Analisis regresi linear berganda adalah pengembangan dari analisis regresi linear sederhana dimana terdapat lebih dari satu variable independen X. Analisis ini digunakan untuk melihat sejumlah variable independen X1, X2, … Xn terhadap variabel dependen Y berdasarkan nilai variabel-variabel independen X1, X2, …Xn. Perbedaan antara Regresi Sederhana dengan Regresi Berganda
regresi sederhana : jumlah variabel bebas yang digunakan untuk
memprediksi variabel tergantung hanya satu
regresi berganda : jumlah variabel bebas yang digunakan untuk
memprediksi variabel tergantung lebih dari satu. Dalam regresi berganda seluruh variabel bebas dimasukkan kedalam perhitungan regresi serentak Kegunaan Analisis Regresi Linear Berganda
Analisis regresi linear berganda digunakan untuk
mengukur pengaruh antara lebih dari satu variabel prediktor (variabel bebas) terhadap variabel terikat. Model Persamaan Analisis Regresi Linear Berganda Secara umum, persamaan regresi dimana varibel terikat (Y) merupakan nilai yang diprediksi, maka persamaannnya : Persamaan regresi dua variabel bebas Ŷ : Variabel terikat / variabel dependen/variabel yang Ŷ=a+ b1X1+ b2X2 dipengaruhi X : Varibel bebas / variabel Persamaan regresi tiga variabel bebas independen / variabel yang mempengaruhi Ŷ= a+ b1X1+ b2X2 + b3X3 a : Konstanta / intercept yaitu sifat bawaan dari variabel Y Persamaan regresi untuk k variabel bebas b1, b2, bn : Paremeter yang menunjukkan slope atau Ŷ= a+ b1X1+ b2X2 + b3X3 +⋯+ bkXk kemiringan garis regresi Koefesien Regresi Linear Berganda
Nilai koefisien regresi yaitu:
Contoh Soal 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 : Nilai Prestasi Kemampuan Geomteri Kemampuan Aljabar Matematika (Y) (X1) (X2) 11,2 56,5 71,0 14,5 59,5 72,5 17,2 69,2 76,0 17,8 74,5 79,5 19,3 81,2 84,0 24,5 88,0 86,2 21,2 78,2 80,0 16,9 69,0 72,0 14,8 58,1 68,0 20,0 80,5 85,0 13,2 58,3 71,0 22,5 84,0 87,2 Contoh Soal (Jawaban)
Hipotesis yang digunakan :
• Ho : β1 = β2 = 0, kemampuan geometri dan kemampuan aljabar tidak berpengaruh signifikan terhadap nilai prestasi matematika. • Ha : β1 ≠ β2 ≠ 0, kemampuan geometri dan kemampuan aljabar berpengaruh signifikan terhadap nilai prestasi matematika. Contoh Soal Tabel perhitungan : (Jawaban) Contoh Soal (Jawaban) Contoh Soal (Jawaban)
Sehingga persamaan regresi linear berganda untuk kasus diatas
adalah: Y = 1,68286855 + 0,465200286X1 - 0,220689691X2 atau Y = 1,68286855 + 0,465200286 Kemampuan Geometri - 0,220689691 Kemampuan Aljabar Interpretasi
Interpretasi terhadap persamaan juga relatif sama, pengaruh
antara kemampuan geometri (X1) dan kompensasi aljabar (X2) terhadap nilai prestasi matematika (Y) yaitu: a. Jika variabel kemampuan geometri meningkat satu satuan dengan asumsi variabel kemampuan aljabar tetap, maka nilai prestasi matematika akan meningkat 0,465200286. b. Jika variabel kemampuan aljabar meningkat satu satuan dengan asumsi variabel kemampuan geometri tetap, maka nilai prestasi matematika akan menurun 0,22068969. c. Jika variabel kemampuan geometri dan kemampuan aljabar sama dengan nol, maka nilai prestasi belajar matematika adalah 1,68286855.