Analisis regresi linier berganda adalah hubungan secara linear antara dua atau
lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini untuk
mengetahui arah hubungan antara variabel independen dengan variabel dependen
apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk
memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami
kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio.
Secara umum, persamaan regresi dimana varibel terikat (Y) merupakan nilai yang diprediksi, maka
persamaannnya :
1. Persamaan regresi dua variabel bebas : Ŷ = a + b1X1 + b2X2
2. 2. Persamaan regresi tiga variabel bebas : Ŷ = a + b1X1 + b2X2 + b3X3
3. 3. Persamaan regresi untuk k variabel bebas : Ŷ = a + b1X1 + b2X2 + b3X3 + ⋯ + bkXk
Dimana :
Ŷ : Variabel terikat / variabel dependen / variabel yang dipengaruhi
X : Varibel bebas / variabel independen / variabel yang mempengaruhi
a : Konstanta / intercept yaitu sifat bawaan dari variabel Y
b1, b2, bn : Paremeter yang menunjukkan slope atau kemiringan garis regresi
Koefisien Regresi Linier Berganda
Apabila diketahui dua variabel bebas dan satu variabel terikat dengan persamaan regresi Ŷ = a + b1X1
+ b2X2 maka untuk mendapatkan nilai a, b1, dan b2 digunakan rumus :
a) ∑X1 2 = ∑X1 2 − (∑X1 2 ) 2/n
b) ∑x2 2 = ∑X2 2 − (∑X2 2 ) 2/n
c) ∑𝑦2 = ∑Y 2 − (∑Y) 2/n
d) ∑x1𝑦 = ∑X1Y − (∑X1)(∑Y)/n
e) ∑x2𝑦 = ∑X2Y − (∑X2)(∑Y)/n
f) ∑x1x2 = ∑X1X2 − (∑X1)(∑X2)/n
g) Y̅ = ∑Y/n
h) X1 ̅̅̅̅̅̅̅̅̅ = ∑X1/n
i) X2 ̅̅̅̅̅̅̅̅̅ = ∑X2/n
Nilai koefisien regresi, yaitu :
b1 = (∑x2 2)(∑x1𝑦) −(∑x1x2)(∑x2𝑦)/(∑x1 2)(∑x2 2) −(∑x1x2)2
b2 = (∑x1 2)(∑x2𝑦) −(∑x1x2)(∑x1𝑦)/∑x1 2)(∑x2 2) −(∑x1x2) 2
a = Y̅ − b1 X1 ̅̅̅̅̅̅̅̅̅ − b2X2 ̅̅̅̅̅̅̅̅̅
Regression Statistics
Multiple R 0,718371039 Menunjukkan kedekatan keterkaitan antara harga daging /kilo dan pendapatan terhadap permintaan
R Square 0,516056949 Menunjukkan adanya pengaruh antara harga daging /kilo dan pendapatan terhadap permintaan
Adjusted R Square 0,377787506
Standard Error 0,910832947
Observations 10
ANOVA
df SS MS F Significance F
Regression 2 6,192683394 3,096341697 3,732256 0,078846043
Residual 7 5,807316606 0,829616658
Total 9 12
Lower Upper
Coefficients Standard Error t Stat P-value Lower 95% Upper 95% 95,0% 95,0%
0,0269 1,740493 21,178487
11,45949052 4,110165667 2,788084823 1,740493104 21,17848793
Intercept 83 104 93
-
0,0778 0,0169358
harga daging/kilo (ribuan) -0,116644321 0,056491068 -2,064827691 -0,25022447 0,016935828 0,250224
09 28
47
pendapatan masyarakat 0,0294 0,110641 1,5541734
0,832407585 0,305234892 2,727104947 0,110641756 1,554173414
(juta) 62 756 14
PROBABILITY OUTPUT
RESIDUAL OUTPUT
R square = 0,516
Nilai R square sebesar 0,516 menunjukkan kemampuan variable X1 (harga daging/kilo) dan X2
(pendapatan) menjelaskan perilaku keuntungan perusahaan sebesar 3,73 %