ANALISIS REGRESI

Regresi Linier
Berganda
Gagassage Nanaluih De Side
gagassage@gmail.com
2
 Analisis Regresi Berganda
1.Analisa regresi linier berganda digunakan untuk Menguji hubungan linier antara 1
variabel dependen (y) dan 2 atau lebih variabel independen (xn)
Jika variabel independent-nya lebih dari satu (X1, X2, X3, …. Xi), maka
persamaan regresinya adalah persamaan regresi linier berganda

2. Regresi ada 2 macam yaitu:

• Regresi sederhana : dikaji dua variabel
• Regresi berganda (multiple regression) : dikaji lebih dari dua variabel
 Variabel dalam Analisis Regresi Berganda
Model pd populasi:
Population slopes
Y-intercept Random Error

y = α + β1 x1 + β 2 x2 + … + β n x n +
ε
 5

Estimasi model regresi berganda:

Estimasi
(prediksi) Estimasi Estimasi kofisien slope
Nilai y intercept

ˆy = a + b1x1 + b2 x2 +…+
bn xn
 6
▪ Dimana:

Ŷ = penduga (bagi rata-rata Y untuk X tertentu) variabel terikat (variabel yang

diduga)
X = variabel bebas (variabel yang diketahui)
a,b = penduga parameter a dan b (koefisien regresi sampel) a merupakan intersep (nilai Y, jika X =
0)
b = slope (kemiringan garis regresi)
 Model Regresi Berganda
Model dgn 2 variabel independen

ˆy = a + b1x1 + b2
x2

x2

bel x 2
aria
Slope v
x1
 8

PT Jaya Konstruksi mencoba Contoh soal 1

mengestimasi pajak aktual yang tak
terbayar tiap bulan di divisi Auditing.
Dua faktor yang mempengaruhinya
adalah jumlah jam kerja pegawai dan X1 X2 Y (Rp 100000)
Bulan Jam kerja Pajak aktual yang
jumlah jam kerja mesin berupa alat Jam kerja pegawai
Alat berat tidak dibayar
berat. Untuk menganalisis seberapa
Januari 45 16 29
besar kedua faktor itu mempengaruhi Pebruari 42 14 24
besarnya pajak aktual tak terbayar tiap Maret 44 15 27
bulan, dilakukan pencatatan selama 10 April 45 13 25
Mei 43 13 26
bulan.
Juni 46 14 28
Tentukanlah persamaan regresi linier Juli 44 16 30
berganda! Agustus 45 16 28
September 44 15 28
Oktober 43 15 27
 Penyelesaian 1
Tabel perhitungan:
Bulan X1 X2 y x1y x2y x1x2 x12 x22 y2

Januari 45 16 29 1305 464 720 2025 256 841

Pebruari 42 14 24 1008 336 588 1764 196 576

Maret 44 15 27 1188 405 660 1936 225 729

April 45 13 25 1125 325 585 2025 169 625

Mei 43 13 26 1118 338 559 1849 169 676

Juni 46 14 28 1288 392 644 2116 196 784

Juli 44 16 30 1320 480 704 1936 256 900

Agustus 45 16 28 1260 448 720 2025 256 784

September 44 15 28 1232 420 660 1936 225 784

Oktober 43 15 27 1161 405 645 1849 225 729

rata2 44,1 14,7 27,2            

total 441 147 272 12005 4013 6485 19461 2173 7428
 Penyelesaian 1Metode Kuadrat Terkecil
:
10

2
∑ y2 = ∑Y 2 - nY = 7.428 - ( 10 )( 27 ,2 )2 = 29,6
2
∑x 2 = ∑ X 2
- n X = 19.461- ( 10 )( 44,1 )2 = 12,9
1 1 1
2
∑x 2
=∑X 2
- n X = 2.173 -( 10 )(14,7 )2 = 12,1
2 2 2

∑ x1 y = ∑ X1Y - n X1 Y = 12.005 -( 10 )( 44,1 )( 27 ,2 ) =

9,8

∑ x y = ∑ X Y - n X Y = 4.013 -( 10 )( 14,7 )( 27 ,2 ) =
Penyelesaian 1 11
 Metode Kuadrat Terkecil (Interpretasi)
Persamaan regresi linier berganda
Y = -13,828 + 0,564X1 + 1,099X2

Nilai a = -13,828
Jika jam kerja pegawai (X1) dan jam kerja alat berat (X2) keduanya bernilai nol, maka estimasi besarnya
pajak tertunda (Y) sebesar -13,828

Nilai b1 = + 0,564
• Hubungan antara jam kerja pegawai (X1) dengan pajak tertunda (Y)
• Jika jam kerja alat berat (X2) adalah konstan, maka setiap kenaikan nilai jam kerja pegawai (X1) sebesar satu
satuan akan meningkatkan pajak tertunda (Y) sebesar 0,564 satuan,

Nilai b2 = + 1,099
• Hubungan antara jam kerja mesin (X2) dengan pajak tertunda (Y)
• Jika jam kerja pegawai (X1) adalah konstan, maka setiap kenaikan nilai jam kerja alat berat (X2) sebesar
satu satuan akan meningkatkan pajak tertunda (Y) sebesar 1,099 satuan
 13

Penyelesaian 1 menggunakan
Ms Excel
▪ Data> Data Analysis > Regression
 14

Penyelesaian 1 menggunakan
Ms Excel
 15

Output Analisis Regresi Linear

 16

Output Analisis Regresi Linear

 17
Korelasi antar variabel
▫ “Multiple R” adalah nilai korelasi antara jumlah volume kendaraan (variabel x) dengan
ketersediaan lahan parkir di suatu kawasan (variabel y) yaitu sebesar 0,944. Kekuatan
kategori ini berada dalam kategori kuat berdasarkan kategorisasi berikut.
▫ 0,00 – 0,199 : Hubungan korelasinya sangat lemah
0,20 – 0,399 : Hubungan korelasinya lemah
0,40 – 0,599 : Hubungan korelasinya sedang
0,60 – 0,799 : Hubungan korelasi kuat
0,80 – 1,0     : Hubungan korelasinya sangat kuat
▫ “R Square”  adalah nilai koefisien determinasi (R 2), yaitu sebesar 0,728 yang berarti
bahwa kontribusi besarnya pengaruh yang diberikah oleh variabel x1 dan x2 terhadap
variabel y sebesar 0,728 (72,8%), sedangkan sisanya 27,2 % dipengaruhi oleh faktor
lain.
 18
3. Bagaimana pengaruh variabel x terhadap variabel y?
Tabel ANOVA menunjukkan bahwa:
▫ Nilai F hitung (9,411) dengan nilai signifikansi p-value sebesar 0,334.
Ketentuannya jika nilai p-value < 0,05 maka artinya variabel X memiliki
pengaruh signifikan terhadap variabel Y dalam taraf keyakinan 95%.
▫ Nilai konstanta (Cofficients Intercept) diperoleh sebesar 1,85, dan nilai koefisien
regresi (b) sebesar 0,25 dengan nilai t-hitung (to) sebesar 11,155 dan nilai
signifikansi p-value 0,0015. Koefisien regresi bernilai positif menunjukkan bahwa
arah pengaruhnya positif, artinya semakin besar jumlah volume kendaraan,
semakin besar pula kebutuhan lahan parkir yang harus tersedia.
▫ Sehingga persamaan regresi : Y = 1,85 + 0,25x
19
 20

TERIMA KASIH..