PERTEMUAN 4

REGRESI BERGANDA

MADE SUYANA UTAMA

Metode Kuantitatif - Made Suyana

Utama - FE Unud 1
 REGRESI MAJEMUK
 Regresi majemuk atau berganda/multipel
bertujuan untuk mengetahui pengaruh dua atau
lebih variabel bebas terhadap satu variabel terikat.

 Salah satu contoh persamaan regresi berganda

adalah:
Y =  + 1X1 + 2X2 + ... k Xk + μ

dimana : , 1, 2, k ditentukan

berdasarkan hasil pengamatan.

Metode Kuantitatif - Made Suyana

Utama - FE Unud 2
 Gambar 6.1. Hubungan Antarvariabel dalam

Regresi Berganda
rx1y
X1

Ry
rx1x2 x1x2

X2 rx2y

Metode Kuantitatif - Made Suyana

Utama - FE Unud 3
 MODEL REGRESI MAJEMUK
 Dalam model regresi berganda ini diperoleh
informasi pengaruh masing-masing variable
bebas terhadap variable terikat, dengan
asumsi variable lainnya konstan.
 Disamping itu akan dapat diketahui
pengaruh secara bersama-sama (overall)
variable bebas terhadap variable terikat.

Metode Kuantitatif - Made Suyana

Utama - FE Unud 4
 MODEL REGRESI MAJEMUK
 Model regresi sangat banyak diterapkan, dengan
menggunakan berbagai variable dengan berbagai
jenis pengukuran (nominal, ordinal, interval dan
ratio), serta berbagai bentuk transformasi (modal
biasa, logaritma, semi logaritma, reciprocal, dll).
 Dewasa ini penggunaan regresi dikembangkan ke
dalam analisis jalur (path analysis) untuk
menganalisis hubungan kausalitas.

Metode Kuantitatif - Made Suyana

Utama - FE Unud 5
ESTIMASI PARAMETER REGRESI
MAJEMUK
 Apabila variabelnya adalah sebanyak 3
buah, termasuk satu variabel terikat, maka
persamaan estimasinya adalah:
Y  Na  b  X
i 1 1i  b2  X 2i

 1i i  1i 1 1i  b2 X1i X 2i
X Y  a X  b X 2

 2i i  1i 1 2i  b2 X1i X 2i
X Y  a X  b X 2

Metode Kuantitatif - Made Suyana

Utama - FE Unud 6
ESTIMASI PARAMETER REGRESI
MAJEMUK
 Dari persamaan-persamaan ini dengan
menggunakan nilai deviasi masing-masing
variabel, dapat disederhanakan menjadi:
( yi x1i )( x22i )  ( yi x2i )( x1i x2i )
b1 
( x12i )( x22i )    x1i x2i 
2

( yi x2i )( x12i )  ( yi x1i )( x1i x2i )

b2 
( x )( x )    x x 
2 2 2
1i 2i 1i 2 i

a  Y  b1 X 1  b2 X 2
Metode Kuantitatif - Made Suyana
Utama - FE Unud 7
ESTIMASI PARAMETER REGRESI
MAJEMUK
 Selanjutnya dapat dihitung varian dan
standar deviasi dari koefisien regresi
dengan rumus:
Var (b ) 
 2
2ix 2

( x )( x )    x x 
1 2 2 2
1i 2i 1i 2 i

Var (b2 )   1i x 2

 2

( x12i )( x22i )    x1i x2i 

2

2   i
2
e
n3
Metode Kuantitatif - Made Suyana
Utama - FE Unud 8
Koefisien Regresi Berganda (R2 )
 Koefisien determinasi berganda
merupakan ukuran kesesuaian (godness
of fit) dari persamaan regresi, yaitu variasi
dari variabel terikat yang mampu
dijelaskan oleh variabel bebas.
ESS RSS  2
e
R 
2
R 1
2
R2 1 i

TSS TSS yi

2

R2  1   i i 2
ˆ
  2
(Yˆi  Y ) 2 (Y Y )

 (Yi  Y )2  (Yi  Y )
Metode Kuantitatif - Made Suyana
Utama - FE Unud 9
 Koefisien Regresi Berganda
yang Disesuaikan( Adjusted R2 )
 Umumnya makin banyak variabel bebas yang
dilibatkan pada suatu persamaan regresi
menyebabkan nilai R2 semakin besar dan
hampir tidak pernah menurun (non decreasing).
Sedangkan R2 tersebut merupakan ukuran
baik tidaknya suatu garis regresi.
 Apabila bermaksud membandingkan beberapa
persamaan regresi tentu tidaklah valid apabila
sekedar membandingkan R2. Untuk itu R2 perlu
disesuaikan berdasarkan jumlah variabel yang
dilibatkan dengan rumus sebagai berikut:
2
R 1  i /( N  k )
e 2

 i /( N  1)
y 2

Metode Kuantitatif - Made Suyana

Utama - FE Unud 10
 Uji Simultan (Uji F)
 Pengujian secara serempak suluruh
variabel bebas terhadap variabel terikat
digunakan uji F.
(b1  x12i  b2  x22i ) /( k  1)
F
 i /(n  2)
e 2

R /(k  1)
2
ESS /(k  1)
F F
(1  R ) /(n  k )
2
RSS /(n  k )
Metode Kuantitatif - Made Suyana
Utama - FE Unud 11
Contoh 8.1
Di bawah ini adalah konsumsi untuk barang A (Y)
dalam kg, harga barang A (X1 = dalam Rp 1.000),
dan pendapatan konsumen (X2 = Rp 1.000),
adalah sebagai berikut:
Konsumsi A (Y) 4 4 6 6 8 8 10 10 12 12
Harga barang A (X1) 7 7 4 3 6 4 3 2 2 2
Pendapatan (X2) 30 35 45 40 65 50 60 45 70 80

a. Olah data tersebut dan buat laporan regresinya

b. Jika harga barang adalah Rp 5.000 dan pendapatan
Rp 40.000,- berapa kg konsumsi barang A?
Metode Kuantitatif - Made Suyana
Utama - FE Unud 12
 Model Summary

Adjusted Std. Error of

Model R R Square R Square the Estimate
1 .959 a .920 .897 .95558
a. Predictors: (Constant), Pendapatan Konsumen, Harga
Barang A

ANOVAb

Sum of
Model Squares df Mean Square F Sig.
1 Regression 73.608 2 36.804 40.305 .000a
Residual 6.392 7 .913
Total 80.000 9
a. Predictors: (Constant), Pendapatan Konsumen, Harga Barang A
b. Dependent Variable: Konsumsi Barang A

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 5.068 1.820 2.784 .027
Harga Barang A -.713 .193 -.478 -3.688 .008
Pendapatan Konsumen .111 .024 .604 4.660 .002
a. Dependent Variable: Konsumsi Barang A

Metode Kuantitatif - Made Suyana

Utama - FE Unud 13
 PELAPORAN HASIL REGRESI
1) Tampilkan hasil taksiran persamaan regresi secara
lengkap
2) Menguraikan mengenai signifikansi pengaruh seluruh
variabel bebas secara serempak terhadap variabel
terikat, yang mana ini juga disebut uji serempak (uji F)
atau uji validitas model.
3) Menginterpretasikan makna dari koefisien determinasi
(R2).
4) Menguraikan mengenai signifikansi (pentingnya)
pengaruh masing-masing variabel bebas terhadap
variabel terikat. Yang mana ini juga disebut uji parsial
(uji t)
5) Menginterpretasikan makna dari koefisien regresi.
Metode Kuantitatif - Made Suyana
Utama - FE Unud 14
Ŷ

Persamaan Regresi:

Ŷ = 5,068 - 0,713 X1 + 0,111 X2 ......(8.25)

S() = (0,193) (0,024)
t = (-3,688)** (4,660)**
Sig = (0,003) (0,000
R2 = 0,920 df = 7 F = 40,305**

Metode Kuantitatif - Made Suyana

Utama - FE Unud 15
 INTERPRETASI
 Hasil perhitungan F menunjukkan angka sebesar
40,305. Angka tersebut jauh lebih besar dari F tabel
pada derajat bebas 2 : 7 dengan level of significant
1 persen yaitu sebesar 9,55. Ini berarti bahwa
secara serempak variabel harga barang A (X1) dan
tingkat pendapatan konsumen (X2) berpengaruh
serempak terhadap konsumsi barang A.
 Koefisien determinasi atau R2 = 0,920 mempunyai arti
bahwa 92 persen variasi konsumsi barang A
dipengaruhi oleh variasi harga barang A dan variasi
tingkat pendapatan konsumen, sedangkan sisanya 8
persen dipenga­ruhi oleh faktor lainnya yang tidak
dimasukkan dalam model tersebut.
Metode Kuantitatif - Made Suyana
Utama - FE Unud 16
 INTERPRETASI
 Dari angka t hitung dan Sig. dapat dijelaskan
bahwa variabel harga barang A (X1) dan tingkat
pendapatan konsumen (X2) berpenga­ruh sangat
nyata (**) terhadap konsumsi barang A. Hal ini
dibuktikan dari t hitung masing-masing sebesar
-3,688 dan 4,660, sedangkan t tabel pada derajat
bebas 7 adalah 2,365 lebih kecil dari angka-angka
itu.
 Pengaruh variabel harga barang A (X1) dan
tingkat pendapatan konsumen terhadap konsumsi
barang A juga dapat dilihat dari nilai signifikansi
kedua variabel itu berdasarkan olahan data
dengan SPSS masing-masing 0,008 dan 0,002
atau dengan probabilitas lebih kecil dari 1
persen.
Metode Kuantitatif - Made Suyana
Utama - FE Unud 17
 INTERPRETASI
 Koefisien regresi dari harga barang A sebesar
-0,713 berarti bahwa apabila harga barang A naik
Rp 1000,- dengan anggapan bahwa variabel
bebas lainnya konstan, maka konsumsi akan
barang A turun 0,713 kg.
 Koefisien regresi tingkat pendapatan sebesar
0,111 berarti bahwa apabila pendapatan naik
sebesar Rp 1.000,- dengan anggapan variabel
bebas lainnya konstan maka kon­sumsi akan
barang A naik 0,111 kg.

Metode Kuantitatif - Made Suyana

Utama - FE Unud 18
 INTERPRETASI
 Jika dari persamaan regresi di atas
diketahui bahwa harga barang A adalah Rp
5.000 dan pendapatan konsumen adalah
Rp 40.000, maka jumlah barang A yang
diminta adalah sebanyak 5,953 kg, seperti
perhitungan sebagai berikut:

Ŷ = 5,068 + 0,713 X1 + 0,111 X2

= 5,068 + 0,713 (5) + 0,111 (40)
= 5,953 atau sebanyak 5,953 kg.
Metode Kuantitatif - Made Suyana
Utama - FE Unud 19
Tabel 8.3. Anova untuk Konsumsi Barang A

Sumber Variasi Jumlah Derajat Kwadrat Ratio F

Kwadrat Bebas Rata-rata

Akibat Regresi
73,608 (k-1)=2 36,804 F= 40,305
Akibat Residual 6,392 (n-k)=7 0,913
Total 80,000 (n-1)=9

R 2 /(k  1) 0,920 /(3  1)

F F
(1  R 2 ) /(n  k ) (1  0,920) /(10  3)

F  40,25
Metode Kuantitatif - Made Suyana
Utama - FE Unud 20
 Uji Parsial
 Pengujian parsial antara masing-masing
variabel bebas terhadap variabel terikat
digunakan uji t.
bi   i
ti 
S(  i )

Metode Kuantitatif - Made Suyana

Utama - FE Unud 21
Metode Kuantitatif - Made Suyana
Utama - FE Unud 22