Multiple Linear Regression

Dibatasi pembahasannya menggunakan 2 Independent Variable / predictor / sebab terhadap 1

Dependent Variable / outcome / akibat
 Basic Idea  Persamaan Prediksi

 Rsaasa
Mengapa menggunakan lebih dari 1
Independent Variable?
 Untuk meminimalisir error atau memaksimalkan penjelasan faktor-
faktor apa saja yang mempengaruhi bervariasinya dependent
variable.

(DV diletakan sebelum . setelahnya baru IV)

= Korelasi ganda yang dipangkatkan antara variabel Y dengan dan
 Untuk menjadi lebih praktis, DV tetap ditulis dengan Y, sedangkan IV diganti
menjadi angka

,  
memiliki arti:
 Besarnya proporsi varian Y yang dihitung dari dan
 Besarnya proporsi varian variabel Y yang dapat dijelaskan oleh variabel dan
 Besar pengaruh dan Bersama-sama terhadap Y
   Jika tidak terdapat korelasi variabel dan
( = .00)
  
Setiap nilai korelasi yang dihasilkan antara variabel dengan Y dan
variabel dengan Y. Nilai korelasi tersebut dikuadratkan, kemudian
dijumlah maka hasilnya akan menjelaskan mengenai

 Pada gambar di samping terlihat korelasi dengan Y

= 0.5 dan dengan Y = 0.5. Dimana tidak terdapat
korelasi antara dan
 Sehingga  + =
0.25 + 0.25 = 0.50
 Pentingnya Multiple Linear Regression

  Hampir ditemui antar independent variable berkorelasi atau  0

 Sehingga memberikan informasi yang redundant / berlebih
 Oleh karena itu, tidak bisa menggunakan korelasi IV ke DV dikuadratkan dan
dijumlahkan. Namun perhitungannya menggunakan multiple linear regression.
Redundant Area

 
Korelasi antara antara dan tidak nol ( 
0).

Oleh karena itu, untuk menghitung bagian

Y yang ditentukan oleh dan , perlu
mengurangi bagian yang tumpang
sehingga tidak akan terhitung dua kali. 
Multiple linear regression.
 5 Catatan Penting untuk Analisis Regresi dengan 2
IV
1.  Persamaan Regresi


Pada bagian ini telah diketahui persamaan regresinya adalah . Tugas kita adalah menghitung nilai
parameter ( dan ).

2. R-square ()
Ialah besarnya variasi DV yang dapat dijelaskan oleh seluruh IV. Lebih sederhana, R-square
memiliki makna besarnya pengaruh dari seluruh IV yang diteliti terhadap DV.

3. Uji Signifikan R-square

R-square diuji signifikansinya dengan uji F.
 5 Catatan Penting untuk Analisis Regresi dengan 2
IV
  
4. Uji Signifikan masing-masing koefisien regresi
Koefisien regresi ()diuji signifikan atau tidaknya dengan menggunakan uji t.

5. IV yang paling mempengaruhi DV

Untuk melihat IV mana yang paling mempengaruhi DV, dapat dilihat melalui coefficient
standardized atau koefisien regresi yang di telah distandarkan ( - beta).
  
  b atau B
(Koefisien regresi)
a (besar pengaruh / sumbangan
 dan (Konstanta) seluruh IV yang diteliti terhadap
DV)

Uji T Uji F
(Menguji apakah pengaruh / sumbangan
(Menguji apakah koefisien regresi yang
IV yang diteliti terhadap DV signifikan /
dihasilkan signifikan / tidak)
tidak)

Ho atau H1 yang
diterima