Disusun Oleh :
Kelompok 5
Akuntansi/21-A1B-R1
PRODI AKUNTANSI
FAKULTAS EKONOMI
UNIVERSITAS MUHAMMADIYAH CIREBON
2022
KATA PENGANTAR
Pertama-tama kami panjatkan puja dan puji syukur ke hadirat Allah SWT.
Atas rahmat dan ridho-Nya, kami dapat menyelesaikan makalah yang berjudul "Uji
Regresi Linier Berganda= dengan baik dan tepat waktu.
Tidak lupa kami mengucapkan terima kasih kepada Ibu Titi Rohaeti, M,Pd.
selaku dosen pengajar mata kuliah Statistika yang telah memberikan tugas kepada
kami. Kami juga mengucapkan terima kasih kepada teman-teman yang telah
berkontribusi dalam pembuatan makalah ini.
Kami menyadari bahwa tulisan ini tidak luput dari kekurangan-kekurangan.
Hal ini disebabkan oleh keterbatasan pengetahuan dan kemampuan yang kami
miliki. Oleh karena itu, semua kritik dan saran pembaca akan penulis terima dengan
senang hati demi perbaikan makalah lebih lanjut. Kami juga berharap semoga
makalah ini mampu memberikan pengetahuan tentang konsep dari kewirausahaan
ala Rasulullah SAW.
Penyusun
ii
DAFTAR ISI
C. Tujuan ............................................................................................................. 2
BAB II PEMBAHASAN........................................................................................ 3
A. Kesimpulan ................................................................................................... 20
iii
1
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. Istilah <regresi= pertama kali
dikemukakan oleh Sir Francis Galton (1822-1911), seorang antropolog dan ahli
meteorologi terkenal dari Inggris. Dalam makalahnya yang berjudul
“Regression towards mediocrity in hereditary stature=, yang dimuat dalam
Journal of the Anthropological Institute, volume 15, hal. 246-263, tahun 1885.
Galton menjelaskan bahwa biji keturunan tidak cenderung menyerupai biji
induknya dalam hal besarnya, namun lebih medioker (lebih mendekati rata-rata)
lebih kecil daripada induknya kalau induknya besar dan lebih besar daripada
induknya kalau induknya sangat kecil.
B. Rumusan Masalah
1. Apa yang dimaksud dengan regresi linier berganda?
2. Bagaimana Asumsi regresi linier berganda?
3. Bagaimana konsep regresi ganda dua prediktor?
4. Bagaimana konsep analisis regresi tiga prediktor?
C. Tujuan
1. Untuk mengetahui dan memahami tentang regresi linier berganda.
2. Untuk mengetahui banyaknya asumsi regresi liner berganda.
3. Untuk mengetahui dan memahami konsep regresi ganda dua prediktor.
4. Untuk mengetahui dan memahami konsep analisis regresi tiga prediktor.
3
BAB II
PEMBAHASAN
Dalam mengetahui hubungan antara tinggi ayah dan anak laki-laki maka
dapat menggambarkan tinggi ayah pada absis X dan tinggi anak pada ordinat
Y, sehingga diperoleh diagram pencar dari nilai X dan Y. Jika ditarik suatu garis
lurus yang berjarak jumlah kuadrat jarak vertikal dari setiap titik maka garis
lurus inilah yang disebut dengan garis regresi. Dengan hubungan antara tinggi
ayah dan anak laki-laki tersebut maka persamaannya Y = a + bX menunjukkan
hubungan linier Y dengan X. Berdasarkan persamaan tersebut jika diketahui
nilai X dan Y, maka estimasi a dan b dengan mudah ditentukan. Nilai a
menunjukkan pemotongan Y terhadap garis regresi, sedangkan nilai b yakni
koefisien X disebut koefisien regresi,
Regresi tidak lain adalah bentuk hubungan antara variabel prediktor dan
variable respon. Hubungan ini biasanya dinyatakan dalam bentuk persamaan
matematis yang bentuknya dapat linier maupun non-linier. Persamaan yang
dihasilkan merupakan sebuah prediksi yang menggambarkan hubungan antara
variabel prediktor dan variable respon.
karena itu analisis regresi dilakukan apabila hubungan dua variabel mempunyai
hubungan kausal atau hubungan fungsional.
Analisis regresi terdiri atas berbagai jenis, salah satunya adalah 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.
1. Sampel harus diambil secara acak (random) dari populasi yang berdistribusi
normal.
5
2. Oleh karena sampel diambil dari populasi yang berdistribusi normal, maka
sampel juga harus berdistribusi normal. Normalitas dapat diatasi dengan
mengambil sampel banyak. Disamping itu, normalitas dapat diuji dengan
normalitas menggunakan uji Liliefors.
3. Data variabel terikat harus berskala interval atau skala ratio, sedangkan
skala untuk variabel bebas tidak harus interval atau ratio tetapi bisa juga
untuk data yang berskala lebih rendah. Dalam hal ini data variabel bebas
diubah dengan sistem coding (pemberian tanda tertentu).
4. Antara variabel bebas dengan variabel terikat mempunyai hubungan secara
teoritis dan melalui perhitungan korelasi sederhana dapat diuji signifikansi
hubungan tersebut. Jika ternyata antara variabel bebas dengan variabel
terikat tidak mempunyai hubungan sederhana yang signifikan maka korelasi
ganda pun tidak akan signifikan.
5. Persamaan regresi yang terbentuk harus linier.
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
3. Normalitas residual
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
6. Non Multikolinearitas
7. Non Autokorelasi
Contoh:
No
Responden X1 X2 Y
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 4 3 10
8 6 3 14
9 7 4 20
10 6 3 19
No
Responden Y X¡ X¢ X¡Y X¢Y X¡X¢ X¡^2 X¢^2
1 23 10 7 230 161 70 100 49
2 7 2 3 14 21 6 4 9
3 15 4 2 60 30 8 16 4
4 17 6 4 102 68 24 36 16
5 23 8 6 184 138 48 64 36
6 22 7 5 154 110 35 49 25
7 10 4 3 40 30 12 16 9
8 14 6 3 84 42 18 36 9
9 20 7 4 140 80 28 49 16
10 19 6 3 114 57 18 36 9
Jumlah 170 60 40 1122 737 267 406 182
Keterangan:
Y = produktivitas kerja
X¢ = kepemimpinan direktif
Y = an + b¡X¡ + b¢X¢
Bila harga-harga dari data diatas dimasukkan dalam persamaan tersebut maka:
(-)
(-)
(-)
-132 = 0 + 283 b2
Harga b2 dimasukkan dalam salah satu persamaan (4) atau (5). Dalam
hal ini dimasukkan dalam persamaan (4), maka:
46 b1 = 114,582
b1 = 114,582/46 = 2,4909
a = 39,186/10 = 3,9186
Jadi:
a = 3,9186
b1 = 2,4909
b2 = -0,466
12
Dari persamaan itu berarti produktivitas kerja pegawai akan naik, bila
kemampuan pegawai ditingkatkan, dan akan turun bila kepemimpinan direksi
(otokrasi) ditingkatkan. Tetapi koefisien regresi untuk kemampuan pegawai
(2,4909) lebih besar daripada koefisien regresi untuk kepemimpinan direktif
(2,4909) lebih besar daripada koefisien regresi untuk kepemimpinan direktif
(diharga mutlak = 0,466) X. Jadi bila kemampuan pegawai ditingkatkan
sehingga sampai mendapat nilai 10, dan juga tingkat kepemimpinan direktif
sampai mendapat nilai 10, maka produktivitasnya adalah:
Contoh:
Dimana:
Korelasi ganda (R) dapat dihitung dengan mudah apabila koefisien regresi
dapat dicari.
14
No
Responden X¡ X¢ X£ Y
1 60 59 67 56
2 31 33 41 36
3 70 70 71 71
4 69 69 70 68
5 50 48 49 47
6 30 29 33 34
7 40 48 51 50
8 55 54 60 60
9 58 61 59 61
10 26 34 31 29
11 78 76 75 77
12 45 43 43 46
13 47 56 46 50
14 34 42 43 39
15 57 58 56 56
Y = 780 Y 2 = 43.326 Y = 52
b1 = 0,375
0,540 = 0,236 + b2
b2 = 0,305
b3 = 0,273
b0 = 3,556
Sehingga:
LATIHAN SOAL
1. Sebuah penelitian dilakukan untuk mengetahui pengaruh antara kecerdasan
numerik (X1) dan motivasi belajar (X2) terhadap prestasi siswa (Y), pada
15 sampel. Tentukan
(1) Persamaan regresi ganda Y atas X1 dan X2,
(2) Adakah pengaruh X1 dan X2 terhadap Y, baik secara bersama-sama
ataupun secara parsial?
Hasil pengumpulan data dapat dilihat pada tabel di bawah ini:
Y (Ratusan
23 7 15 17 23 22 10 14 20 19
Rupiah)
X1
(Ribuan 10 2 4 6 8 7 4 6 7 6
Rupiah)
X2 (Orang) 7 3 2 4 6 5 3 3 4 3
19
Tabel Hasil pengumpulan data dapat dilihat pada tabel di bawah ini:
20
BAB III
PENUTUP
A. Kesimpulan
Analisis regresi merupakan salah satu teknik analisis data dalam
statistika yang seringkali digunakan untuk mengkaji hubungan antara beberapa
variabel dan meramal suatu variabel. Dalam analisis regresi terdapat dua jenis
analisis yaitu analisis regresi linier sederhana dan analisis regresi linier
berganda. Analisis regersi linier sederhana adalah analisis yang melibatkan satu
variabel, sedangkan analisis regresi linier berganda adalah analisis yang
melibatkan lebih dari satu variabel bebas atau prediktor. 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.
DAFTAR PUSTAKA