ANALISIS REGRESI LINEAR BERGANDA

Pengertian Analisis Regresi Linear Berganda

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.