai varians yang sama atau tidak dari satu pengamatan ke
pengamatan yang lain (Nugraha, 2022). Langkah-langkah uji regresi linier
ganda, yaitu:
1. Koefisien Determinasi, koefisien determinasi pada regresi berganda
sebenarnya memiliki makna yang sama dengan koefisien pada regresi
sederhana. Namun ada dua jenis koefisien determinasi yang ada pada
model regresi berganda, yaitu koefisien determinasi berganda dan
koefisien determinasi parsial. Koefisien determinasi berganda adalah nilai
yang digunakan untuk mengukur besarnya kontribusi seluruhvariabel
independen (X) yang ada di dalam model terhadap variasi (naik/turunnya)
variabel dependen (Y). Sedangkan koefisien determinasi parsial
(Coefficient of Partial Determination) adalah nilai yang digunakan untuk
mengukur besarnya kontribusi satu variabel independen (X) yang ada di
dalam model terhadap variasi (naik/turunnya) variabel dependen (Y)
(Kurniawan dan Yuniarto, 2016).
2. Uji F
Model signifikansi yang akan digunakan untuk uji F dapat dilihat
dari tabel anova yang berfungsi untuk melihat pengaruh semua variabel
independen secara bersama-sama terhadap variabel dependen. Uji F
dilakukan dengan membandingkan nilai kolom signifikasi dengan alpha.
Kriteria yang dapat diterima, yaitu jika nilai sig < 0,05 atau F hitung > F
tabel maka terdapat pengaruh variabel X secara simultan terhadap
variabel Y Ho ditolak . Jika nilai sig > 0,05 atau F hitung > F tabel maka
tidak terdapat pengaruh variabel X secara simultan terhadap variabel Y
atau Ho diterima (Sugiyono, 2014).
3. Uji t
Uji t pada dasarnya menunjukkan seberapa jauh pengaruh suatu
variabel penjelas secara individual dalam menerangkan variasi variabel
terikat. Dasar pengambilan keputusan pengujian , yaitu jika nilai sig <
0,05 atau t hitung > t tabel maka terdapat pengaruh variabel X terhadap
variabel Y atau Ho ditolak. Jika sig > 0,05 atau t hitung < t tabel, maka
tidak terdapat pengaruh variabel X terhadap variabel Y Ho diterima.
(Sugiyono, 2014).
4. Persamaan regresi
Hasil analisis regresi berupa koefisien pada masing-masing
variabel X (independen). Koefisien tersebut diperoleh dengan cara
memprediksi nilai variabel Y (dependen) dengan suatu persamaan.
Koefisien regresi dihitung dengan dua tujuan sekaligus, untuk
meminimumkan penyimpangan antara nilai aktual dan nilai estimasi
variabel Y (dependen) berdasarkan data yang ada (Syahputra, 2008 dalam
Permatasari dan Mahmudy, 2018).
Kaidah penolakan yang digunakan dalam persamaan regresi linier
berganda adalah Ho diterima apabila nilai signifikasi > nilai alpha 0,05, Ho
ditolak apabila nilai signifikasi > nilai alpha 0,05 (Prihadi dan Susilawati,
2018).
B. Soal Latihan
Berikut merupakan data hubungan antara variabel kecepatan pelayanan
dengan variabel kualitas produk terhadap variabel kepuasan pelanggan yang
diambil dari 42 responden pelanggan Toko Pertanian Bisa Jaya.
Tabel 4.1 Data Kecepatan Pelayanan, Kualitas Produk dan Kepuasan
Pelanggan
No. X1 X2 Y No. X1 X2 Y
1 44.0 67.0 54.0 22 50.0 79.0 54.0
2 43.5 58.0 50.0 23 40.0 74.0 69.0
3 57.0 90.0 61.0 24 59.0 98.0 74.0
4 70.0 77.5 47.5 25 70.0 98.0 68.0
5 62.0 99.0 68.0 26 63.0 87.0 66.0
6 63.0 109.0 81.0 27 45.0 87.0 61.0
7 56.0 76.0 67.5 28 42.5 77.0 69.5
8 50.0 75.0 69.0 29 50.0 97.0 61.0
9 40.5 77.0 55.0 30 49.0 77.0 40.5
10 36.0 67.0 48.0 31 49.0 99.0 44.0
11 50.0 67.5 47.0 32 43.0 77.0 54.0
12 40.5 67.0 55.0 33 43.5 77.0 40.5
13 57.0 89.0 61.0 34 44.0 54.0 44.0
14 64.0 87.0 61.0 35 60.0 89.0 68.0
15 70.0 87.0 67.0 36 71.0 110.0 67.0
16 58.0 87.0 65.0 37 64.0 87.0 67.0
17 120.0 64.5 70.0 38 67.0 87.0 75.0
18 63.0 95.0 75.0 39 69.0 66.0 55.0
19 70.5 85.5 61.0 40 50.0 66.0 55.5
20 62.0 78.0 54.0 41 42.5 54.0 47.0
21 57.0 77.0 60.0 42 42.5 79.0 56.0
Keterangan:
Variabel Kecepatan Pelayanan (X1)
Variabel Kualitas Produk (X2)
Variabel Kepuasan Pelanggan (Y)
Sampel sebanyak 42 responden
Tingkat kesalahan α = 0,05
Berdasarkan data tersebut, Interpretasikan:
1. Koefisien Determinasi.
2. Uji F.
3. Uji t.
4. Persamaan Regresi.
C. Langkah Kerja
1. Memasukkan nama variable X1,X2, dan Y ke dalam Variable View Pada
kolom label, menuliskan pada X1 kecepatan pelayanan, X2 kualitas
produk, dan untuk Y kepuasan pelanggan.
Kurniawan, Robert dan Budi Yuniarto. 2016. Analisis Regresi : Dasar dan
Penerapannya dengan R. Jakarta: PT. Kharisma Putra Utama.
Janie, Dyah Nirmala Arum. 2012. Statistik Deskripstif dan Regresi Linier
Berganda dengan SPSS. Semarang: Semarang University Press.
Nugraha, Billy. 2022. Pengembangan Uji Statistik. Jakarta: CV. Pradiana Pustaka
Group.