BAB IV

REGRESI LINIER BERGANDA (MULTIPLE REGRESSION)

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.

2. Memasukkan data dalam jendela Data View menjadi satu kolom.

3. Klik menu Analyze, pilih Regression dan klik pilihan Linear.

4. Memasukkan variabel kepuasan pelanggan pada kolom Dependent,

sedangkan variabel kecepatan pelayanan dan kualitas produk pada kolom
Independent.
5. Mengklik Descriptive Statistics, kemudian mengklik pilihan Model Fit,
R Squared Change, Descriptives, Part and Partial Correlations,
Collinearity Diagnostics, dan Durbin Watson serta mengklik Continue.

6. Kemudian mengklik Plots, memasukkan SRESID pada kolom Y dan

ZPRED pada kolom X, serta mengklik Continue.
D. Hasil atau Output
E. Interpretasi
1. Koefisien Determinasi
Berdasarkan output diperoleh nilai Adjusted R Square sebesar
0,389. Nilai tersebut menunjukkan bahwa kecepatan pelayanan dan
kualitas produk mempengaruhi kepuasan pelanggan sebesar 38,9%.
Sedangkan, 61,1% lainnya dipengaruhi faktor lain di luar model.
2. Uji F
Ho: b1 = b2 = 0, artinya secara bersama-sama kecepatan pelayanan
dan kualitas produk tidak mempengaruhi kepuasan
pelanggan.
Ha:b1 ≠ b2 ≠ 0, artinya secara bersama-sama kecepatan pelayanan
dan kualitas produk mempengaruhi kepuasan
pelanggan.
Berdasarkan output didapatkan nilai signifikannya sebesar 0,000.
Nilai signifikan (0,000) lebih kecil dari pada alpha (0,05). Kriteria
pengujian pada uji F adalah jika nilai sig < alpha (0,05) Ho ditolak dan
jika nilai sig > alpha (0,05) Ho diterima. Berdasarkan kriteria tersebut,
 nilai signifikan < nilai alpha (0,05) sehingga dapat disimpulkan bahwa Ha
diterima. Artinya secara bersama-sama kecepatan pelayanan dan kualitas
produk tidak mempengaruhi kepuasan pelanggan.
3. Uji t
a. Variabel Kecepatan Pelayanan
Ho: b1 = 0, artinya kepuasan pelanggan secara individu tidak
dipengaruhi oleh kecepatan pelayanan.
Ha: b1 ≠ 0, artinya kepuasan pelanggan secara individu
dipengaruhi oleh kecepatan pelayanan.
Berdasarkan output, diketahui bahwa nilai signifikan kecepatan
pelayanan sebesar 0,014. Nilai signifikan (0,014) lebih kecil dari pada
alpha (0,05), kriteria pengujian jika nilai sig < 0,05 Ho ditolak dan
jika nilai sig > 0,05 Ho diterima, sehingga dapat disimpulkan bahwa
Ha diterima, artinya kepuasan pelanggan secara individu dipengaruhi
oleh kecepatan pelayanan.
b. Variabel Kualitas Produk
Ho: b2 = 0, artinya kepuasan pelanggan secara individu tidak
dipengaruhi oleh kualitas produk.
Ha: b2 ≠0, artinya kepuasan pelanggan secara individu
dipengaruhi oleh kualitas produk.
Berdasarkan output, diketahui bahwa nilai signifikan modal
sebesar 0,001. Nilai signifikan (0,001) lebih kecil dari pada alpha
(0,05), kriteria pengujian jika nilai sig < alpha (0,05) Ho ditolak dan
jika nilai sig > alpha (0,05) Ho diterima, sehingga dapat disimpulkan
bahwa Ha diterima, artinya kepuasan pelanggan secara individu
dipengaruhi oleh kualitas produk.
4. Persamaan Regresi Linier Berganda
Y = a + b1X1 + b2X2 + bnXn + e
Keterangan :
Y = Kepuasan Pelanggan
a = Konstanta
b1 = Koefisien Kecepatan Pelayanan
b2 = Koefisien Kualitas Produk
X1 = Kecepatan Pelayanan
X2 = Kualitas Produk
e = Nilai Variabel Error
Berdasarkan output, diketahui bahwa nilai konstanta sebesar
+18,369 dan koefisien variabel kecepatan pelayanan 0,227 dengan
koefisien variabel kualitas produk sebesar 0,356. Persamaan regresi linier
berganda dapat ditulis sebagai berikut:
Y = 18,369 + 0,227X1 + 0,356X2 + e.
Dari persamaan tersebut diketahui bahwa nilai koefisien variabel
kecepatan pelayanan bernilai positif sebesar 0,227 sehingga dapat
diketahui bahwa semakin meningkatnya kecepatan pelayanan maka
kepuasan pelanggan juga semakin meningkat, dengan asumsi variabel
kualitas tetap dan variabel kualitas produk sebesar 0,356.
 DAFTAR PUSTAKA

Kadir. 2010. Statistika untuk Penelitian Ilmu-Ilmu Sosial. Jakarta: Rosemata

Sampurna.

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.

Permatasari, Arini Indah dan Wayan Firdaus Mahmudy. 2018. Permodelan

Regresi Linear dalam Konsumsi kwh Listrik di Kota Batu Menggunakan
Algoritma Genetika. Jurnal. Universitas Brawijaya. Malang.

Prihadi, Deddy dan Agnes Dwita Susilawati. 2018. Pengaruh Kemampuan E-

Commerce dan Promosi di Media Sosial Terhadap Kinerja Pemasaran.
Jurnal. Universitas Pancasakti Tegal. Tegal.

Sugiyono. 2014. Metode Penelitian Kuantitatif Kualititatif dan R&D. Bandung:

Alfabeta.