ANAILSIS REGRESI

BERGANDA
Pertemuan ke 13
 TUJUAN INSTRUKSIONAL
KHUSUS

 Setelah mempelajari pokok bahasan

ini, mahasiswa diharapkan mampu:
1. Menjelaskan dan menghitung Regresi linier
berganda
2. Menjelaskan dan menghitung Regresi
nonlinier berganda
3. Menjelaskan dan menghitung Analisis
Korelasi dan interkorelasi
 REGRESI LINIER BERGANDA
(MULTIPLE LINIEAR REGRESSION)
 Regresi digunakan untuk melakukan pengujian
hubungan antara sebuah variabel dependent (terikat)
dengan satu atau beberapa variabel independent
(bebas) yang ditampilkan dalam bentuk persamaan
regresi.
 Jika variabel dependent dihubungkan dengan satu
variabel independent saja, persamaaan regresi yang
dihasilkan adalah regresi linier sederhana (liniear
regression).
 Jika variabel independent-nya lebih dari satu (X1, X2,
X3, …. Xi), maka persamaan regresinya adalah
persamaan regresi linier berganda (liniear regression).
 Y = a + bX1 + cX2 + ..... + kXi + 

Dimana, Y = variabel terikat (dependent)

X = variabel bebas (independent)
a = nilai konstanta
b, c, .. = koefisien arah regresi
(dugaan koefisien regresi)
 = kesalahan pengganggu
 REGRESI NONLINIER BERGANDA
(Multiple Nonliniear Regression).
 Selain model regresi linier juga terdapat model non linier
yang berupa transformasi logaritma. Model linier dan
nonlinier ini dibuat untuk dibandingkan yang selanjutnya
dipilih dari kedua model tersebut yang lolos uji.model
transformasi logaritma adalah model dengan fungsi non
linier yang ditransformasikan ke bentuk logaritma normal
menjadi linier.
 Ditransformasikan ke bentuk normal
Y = e0 x X11 x X22 x … x Xkk
Ditransformas
ikan ke
bentuk
normal
Y = 0 + 1 lnX1 + 2 lnX2 + … + k lnXk
 Dalam analisis regresi terdapat tiga ukuran yang akan dicari :
1. Garis regresi, yaitu garis yang menyatakan dan menggambarkan
karakteristik hubungan antara variabel-variabel dalam penelitian
2. Standar error of estimate, yaitu hanya mengukur pemencaran tiap-tiap
titik (data) terhadap garis regresinya atau merupakan penyimpangan
standar dari harga-harga variabel pengaruh (Y) terhadap garis
regresinya.
3. Koefisien korelasi (r) yaitu angka yang menyatakan eratnya hubungan
antara variabel-variabel tersebut.

 Dalam analisis regresi terdapat beberapa ukuran yang akan dicari

yaitu:
 Garis regresi, yaitu garis yang menyatakan dam menggambarkan
karakteristik hubungan antara variabel-variabel dalam penelitian
 Standard error of estimate, yaitu hanya mengukur pemencaran tiap-tiap
titik (data) terhadap garis regresinya atau merupakan penyimpangan
standar dari harga-harga variabel pengaruh (Y) terhadap garis
regresinya
ANALISIS ANALISIS KORELASI DAN INTERKORELASI

 Analisis korelasi untuk persamaan regresi berganda digunakan

untuk mengukur kekuatan hubungan antara dua variabel, yaitu
variabel tidak bebas dengan variabel bebas, dengan menggunakan
koefisien korelasi Pearson
 Derajat korelasi hubungan dua variabel dapat dicari dengan
menggunakan koefisien korelasi Pearson yang rumusnya sebagai
berikut :

r
X Y i i

( X )( Y
2 2
i i )
xi = Xi – X
yi = Yi – Y
Dimana : r = koefisien korelasi yang dicari
Y = Nilai rata – rata variabel Y
X = Nilai rata – rata variabel X
 Pengujian hipotesis atau model mengenai korelasi adalah sebagai
berikut:
 r = 0, maka tidak ada hubungan antara dua variabel tersebut
 r > 0, maka ada hubungan positif
 r < 0, maka ada hubungan negatif
 Jika sampel kurang dari 100, maka angka korelasi terkecil yang
dapat dipertimbangkan adalah  0,30.
 Berikut ini adalah tabel besaran hubungan korelasi Pearson :

No. r (Koefisien korelasi) Ukuran tingkat hubungan

1 0,0 < r < 0,2 Sangat rendah
2 0,2 < r < 0,4 rendah
3 0,4 < r < 0,6 Sedang
4 0,6 < r < 0,8 Kuat
5 0,8 < r < 1,0 Sangat kuat
 Analisis interkorelasi dilakukan untuk mengetahui
besarnya hubungan interkorelasi antara variabel bebas
yang satu terhadap variabel bebas yang lain. Hal ini
dimaksudkan apabila antara variabel-variabel bebas
tersebut memiliki interkorelasi yang cukup berarti maka
akan mengganggu kestabilan model (dianggap masing-
masing variabel bebas tidak ada interkorelasi)
 Jika dalam matriks interkorelasi terlihat bahwa nilai
koefisien “r” antar variabel bebas mempunyai nilai yang
sangat berarti (r > 0,4) maka akan berpotensi
mengganggu model, sehingga perlu dilakukan analisis
lebih lanjut dari vAriabel-variabel tersebut.
SOAL – SOAL YANG DIPECAHKAN

 Lakukan Analsis regresi berganda di

dalam aplikasi Teknik Sipil pada kasus;
“Pengaruh Usaha Perencanaan
Pelaksanaan konstruksi terhadap kinerja
waktu pada proyek-proyek kontruksi
disuatu tempat”, sebanyak 30 sampel.
1. Identifikasikan variabel-variabelnya
2. Buat persamaan regresi berganda dan
lakukan analisis hubungan variabel
tersebut