Analisis Regresi Berganda

Anggota Kelompok 5 :

Bruri Pagi Hari (202210119)

Haidar Ahmad (202210120)
Anisa Amalina S. (202210123)
Siti Indarwati (202210125)
Elsya Arum P. (202210143)
Annisa Eka P. (202210154)
Tegar Septiyan P. (202210165)
 Koefisien Determinasi dan Koefisien
Determinasi yang Disesuaikan
●  
Kooefisien determinasi (R2) digunakan menjelaskan seberapa besar
proporsi variasi variabel dependen dijelaskan oleh variasi variabel
ndependen.
Formula untuk menghitung koefisien determinasi (R2) sebagai berikut:
 ●  

Dari formula di atas menunjukan bahwa:

1. Koefisien deteminasi merupkan fungsi dari variabel independen.
2. Koefisien nilainya tidak pernah menurun jika kita terus menambah
variabel independen. Hal tersebut karena;

● bukan merupakan fungsi dari variabel independen X.

● RSS yakni tergantung dari jumlah variabel indenden X di dalam
model. Dengan demikian jika jumlah variabel indenpen X bertambah
maka akan menurun.
●  

● Terdapat satu persoalan besar penggunaan koefisien determinasi R 2 para ahli

ekonometrika telah mengembangkan alternatif lain agar R 2 tidak merupakan
fungsi dari variabel independen. sebagai alternatif digunakan R 2 yang
disesuaikan (adjusted R2) dengan rumus sebagai berikut

Dimana:
k = jumlah variabel independen dan n = jumlah observasi
terminologi koefisien determinasi yang disesuaikan ini karena disesuaikan
dengan derajat kebebasan (df) dimana mempunyai df sebesar n-(k+1) dan
dengan df sebesar n-1.
 Variabel Independen Kualitatif
Dua jenis variabel di dalam regresi sebagai berikut:
● Variabel kuantitatif adalah variabel yang dilaporkan dalam bentuk
angka numerik. Contohnya volume penjualan, pengeluaran iklan,
dan sebagainya.
● Variabel kualitatif adalah variabel yang dilaporkan tidak dalam
bentuk angka numerik melainkan dengan angka nonnmerik yang
biasanya dinyatakan dalam bentuk atribut. Cotohnya jenis kelamin,
tingkat pendidikan, dan sebagainya.
Pembahasan pada regresi saat ini difokuskan pada regresi dengan variabel
independen bersifat kualitatif.
Modal regresi sebagai berikut:
Yi = b0 + b1X1i + b2X2i + b3Di + ei
Dimana:
Y = penjualan; X1 = harga; X2 = pengeluaran iklan; dan D = diskon
Variabel kualitatif ini mengidentifikasi ada tidaknya sebuah atribut. Persoalannya
bagaimana atribut yang bersifat kualitatif ini bisa operasional di dalam analisis
regresi karena regresi memerlukan data kuantitatif. Metode untuk
mengkuantitatifkan atribut yang bersifat kualitatif tersebut dengan cara memberi
nilai 1 atau 0. Angka 1 menunjukan adanya atribut, angka 0 menunjukan tiadanya
atribut. Metode ini disebut dengan teknik variabel dummy.
 ●
Tentang  regresi penjualan computer. Selain variable independent harga dan pengeluaran iklan, sekarang
kita tambah satu variable independent yang bersifat kualitatif yaitu diskon. Variabel kualitatif diskon ini
mempunyai dua kelas yaitu toko yang memberi diskon dan toko yang tidak memberi diskon. Adapun
datanya ditampilkan dalam tabel diatas sebelumnya regresi sebagai berikut:

Yi = b0 + b1X1i + b2X2i + b3Di + ei

Dimana : Y=penjualan computer (juta); = harga (juta); = pengeluaran iklan (juta per bulan); dan D =
diskon (D =1 untuk diskon dan D = 0 untuk tanpa diskon).

a. Carilah koefisien regresi dan berdasarkan metode least squares

b. Evaluasi kebaikan garis regresi
c. Ujilah kelayakan model regresinya dengan = 5%
d. Apakah variabel harga, pengeluaran iklan, dan diskon berpengaruh terhadap penjualan computer
secara individual dengan = 5%
e. Interpretasikan hasil regresi berdasarkan keofisien regresi untuk variabel harga dan pengeluaran
iklan? Jika diskon berpengaruh terhadap penjualan bagaimana artinya koefisien regresi variabel
dummy diskon tersebut?
 ●  
Solusi
Program computer SPSS dengan menggunakan cara Analyze / Regression / Linear Regression.
● Nilai koefisien regresi menggunakan persamaan
Yi = 141,028 – 13,380 + 4,835 + 8,108
● Besarnya koefisien determinasi bisa dilihat bahwa nilai koefisien determinasi () sebesar 0,830.
Variasi harga, pengeluaran iklan dan diskon sebesar 83% sisanya 17%.
● Variabel dependen dicari dengan membandingkan F hitung & F kritisnya. F hitung = 11,824 . F
kritisnya dengan = 5% dan df pada numerator = 3 denominator 16 sebesar 3,24. Sehingga bisa
disimpulkan Nilai F hitung lebih besar dari nilai F kritis sehingga menolak hipotesis nol.
Sehingga pengeluaran iklan dan diskon secara bersama – sama berpengaruh terhadap
penjualan.
● T hitung untuk variable harga berpengaruh negative sebesar -4,66 , pengeluaran iklan
berpengaruh positif sebesar 3,349 , diskon berpengaruh positif sebesar 2,221. Nilai t kritis pada
α = 5% , dan df = 16, uji satu sisi sebesar ±1,746. Nilai ketiga variable berpengaruh negative
terhadap penjualan.
●
●  Maka nilai koefisien = -13,380 dapat diartikan jika harga naik (turun) sebesar 1 juta maka
penjualan turun (naik) sebesar 13,380 juta dengan asumsi faktor pengeluaran iklan dan
diskon tetap. Nilai koefisien = 4,835 dapat diartikan pengeluaran iklan naik (turun) sebesar
1 juta maka penjualan naik (turun) sebesar 4,835 juta dengan asumsi factor harga dan diskon
tetap. Nilai koefisien = 8,108 dapat diartikan nilai koefisien variable kualitatif (dummy)
akan sedikit berbeda dengan koefisien regresi dua variable sebelumnya. Maka mempunyai
dua persamaan regresi yaitu toko yang memberi diskon dan toko yang tidak memberikan
diskon
● Persamaan regresi toko yang memberi diskon :Y= (141,028 + 8,108) – 13,380
4,835=149,136 – 13,380 4,835
Persamaan regresi toko yang tidak memberi diskon :
Y= 141,028 – 13,380 + 4,835
Dapat disimpulkan terdapat perbedaan intersep sebesar 8,108 antara toko yang memberi
diskon dan toko yang tidak memberikan diskon. Artinya penjualan komputer toko yang
memberikan diskon lebih tinggi dari perusahaan yang tidak memberikan diskon sebesar
8,108 juta dengan asumsi variable harga dan pengeluaran iklan nol.
 UJI ASUMSI OLS
●  
Metode OLS akan menghasilakan estimator yang tidak bias, linier, dan efisien (BLUE) jika
asumsi-asumsinya terpenuhi. Pada sub bab ini akan membahas secara singkat asumsi-
asumsi tersebut yang berkaitan dengan residual . Residual merupakan perbedaan antara
nilai aktual variabel dependen dan nilai prediksinya atau .
1. Heteroskedastisitas
Asusmsi OLS memerlukan kondisi bahwa seridual adalah konstan dari satu observasi ke
observasi yang lain. Asumsi homoskedastisitas bisa di cek dengan cara mengambar skater
diagram hubungan antara residual dengan nilai prediksi variabel dependen. Jika ada pola
hubungan antara residual dan nilai prediksi variabel dependen maka residual tidak
homokesdastisitas atau heteroskedastisitas. Jika tidak ada pola hubungan atara keduanya
maka residual bersifat homokesdastisitas.
2.● Autokorelasi
 

Asumsi berikutnya adalah residual tidak saling berhubungan. Jika residual saling
berhubungan disebut autokorelasi. Adapun formula Uji Statistik Durbin-Watson
adalah sebagai berikut:

Durbin-Watson menentukan nilai kritis batas bawah (dL) dan batas atas (du)
sehingga nilai d hitung dari formula di atas terletak di luar nilai kritis ini maka
ada tidaknya autokolerasi baik positif atau negatif dapat diketahui (dapat dilihat
pada gambar di bawah). Jika nilai d mendekati 2 maka tidak ada autokolerasi,
jika mendekati 0 atau mendekati 4 maka diduga ada autokolerasi positif atau
negatif.
3. Normalitas
Asumsi berikutnya adalah residual didistribusikan mengikuti distribusi
normal. Normalitas tidaknya residual bisa dilihat dengan menggunakan
histogram dari residual. Jika bentuk histogram mendekati bentuk kurva
distribusi normal maka residual mempunyai distribusi normal dan juga
sebaliknya.
Selain itu, kita juga bisa menggunakan normal Q-Q plot yang
menggambarkan hubungan antara standar normal data pada sumbu horizontal
dan standar normal populasi pada sumbu vertikal. Jika keduanya
berhubungan maka titik-titik dalam Q-Q plot akan terletak pada garis lurus
sehingga data mempunyai distribusi normal begitupun sebaliknya.
Contoh uji residual asumsi OLS
Tentang pengaruh harga, iklan, dan diskon terhadap penjualan computer dari 20
toko. Uji lah apakah residual dari modal regresi tersebut mengikuti asumsi OLS
yaitu homoskedastisitas, tidak ada autokorelasi, dan distribusi normal.
1. Uji homoskedastisitas
 ●
2. Uji  autokorelasi
hasil uji autokorelasi dengan nilai durbin Watson=1,678 nilai kritis pada
α= 5% dengan k= 3 (jumlah variabel independent) dan n= 20 untuk
=0,998 dan =1,676. nilai 1,678terletak antara dan 4- sehingga tidak ada
masalah auto korelasi
3. Uji normalitas
Uji noemalitas menggunakan dua cara yaitu menggunakan histrogam dan
Q-Q plots.
Berdasarkan histrogam residual terlihat bahwa residual menyerupai kurva
distribusi normal. Sedangkan berdasarkan berdasarkan Q-Q plots
menunjukan bahwa nilai Q-Q plotnya terletak pada garis lurus. Sehingga
dapat disimpulkan bahwa residualnya berdistribusi normal.
TERIMAKASI
H