ALISIS REGRESI SEDERHA

DAN REGRESI BERGANDA

 Analisis Regresi Sederhana
Analisis regresi adalah analisis statistik yang mempelajari hubungan antara dua
atau lebih variabel kuantitatif sehingga satu variabel dapat diramalkan (predicted)
dari variabel lainnya.

Hubungan antara dua variabel dapat dibedakan menjadi dua, yaitu hubungan
fungsional dan hubungan statistik. Hubungan fungsional antara dua variabel
dapat dinyatakan secara matematis; jika X variabel bebas (indenpendent
variable) dan Y variabel tak bebas (dependent variable), hubungan fungsional
ditulis dalam bentuk
Y = f (X)
Jika diketahui nilai X tertentu, fungsi f akan memberikan nilai Y yang
bersesuaian.

Contoh untuk regresi sederhana adalah jumlah uang saku yang diterima
mahasiswa dipengaruhi dengan jarak tempuh dari rumah ke kampus. Semakin
dekat jarak tempuh dari rumah ke kampus maka semakin kecil uang saku
mahasiswa. Jarak rumah ke kampus (Variabel X) dan mempengaruhi nilai uang
saku mahasiswa (Variabel Y)
Untuk menguji hipotesis pertama ini digunakan analisis regresi linier
sederhana.

Dengan bantuan seri program Statistik (SPSS) for windows 17 diperoleh

rangkuman hasil analisis regresi linier sederhana seperti pada tabel sebagai
berikut:

Tabel 25. Hasil Analisis Regresi Linier Sederhana (Kecerdasan Emosional)

Koef. Regresi
Variabel t hitung Sig.t Keterangan
(B)

Konstanta 14.808 6.353 0.000

Kecerdasan
0.240 4.604 0.000 Signifikan
Emosional (X1)

R Square 0,175

Sumber: Data primer diolah, 2013

Hasil analisis regresi linier sederhana seperti pada tabel 25 di atas dapat
ditulis persamaan regresi yaitu sebagai berikut:

Y = 14,808 + 0,240X1
Untuk menguji hipotesis kedua ini digunakan analisis regresi linier sederhana.
Dengan bantuan seri program Statistik (SPSS) for windows 17 diperoleh
rangkuman hasil analisis regresi linier sederhana seperti pada tabel sebagai
berikut:
Y = 15,312 + 0,472X2
Tabel 26. Hasil Analisis Regresi Linier Sederhana (Kecerdasan Intelektual)
Koef. Regresi
Variabel t hitung Sig.t Keterangan
(B)

Konstanta 15.312 7.511 0.000

Kecerdasan Intelektual
0.472 5.024 0.000 Signifikan
(X2)

R Square 0,202

Sumber: Data primer diolah, 2013

Hasil analisis regresi linier sederhana seperti pada tabel 26 di atas dapat
ditulis persamaan regresi yaitu sebagai berikut :

Nilai konstanta sebesar 15,312, hal ini berarti bahwa Perilaku Etis akan sebesar
15,312 jika Kecerdasan Intelektual sama dengan nol. Hal ini dapat dijelaskan
bahwa Perilaku Etis akan menurun jika tidak ada Kecerdasan Intelektual.
Untuk menguji hipotesis ketiga ini digunakan analisis regresi linier sederhana.
Dengan bantuan seri program Statistik (SPSS) for windows 17 diperoleh
rangkuman hasil analisis regresi linier sederhana seperti pada tabel sebagai
berikut:

Tabel 27. Hasil Analisis Regresi Linier Sederhana (Kecerdasan Spiritual)

Koef. Regresi
Variabel t hitung Sig.t Keterangan
(B)

Konstanta 14.372 6.800 0.000

Kecerdasan Spiritual
0.257 5.290 0.000 Signifikan
(X3)

R Square 0,219

Sumber: Data primer diolah, 2013

Hasil analisis regresi linier sederhana seperti pada tabel 27 di atas dapat
ditulis persamaan regresi yaitu sebagai berikut :

Nilai konstanta sebesar 14,372, hal ini berarti bahwa Perilaku Etis akan sebesar
14,372 jika Kecerdasan Spiritual sama dengan nol. Hal ini dapat dijelaskan bahwa
Perilaku Etis akan menurun jika tidak ada Kecerdasan Spiritual.
Untuk mempermudah perhitungan regresi dari data yang cukup banyak maka
dalam penelitian ini diselesaikan dengan bantuan perangkat lunak (software)
komputer program SPSS 17. Hasil pengujian terhadap model regresi berganda
terhadap variabel Kecerdasan Emosional (X1), Kecerdasan Intelektual (X2), dan
Kecerdasan Spiritual (X3) yang mempengaruhi Perilaku Etis dilihat dalam tabel 28
berikut:

Tabel 28. Hasil Analisis Regresi Linier Berganda

Kecerdasan
0.127 2.409 0.018 9.3 27.5
Emosional
Kecerdasan
0.246 2.448 0.016 10.5 31.1
Intelektual
Kecerdasan Spiritual 0.164 3.25 0.002 13.9 41.4

F hitung 27,929

R2 square 0,337

Multiple R 0,581

Sig f 0.000

Sumber : Data hasil regresi, 2013

Pada penelitian ini digunakan model persamaan regresi linear berganda

sebagai berikut :
Y = a + b1X1 + b2X2 + b3X3
Pada penelitian ini digunakan model persamaan regresi linear berganda
sebagai berikut :

Y = A + B1X1 + B2X2 + B3X3

Dengan memperhatikan model regresi dan hasil regresi linear berganda maka
didapat persamaan faktor-faktor yang mempengaruhi Perilaku Etis sebagai
berikut :

Y = 7,435+ 0,127 X1 + 0,246X2+ 0,164X3

Dari tabel 28 di atas di dapat F hitung sebesar 27,929 dengan taraf signifikansi
0,000. Hal ini menunjukkan bahwa probabilitas < taraf signifikansi yang ditolerir
(0,000<0,05), maka Ha diterima dan menolak Ho. Ini menunjukkan bahwa
terdapat pengaruh positif signifikan Kecerdasan Emosional, Kecerdasan
intelektual, dan Kecerdasan Spiritual secara bersama-sama terhadap Perilaku Etis.
 Analisis Regresi Berganda
Statistik Regresi Ganda adalah model regresi atau prediksi yang melibatkan lebih
dari satu variabel bebas atau prediktor. Istilah regresi berganda dapat disebut juga
dengan istilah multiple regression. Kata multiple berarti jamak atau lebih dari
satu variabel.Regresi ganda sebagai salah satu jenis analisis statistik, banyak
sekali macamnya, tergantung pada skala data per variabel, antara lain sebagai
berikut :

1. Regresi Linear Berganda.

Regresi Linear Berganda adalah model regresi berganda jika variabel terikatnya
berskala data interval atau rasio (kuantitatif atau numerik). Sedangkan variabel
bebas pada umumnya juga berskala data interval atau rasio. Namun ada juga
regresi linear dimana variabel bebas menggunakan skala data nominal atau
ordinal, yang lebih lazim disebut dengan istilah data dummy. Maka regresi linear
yang seperti itu disebut dengan istilah regresi linear dengan variabel
dummy.Contoh regresi berganda jenis ini adalah: “pengaruh DER dan NPM
terhadap Return Saham.”
2. Regresi Logistik Berganda
Regresi Logistik berganda adalah model regresi berganda jika variabel terikatnya
adalah data dikotomi. Dikotomi artinya dalam bentuk kategorik dengan jumlah
kategori sebanyak 2 kategori. Misal: Laki-laki dan perempuan, baik dan buruk,
ya dan tidak, benar dan salah serta banyak lagi contoh lainnya.

3. Regresi Ordinal berganda

Regresi berganda jenis ini adalah analisis regresi dimana variabel terikat adalah
berskala data ordinal. Sedangkan variabel bebas pada umumnya juga ordinal,
namun tidak masalah jika variabel dengan skala data yang lain, baik kuantitatif
maupun kualitatif. Keunikan regresi ini adalah jika variabel bebas adalah data
kategorik atau kualitatif, maka disebut sebagai faktor. Sedangkan jika data
numerik atau kuantitatif, maka disebut sebagai covariates.

4. Regresi Multinomial Berganda

Regresi multinomial berganda adalah jenis regresi dimana variabel terikat adalah
data nominal dengan jumlah kategori lebih dari 2 (dua) dan variabel bebas ada
lebih dari satu variabel.Jenis regresi ini hampir sama dengan regresi logistik
berganda, namun bedanya adalah variabel terikat kategorinya lebih dari dua,
sedangkan regresi logistik berganda variabel terikatnya mempunyai kategori
hanya dua (dikotomi).
5. Regresi Data Panel Berganda
Dari jenis-jenis di atas, sebenarnya masih ada jenis lain yang merupakan
pengembangan dari jenis-jenis di atas, yaitu dengan adanya kompleksitas berupa
data time series atau runtut waktu, atau data panel. Seperti yang terjadi pada
regresi data panel ataupun regresi cochrane orcutt.Kalau misalnya regresi linear
data panel, jika ada lebih dari satu variabel bebas, maka bisa disebut dengan
istilah regresi linear data panel berganda. Namun kebanyakan orang atau peneliti,
cukup menggunakan istilah yang umum digunakan, yaitu cukup dengan
menyebut sebagai regresi data panel saja.
Jadi, dikatakan regresi ganda jika variabel bebas lebih dari satu. Regresi berganda
berbeda dengan regresi multivariat. Regresi multivariat adalah regresi jika
variabel terikat lebih dari satu.
TERIMA KASIH
Untuk pertanyaan, bisa langsung ditanyakan.
Mohon maaf pengerjaan masih jauh dari
sempurna. Insya ALLAH, untuk presentasi akan
kami revisi lagi agar lebih baik