1
Model Regresi Linier
Berganda
• Dalam kenyataannya, model regresi sederhana
tidak mencerminkan kondisi perilaku variabel
ekonomi yang sebenarnya.
• Dalam banyak kasus, perilaku variabel ekonomi
tidak hanya dipengaruhi oleh satu faktor atau
satu variabel ekonomi saja, tetapi oleh banyak
variabel ekonomi lainnya.
2
Model Regresi Linier
Berganda
• Misalnya, jumlah permintaan terhadap suatu jenis barang
tidak hanya dipengaruhi oleh harga barang tersebut,
tetapi juga dipengaruhi oleh harga barang lain,
pendapatan konsumen, selera konsumen, dan
sebagainya.
• Oleh karena itu untuk mengestimasi pengaruh dari
banyak variabel independen terhadap satu variabel
dependen digunakan model regresi berganda.
3
Model Regresi Linier
Berganda
• Bentuk umum regresi linier berganda dapat ditulis
sebagai berikut:
4
Model Regresi Linier
Berganda
• Misalkan kita mempunyai model regresi sebagai berikut:
5
Model Regresi Linier
Berganda
• Subscript i menunjukkan observasi ke i untuk data cross
section dan jika digunakan data time series biasanya
kita beri subscrib t yang menunjukkan waktu. Jika data
yang digunakan adalah data panel, maka biasanya kita
beri subscrib it.
6
Mengingat Kembali: Asumsi-Asumsi
Metode Kuadrat Terkecil (ordinary least
squares/OLS)
1. Model regresi linier: linier dalam parameter,
terspesifikasi dengan benar dan memiliki error term
yang bersifat additif.
2. Nilai rata-rata atau nilai yang diharapkan dari variabel
disturbance atau error term adalah nol.
3. Kovarian antara variabel disturbance, ui dengan variable
Xi adalah nol.
4. Varian dari variabel residu, disturbance adalah sama
atau homoskedastisitas
7
Mengingat Kembali: Asumsi-Asumsi
Metode Kuadrat Terkecil (ordinary least
squares/OLS)
8
Estimasi OLS Terhadap Koefisien
Regresi Berganda
9
Estimasi OLS Terhadap Koefisien
Regresi Berganda
10
Estimasi OLS Terhadap Koefisien
Regresi Berganda
11
Estimasi OLS Terhadap Koefisien
Regresi Berganda
12
Estimasi OLS Terhadap Koefisien
Regresi Berganda
13
Estimasi OLS Terhadap Koefisien
Regresi Berganda
• Formula untuk menghitung varian dan standar error untuk
, , dan adalah sebagai berikut:
14
Estimasi OLS Terhadap Koefisien
Regresi Berganda
• Formula untuk menghitung varian dan standar error untuk
15
Estimasi OLS Terhadap Koefisien
Regresi Berganda
• Formula untuk menghitung varian dan standar error untuk
, , dan adalah sebagai berikut:
16
Estimasi OLS Terhadap Koefisien
Regresi Berganda
• Dimana
17
Estimasi OLS Terhadap Koefisien
Regresi Berganda
18
Interval Estimasi Koefisien
Regresi Berganda
19
Interval Estimasi Koefisien
Regresi Berganda
20
Interval Estimasi Koefisien
Regresi Berganda
21
Interval Estimasi Koefisien Regresi
Berganda
22
Uji t Koefisien Regresi Parsial
23
Uji t Koefisien Regresi Parsial
24
Uji t Koefisien Regresi Parsial
25
Uji t Koefisien Regresi Parsial
26
Uji t Koefisien Regresi Parsial
27
Uji t Koefisien Regresi Parsial
28
Regresi Linier Berganda (Aplikasi SPSS)
Contoh Soal:
Bagaimanakah pengaruh Harga (X1) dan Pendapatan Konsumen
(X2) terhadap Volume Penjualan (Y)
29
Regresi Linier Berganda
(Aplikasi SPSS)
1. Buka Data yang akan dianalisis
2. Klik Analyse, Regression, Linear.
3. Masukkan variabel terikat pada kolom Dependent.
4. Masukkan semua variabel bebas pada kolom
Independent (s).
5. Abaikan pilihan yang lain dan klik OK.
30
Tampilan Data Editor (Data Yang
Akan Diolah)
31
*Contoh Output yang dihasilkan sebagai
berikut:
32
Analisis Tabel “Model Summary”
33
Analisis Tabel “Model Summary”
• R Square = 0.875
R Square atau Koefisien Determinasi sebesar 0,875
artinya bahwa variasi penjualan dapat dijelaskan oleh
variasi harga dan pendapatan sebesar 87,5 persen atau
variabel harga dan pendapatan mampu memengaruhi
penjualan sebesar 87,5 persen sedangkan sisanya
sebesar 12,5 (diperoleh dari 100-87,5=12,5) dipengaruhi
oleh variabel lain yang tidak diteliti misalnya selera
pembeli, harga barang lain yang sejenis, dan sebagainya.
34
Analisis Tabel “Model Summary”
35
Analisis Tabel “Model Summary”
36
Analisis Tabel “Anovab”
ANOVAb
Total 78.400 9
37
Analisis Tabel “Anovab”
38
Analisis Tabel “Anovab”
39
Analisis Tabel “Anovab”
40
Analisis Tabel “Anovab”
41
Analisis Tabel “Anovab”
42
Analisis Tabel “Anovab”
43
Analisis Tabel “Anovab”
• Sig. = 0,001
Sig. merupakan nilai yang menunjukan titik kesalahan yang terjadi
jika nilai F hitung sebesar 24,567. ternyata tingkat kesalahan atau
probabilitas sebesar 0,001 yang berarti lebih kecil dari 0,05. jadi
dapat disimpulkan bahwa variabel bebas secara simultan (serempak
atau bersama-sama) mampu menjelaskan perubahan pada variabel
tergantung/variabel terikat atau model dinyatakan cocok atau fit.
44
Analisis Tabel “Coefficientsa”
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
45
Analisis Tabel “Coefficientsa”
46
Analisis Tabel “Coefficientsa”
47
Analisis Tabel “Coefficientsa”
48
Analisis Tabel “Coefficientsa”
49
Analisis Tabel “Coefficientsa”
50
Analisis Tabel “Coefficientsa”
51
Analisis Tabel “Coefficientsa”
• t – Constant
t – Constant digunakan untuk mengetahui apakah intercept tersebut
signifikan atau tidak. Namun biasanya nilai intercept ini tidak diuji.
Yang diuji adalah nilai t-koefisien regresinya. Nilai t-constant ini
dapat dicari dengan rumus:
52
Analisis Tabel “Coefficientsa”
• t – Harga
t – Harga digunakan untuk mengetahui apakah variabel bebas harga
tersebut signifikan atau tidak. Dalam uji satu sisi (sisi sebelah
kanan), jika t stat lebih besar dari t tabel dengan df: α,(n-k), maka
variabel tersebut memiliki pengaruh yang signifikan terhadap
variabel tergantung/terikat Volume Penjualan. Nilai t-harga ini dapat
dicari dengan rumus:
53
Analisis Tabel “Coefficientsa”
• t – Pendapatan
t – Pendapatan digunakan untuk mengetahui apakah variabel bebas
Pendapatan tersebut signifikan atau tidak. Dalam uji satu sisi (sisi
sebelah kanan), jika t stat lebih besar dari t tabel dengan df: α,(n-k),
maka variabel tersebut memiliki pengaruh yang signifikan terhadap
variabel tergantung/terikat Volume Penjualan. Nilai t-Pendapatan ini
dapat dicari dengan rumus:
54
Analisis Tabel “Coefficientsa”
• Sig. (Constant)
Sig. (Constant) adalah angka yang menunjukan besarnya tingkat
kesalahan pada nilai t-constant yang diperoleh (0,160). Jika nilai t
stat intercept semakin besar maka nilai sig. akan semakin kecil. Jika
nilai Sig. lebih kecil dari α (0,05 atau 5%) maka dapat dikatakan
signifikan. Pada output di atas, ternyata nilai Sig. lebih besar dari
0,05 sehingga constant tidak signifikan. Namun demikian, dalam
analisis regresi hal ini tidak dianalisis karena yang lebih penting
adalah signifikansi dari variabel bebasnya.
55
Analisis Tabel “Coefficientsa”
• Sig. Pendapatan
Sig. Pendapatan adalah angka yang menunjukan besarnya tingkat kesalahan
pada nilai t-Harga yang diperoleh (6,490). Jika dibandingkan dengan nilai t
tabel pada α (0,05 atau 5%) uji dua sisi dan df = n-k dimana n=jumlah
observasi, k=jumlah paramater termasuk konstanta maka df=10-3=7
sehingga nilai t kritis=2,365. karena nilai t hitung > t kritis (6,490>2,365)
maka H0 ditolak atau Ha diterima artinya pendapatan memiliki pengaruh
yang signifikan terhadap volumen penjualan.
uji signifikansi juga bisa menggunakan nilai probabilita atau nilai Sig. yang
tertera dalam output SPSS. Karena nilai Sig. variabel pendapatan (0,000)
lebih kecil dari α (0,05 atau 5%) maka dapat dikatakan signifikan. Dari hasil
koefisien diketahui memiliki arah koefisien positif, maka dapat simpulkan
bahwa variabel Pendapatan memiliki pengaruh positif terhadap penjualan.
56
Analisis Tabel “Coefficientsa”
• Sig. Harga
Sig. Harga adalah angka yang menunjukan besarnya tingkat kesalahan pada
nilai t-Harga yang diperoleh (-4,029). Nilai t tabel = 2,365, sehingga jika
dibandingkan antara nilai t hitung dengan t tabel maka diketahui t hitung
lebih kecil dari -t tabel (-4,029<-2,365) maka harga berpengaruh signifikan
terhadap volume penjualan. Karena nilai Sig. variabel Harga (0,005) lebih
kecil dari α (0,05 atau 5%) maka dapat dikatakan signifikan. Dari hasil
koefisien diketahui memiliki arah koefisien negatif, maka dapat simpulkan
bahwa variabel harga memiliki pengaruh negatif terhadap penjualan.
57
Analisis Tabel “Coefficientsa”
• Kesimpulan:
• Karena nilai t hitung variabel Harga (-4,029) < -t tabel (-2,365),
atau karena nilai Sig. variabel Harga (0,005) lebih kecil dari 0,05,
dan arah koefisien negatif maka disimpulkan variabel Harga memiliki
pengaruh negatif terhadap Volume Penjualan.
• Karena nilai t hitung variabel Pendapatan (6,490) > t tabel (2,365),
atau karena nilai Sig. variabel Pendaptan (0,000) lebih kecil dari
0,05, dan arah koefisien positif maka disimpulkan variabel
Pendapatan memiliki pengaruh positif terhadap Volume Penjualan.
58