ANALISIS REGRESI LINIER BERGANDA

OLEH : M. RIZKY BENANDO

(01031281419091)
 ANALISIS REGRESI LINIER BERGANDA

 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 ̅̅̅̅̅̅̅̅̅

Untuk memudahkan perhitungan digunakan tabel pembantu.

Penggunaan Ms. Excel (contoh : permintaan daging sapi terhadap harga
dan pendapatan masyarakat )
 Untuk mendapatkan koefisien regresi, sesuai dengan persamaan (a), (b) dan (c), perlu
dihitung lebih dahulu dari nilai-nilai sebagai berikut: Y, X1, X2, X1Y, X12, X1
X2, X2Y, X22
Pengolahan data menggunakan Ms. Excel

Pada menu tools/data, klik data analysis, lalu pilih regression.

Input y range dan x range nya. Untuk y range, drag dari kotak b6-b16 (permintaan
daging), lalu untuk x range, drag 2 kolom mulai dari c6-d16 (kolom harga dan
pendapatan),centang pada kotak “labels”. Pada output ooptions, pilih output range,
untuk memilih kotak mana yang akan digunakan untuk menampilkan hasil regresi,
contoh pada kotak b25. Pada menu residuals, cntangkan semua menu yang ada,
begitu juga dengan menu normal probability. Klik OK.
 Maka akan muncul hasil seperti berikut :
SUMMARY OUTPUT

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

Predicted permintaan daging Standard Percentile permintaan daging (kg)

Observation Residuals
(kg) Residuals
5 3
1 4,041945987 -1,041945987 -1,29711568
15 4
2 4,757709251 -0,757709251 -0,943270153
25 4
3 4,524420609 0,475579391 0,592047469
35 5
4 5,123539552 -0,123539552 -0,153794047
45 5
5 5,621911511 0,378088489 0,470681315
55 5
6 4,704654281 -0,704654281 -0,877222167
65 5
7 3,707910362 1,292089638 1,60851882
75 6
8 6,438421758 -0,438421758 -0,545790035
85 6
9 5,839302816 1,160697184 1,444948717
95 7
10 5,240183873 -0,240183873 -0,29900424

Dari pengolahan data menggunakan Ms. Excel tersebut

maka diperoleh persamaan seperti berikut :
Y = 11,45949052 + -0,116644321X + 0,832407585X
 (t= 2,78) (t= -2,06) (t=2,72)

 R square = 0,516

 Nilai F hitung = 3,37322594

Persamaan Y = 11,45949052 + -0,116644321X + 0,832407585X menyatakan bahwa apabila X1

(harga daging/kilo) meningkat 1 kilo, maka keuntungan (y) menurun sebesar 0,116644321X, dan
apabila X2 (pendapatan) meningkat 1 juta, maka keuntungan (y) meningkat sebesar 0,832407585X.

Nilai R square sebesar 0,516 menunjukkan kemampuan variable X1 (harga daging/kilo) dan X2
(pendapatan) menjelaskan perilaku keuntungan perusahaan sebesar 3,73 %