Oleh :
Puji syukur kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya
sehingga kami dapat menyelesaikan tugas makalah yang berjudul "Analisis Regresi Linear
Berganda dan Uji Asumsi Klasik".
Adapun tujuan dari penulisan dari makalah ini adalah untuk memenuhi tugas pada
mata kuliah Statistika Bisnis 2. Selain itu, makalah ini juga bertujuan untuk menambah
wawasan tentang materi regresi linear berganda dan uji asumsi klasik bagi para pembaca dan
juga bagi penulis.
Kami mengucapkan terimakasih kepada Ibu Rezki Novianti, S.Pd., M.Pd selaku dosen
mata kuliah Statistika Bisnis 2 yang telah memberikan tugas ini, sehingga dapat menambah
pengetahuan dan wawasan sesuai dengan bidang studi yang kami tekuni.
Kami juga mengucapkan terimakasih kepada semua pihak yang telah membagi
sebagian pengetahuannya sehingga kami dapat menyelesaikan makalah ini. Kami menyadari,
makalah yang kami tulis ini masih jauh dari kata sempurna. Oleh karena itu, kritik dan saran
yang membangun akan kami nantikan demi kesempurnaan makalah ini.
Kelompok 3
DAFTAR ISI
DAFTAR PUSTAKA.......................................................
LAMPIRAN .....................................................................
BAB 1
PENDAHULUAN
1.1 Latar Belakang Masalah
Dalam suatu penelitian, pada beberapa kenyataan akan ada lebih dari satu variabel
independen yang mempengaruhi variabel dependen yang kita inginkan. Misalnya,
keadaan dimana kemampuan komunikasi adalah variabel yang mempengaruhi nilai
prestasi kerja. Keadaan demikian kelihatannya sangat tidak realistik. Kenyataannya,
yang mempengaruhi prestasi kerja tidak hanya kemampuan komunikasi namun dapat
pula dilihat misalnya dari kemampuan bekerjasama, kemampuan IT, kemampuan
berbahasa inggrisnya dan lainnya. Untuk menganalisis beberapa variabel yang
mempengaruhi satu variabel lain maka kita menggunakan analisis regresi linear
berganda.
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 orangtuanya 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 orangtua). 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. Secara umum,
persamaan regresi dapat terdiri dari satu atau lebih peubah bebas namun hanya memiliki
satu peubah terikat. Dari contoh sebelumnya, mengikuti bimbingan belajar dan belajar
mandiri sebagai variabel yang mempengaruhi (X) adalah, sedangkan nilai prestasi siswa
sebagai variabel yang dipengaruhi.
Analisis regresi membentuk persamaan garis lurus (linear) dan menggunakan
persamaan tersebut untuk membuat perkiraan (prediction). Berdasarkan jumlah
variabel bebas, analisis regresi linear yang terdiri dari dua variabel dikenal dengan
analisis linear sederhana, sedangkan yang lebih dari dua variabel disebut analisis linear
berganda dan yang akan kita pelajari lebih lanjut.
Tujuan dari analisis regresi 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.
Model regresi linier berganda untuk dua variabel bebas dan satu variabel terikat
adalah sebagai berikut:
Model diatas dapat dijelaskan bahwa dalam model regresi linier berganda
mempunyai dua uji pengaruh yaitu :
1. Pengaruh variabel X (bebas) secara simultan terhadap variabel Y (terikat)
2. Pengaruh variabel X (bebas) secara parsial terhadap variabel Y (terikat), yaitu
meliputi:
a. Pengaruh variabel X1 terhadap variabel Y
b. Pengaruh variabel X2 terhadap variabel Y
1.3 Tujuan
Tujuan dari analisis regresi linear berganda, yaitu :
1. Untuk membuat perkiraan nilai suatu variabel terikat jika nilai variabel bebas
yang berhubungan dengannya sudah ditentukan
2. Untuk menguji hipotesis signifikansi pengaruh dari variabel bebas terhadap
variabel terikat
1.4 Manfaat
Adapun manfaat analisis regresi dalam penelitian antara lain:
1. Model regresi dapat digunakan untuk mengukur keeratan hubungan antara
variabel dependen (tak bebas) dan variabel independen (bebas).
2. Model regresi dapat digunakan untuk mengetahui pengaruh suatu atau beberapa
variabel independen terhadap variabel dependen (respons).
3. Model regresi berguna untuk memprediksi pengaruh suatu atau beberapa
variabel independen terhadap variabel dependen (respons).
Kekurangan:
1. Tidak mampu menunjukkan titik jenuh fungsi yang sedang diselidiki akibatnya
selalu timbul kemungkinan kesalahan prediski
2. Terdapat kemungkinan terjadinya multikolinearitas pada variabel-variabel
bebas. Akibatnya variabel bebas tidak mampu menjelaskan variabel tak bebas
(hubungan antara X dan Y tidak bermakna)
BAB 2
KASUS
Dimana :
(∑X1 2) 2
a) ∑x12 = ∑X 12 −
n
2
(∑X22)2
b) ∑x22 = ∑X2 −
n
(∑Y)2
c) ∑𝑦2 = ∑Y2 −
n
(∑X1)(∑Y)
d) ∑x1 𝑦 = ∑X1 Y − n
(∑X2)(∑Y)
e) ∑x2 𝑦 = ∑X2 Y − n
(∑X1)(∑X2)
f) ∑x1x2 = ∑X1X2 − n
∑Y
g) Y̅ =
n
∑X
h) X̅ ̅ = 1
1 n
∑X2
i) ̅X̅ =
2 n
Nilai koefisien regresi, yaitu
(∑x 22)(∑x1𝑦) −(∑x1x 2)(∑x2𝑦)
b1 =
(∑x12)(∑x2 2) −(∑x1x 2)2
(∑x 12)(∑x2𝑦) −(∑x1x 2)(∑x1𝑦)
b2 = (∑x12)(∑x2 2) −(∑x1x 2)2
a = ̅Y − b1 ̅X̅1− b2 ̅X̅2
Untuk memudahkan perhitungan digunakan tabel pembantu.
Uji Signifikansi
Proses selanjutnya setelah melakukan pendugaan parameter model regresi
berganda adalah pengujian terhadap model regresi apakah signifikan atau tidak, yang
dapat dilakukan dengan dua cara yaitu uji secara simultan (bersama-sama) dengan uji F
dan uji parsial (individual) dengan uji t.
Dimana :
k : jumlah variabel bebas
n : jumlah sampel
4. Kriteria pengujian hipotesis
Terima H0 jika hitung < tabel
5. Harga uji statistik dihitung dengan rumus :
SSR/df SSR/k
hitung = =
SSE/df SSE/(n−k−1)
Dimana :
Proses pengujian:
1. Formulasi hipotesis nihil dan hipotesis kerja
H0 : bk = 0 (Tidak ada pengaruh variabel bebas k terhadap variabel Y)
𝐻1 : bk ≠ 0 (Ada pengaruh variabel bebas k terhadap variabel Y)
2. Uji statistik yang digunakan adalah uji t dengan α = 0,01 atau 0,05
3. Nilai atau harga kritis diperoleh dengan melihat tabel distribusi t.
t 1 =t 1
( 2𝛼);(db) ( 𝛼);(n−k)
2
Dimana :
db : derajat kebebasan
n : jumlah sampel
k : kelompok sampel
4. Kriteria pengujian hipotesis
Terima H0 jika thitung < ttabel
5. Harga uji statistik dihitung dengan rumus :
b− 𝛽
t=
Sb1
S𝑦.12
S b1 =
√∑xk 2 (1 − r122)
k : kelompok sampel
r12 = koefisien korelasi sederhana antara X1 dan X2 (antara dua variabel independen)
∑𝑥1𝑥2
r12 =
√(∑𝑥12)(∑𝑥22)
6. Nilai R𝑦(1,2) atau R(𝑥1,x2)𝑦 dapat dihitung dengan rumus :
b1∑x1𝑦 + b2∑x2𝑦
R𝑦(1,2) = √
∑𝑦2
Diambil sampel random sebanyak 12 siswa dalam suatu penelitian untuk menentukan
hubungan antara nilai prestasi matematika (Y) dan nilai dua tes yaitu tes kemampuan
geometri (X) dan kemampuan aljabar (X2). Datanya adalah sebagai berikut.
a. Lakukan uji asumsi dalam analisis regresi linear dan simpulkan hasilnya.
b. Tentukan persamaan regresi linear dugaanya dan interpretasikan.
c. Ujilah apakah ada pengaruh linear antara nilai prestasi matematika (Y) dan nilai dua tes
yaitu tes kemampuan geometri (X1) dan kemampuan aljabar (X2)
d. Manakah diantara dua variabel bebas yang secara signifikan berpengaruh terhadap nilai
prestasi matematika. Gunakan α = 0,05
2.1 Uji Asumsi
Untuk menjawab pertanyaan (a) : lakukan uji asumsi dan simpulkan hasilnya
N 12 12 12
Sum of Mean
Squares df Square F Sig.
Deviation from
34.482 9 3.831 1.916 .512
Linearity
Total 171.389 11
Hasil analisis menunjukkan bahwa harga F sebesar 1,916 dengan signifikansi 0,512.
Kriteria pengujian uji linearitas :
Jika sig. ≥ 0,05 maka model regresi linear
Jika sig < 0,05 maka model regresi tidak linear
Hasil analisis menunjukkan bahwa sig. = 0,512 > 𝛼 = 0,05 berarti model regresi
linear.
2.2 Proses Pengujian
Menjawab pertanyaan (b): tentukan persamaan regresi linear dugaan dan simpulkan hasilnya.
Nomor Kemampuan Kemampuan Nilai Prestasi X1.Y X2.Y X1.X2 X12 X22 Y2
Geomteri (X1) Aljabar (X2) Matematika
(Y)
1 56,5 71,0 11,2 795,20 4011,50 3192,25 5041,00 125,44
632,80
2 59,5 72,5 14,5 862,75 1051,25 4313,75 3540,25 5256,25 210,25
(∑Y)2 (213,1)2
c) ∑𝑦2 = ∑Y2 − = 3955,69 - = 171,3891667
n 12
a = ̅Y − b1 ̅X̅1− b2 ̅X̅2
= 17,75833333 – (0,465200282)( 71,41666667) – (-0,220686135)(77,7) = 1,68259255
Unstandardized Standardized
Coefficients Coefficients Collinearity Statistics
Berdasarkan data diatas maka perhitungan secara manual dan secara software, mendapatkan
hasil yang sama, perbedaannya adalah angka dibelakang koma yaitu tiga angka dibelakang
koma.
Untuk menjawab pertanyaan (c): Ujilah apakah ada pengaruh linear antara nilai
prestasi matematika (Y) dan nilai dua tes yaitu tes kemampuan geometri (X1) dan
kemampuan aljabar (X2)
Menggunakan Uji F.
Proses pengujian:
1. Formulasi hipotesis nihil dan hipotesis kerja
H0 : b1 = b2 = 0 (Kemampuan Geometri dan aljabar tidak pengaruh signifikan terhadap nilai
prestasi matematika)
H1 : b1 ≠ b2 ≠ 0 (Kemampuan Geometri dan aljabar pengaruh signifikan terhadap nilai
prestasi matematika)
2. Uji statistik yang digunakan adalah uji F dengan α = 0,05
3. Nilai atau harga kritis diperoleh dengan melihat tabel distibusi F.
𝛼 ;(db pembilang);(db penyebut) = 𝛼 ;(k);(n−k−1))
= 0,05 ;(3−1);(12−2−1))
= 0,05 ; 2 ;9
= 4,26
4. Kriteria pengujian hipotesis
Terima H0 jika hitung < tabel
5. Harga uji statistik dihitung dengan rumus :
SSR/df SSR/k
hitung = =
SSE/df SSE/(n−k−1)
= 0,967786125 ~ 0,968
7. Nilai determinan : KP = R2.100% = (0,968)2.100% = 93,7024%
8. Kesimpulan
Dari hasil analisis diperoleh hitung = 66,49 > tabel = 4,26 maka H0 ditolak dan H1
diterima. Artinya, kemampuan Geometri (X1) dan aljabar(X1) berpengaruh signifikan
terhadap nilai prestasi matematika (Y) dengan besar pengaruh yaitu 93,7024%
Sebagai pembanding berikut adalah hasil perhitungan dengan menggunakan SPSS pada
tabel ANOVA.
ANOVAb
Total 171.389 11
Kesimpulannya :
Karena nilai Sig = 0,000 < 0,05 maka H1 diterima. Artinya, kemampuan Geometri dan aljabar
berpengaruh signifikan terhadap nilai prestasi matematika.
Untuk menjawab pertanyaan (d): Manakah diantara dua variabel bebas yang secara
signifikan berpengaruh terhadap nilai prestasi matematika. Gunakan α = 0,05
Menggunkan uji t.
Untuk 𝖰1
Proses pengujian:
1. Formulasi hipotesis nihil dan hipotesis kerja
H0 : b1 = 0 (Tidak ada pengaruh kemampuan geometri terhadap nilai prestasi matematika)
𝐻1 : b1 ≠ 0 (Ada pengaruh kemampuan geometri terhadap nilai prestasi matematika)
2. Uji statistik yang digunakan adalah uji t dengan α = 0,05
3. Nilai atau harga kritis diperoleh dengan melihat tabel distribusi t.
t(1 − 1 );( db) = t(1 − 1𝛼);(n −k) = t(1 − 1(0,05)); = t(0,975);(9) = 2,26
𝛼 (12−3)
2 2 2
∑𝑥1𝑥2 806,1
r12 = = = 0,956527812
√(∑𝑥12)(∑𝑥22) √(1391,736667)(510,3)
1,098704385
S b1 = = 0,100984231
√(1391,736667) (1− (0,956527812 )2)
b1− 𝛽1 0,465200282−0
t= = = 4,606662618
Sb 1 0,100984231
4,607
Daerah Penerimaan H0 Daerah Penerimaan H1
-2,26 2,26
6. Kesimpulan
Dari hasil analisis diperoleh thitung = 4,607 > 0,05, maka H1 diterima. Artinya ada pengaruh
signifikan kemampuan geometri terhadap nilai prestasi matematika.
Untuk 𝖰2
Proses pengujian:
1. Formulasi hipotesis nihil dan hipotesis kerja
H0 : b2 = 0 (Tidak ada pengaruh kemampuan aljabar terhadap nilai prestasi matematika)
𝐻1 : b2 ≠ 0 (Ada pengaruh kemampuan aljabar terhadap nilai prestasi matematika)
2. Uji statistik yang digunakan adalah uji t dengan α = 0,05
3. Nilai atau harga kritis diperoleh dengan melihat tabel distribusi t.
t(1 − 1 );( db) = t(1 − 1𝛼);(n −k) = t(1 − 1(0,05)); = t(0,975);(9) = 2,26
𝛼 (12−3)
2 2 2
∑𝑥1𝑥2 806,1
r12 = = = 0,956527812
√(∑𝑥12)(∑𝑥22) √(1391,736667)(510,3)
1,098657246
S b2 = = 0,166763376
√(510,3) (1− (0,956527812 )2)
b2− 𝛽2 −0,220689688−0
t= = = -1,322269971
Sb 2 0,1667633768
Daerah Penerimaan H1
-1,323
Daerah Penerimaan H0
-2,26 2,26
6. Kesimpulan
Dari hasil analisis diperoleh thitung = -1,323 < 0,05, maka H0 diterima. Artinya tidak ada
pengaruh signifikan kemampuan aljabar terhadap nilai prestasi matematika.
Secara umum, dapat disimpulkan bahwa variabel bebas yang berpengaruh signifikan
adalah kemampuan geometri (1) sedangkan kemampuan geometri (2) tidak berpengaruh
terhadap nilai prestasi matematika (Y).
BAB 3
PENUTUP
3.1 Kesimpulan
Regresi linear adalah alat statistik yang dipergunakan untuk mengetahui pengaruh
antara satu atau beberapa variabel terhadap satu buah variabel. Analisis regresi
membentuk persamaan garis lurus (linear) dan menggunakan persamaan tersebut untuk
membuat perkiraan (prediction). Tujuan dari analisis regresi yaitu untuk membuat
perkiraan nilai suatu variabel terikat jika nilai variabel bebas yang berhubungan
dengannya sudah ditentukan dan untuk menguji hipotesis signifikansi pengaruh dari
variabel bebas (X) terhadap variabel terikat (Y).
3.2 Saran
Beberapa saran dari penulis :
1. Bagi seorang peneliti dalam memberikan hasil data perhitungan harus disertaidengan
interpretasi atau kesimpulan yang jelas.
2. Dalam pemberian contoh kasus kami hanya memberikan kasus dengan dua variabel
bebas namun belum yang lebih dari dua. Untuk itu, diharapkan ada pemberian
contoh dengan variabel lebih dari dua.
DAFTAR PUSTAKA
https://m.kumparan.com/amp/berita-hari-ini/analisis-regresi-linier-berganda-pengertian-rumus-
dan-contoh-kasusnya-1xS5JvrNPAY
(Diakses pada 12 April 2023, 17.44)
Descriptive Statistics
Keterangan : Descriptive Statistics (deskripsi statistik) terdiri dari mean (rata-rata), std.
Deviation (standar deviasi), dan N (banyaknya sampel). Dari tabel tersebut salah satu yang
diketahui untuk variabel Y yaitu nilai prestasi matematika memiliki mean = 17,758, standar
deviasi = 3,9473 dan N = 12.
Variables Entered/Removedb
Variables Variables
Model Entered Removed Method
1 Aljabar,
. Enter
Geometria
a. All requested variables entered.
Keterangan : Variabel Entered (variabel yang dimasukkan) menunjukkan semua variabel yang
dimasukkan. Untuk variabel bebas : Aljabar dan Geometri. Variabel terikat : Nilai prestasi
matematika.
Correlations
Aljabar 12 12 12
Keterangan : Correlation menujukkan besarnya derajat hubungan antar variabel dan
banyaknya sampel. Salah satu diketahui yaitu besarnya korelasi antara matematika (Y) dengan
aljabar (X2) adalah 0,887 dengan probabilitas p = 0,000 < 𝛼 = 0,05. Hal ini menunjukkan
adanya hubungan yang sangat signifikan antara nilai prestasi matematika dan kemampuan
aljabar.
Model Summaryb
Residuals Statisticsa