Anda di halaman 1dari 14

Analisis Regresi Berganda

Akuntansi 2020
Kelompok 9

1. Yulia Isnaini Hafifah (025)

2. Elza Safitri (045)

3. Firda Amilia Primarini (047)


Analisis Regresi Berganda

Bentuk umum dari persamaan regresi berganda adalah:


Ŷ = a + b1X1 + b2X2 + .... + bkXk
Dengan a merupakan titik potong Y ketika seluruh X sama dengan nol, b 1 mengacu pada
koefisien regresi sampel, dan X1 mengacu pada nilai dari berbagai variabel bebasnya.
• Terdapat sejumlah variabel bebas
• Kriteria kuadrat terkecil digunakan untuk membuat persamaan regresi.
• Paket perangkat lunak statistik diperlukan untuk melakukan perhitungan.

Analisis regresi akan membentuk suatu persamaan garis lurus (linear) dan menggunakan
persamaan tersebut untuk membuat sebuah perkiraan (prediction). Kemudian berdasarkan jumlah
variabel bebas, analisis regresi linear terdiri dari dua variabel yaitu dikenal dengan analisis linear
sederhana, sedangkan yang lebih dari dua variabel disebut analisis linear berganda dan yang akan
kita pelajari lebih lanjut.
Lanjutan.

Model regresi linier berganda mempunyai dua uji pengaruh yaitu :


a) Pengaruh variabel X (bebas) secara simultan terhadap variabel Y (terikat),
b) Pengaruh variabel X (bebas) secara parsial terhadap variabel Y (terikat), yaitu meliputi :
i. Pengaruh variabel X1 terhadap variabel Y,
ii. Pengaruh variabel X2 terhadap variabel Y.
Mengevaluasi Persamaan Regresi Berganda

` Banyak metode statistik yang dapat digunakan untuk menilai kuatnya hubungan antara
variabel terikat dengan lebih dari satu variabel bebas. Langkah awal yang dilakukan adalah
menuliskan hubungan antarvariabel tersebut dalam bentuk persamaan regresi berganda.
Kemudian mengikuti konsep ANOVA.
Tabel ANOVA Merangkum Analisi Regresi berganda

• Tabel tersebut melaporkan total jumlah variasi pada variabel terikat dan membagi varias
tersebut menjadi variasi yang dijelaskan oleh sekumpulan variabel bebas dan variasi yang
tidak dijelaskan.
• Tabel tersebut melaporkan derajat kebebasan yang terkait dengan variabel bebas, variasi
kesalahan, dan total variasi
Terdapat dua ukuran efektivitas persamaan regresi
A. Kesalahan standar estimasi berganda yang serupa dengan standar deviasinya.
i. Nilainya diukur dalam satuan yang sama dengan variabel terikatnya.
ii. Nilainya didasarkan pada kuadrat deviasi dari persamaan regresinya.
iii. Nilainya berkisar dari 0 hingga plus tak terhingga.
iv. Nilainya dihitung melalui persamaan berikut.

B. Koefisien determinasi berganda menyajikan persen variasi variabel terikat yang dijelaskan oleh
sekumpulan variabel bebas
I. Nilainya berkisar dari 0 hingga 1.
II. Nilainya juga didasarkan pada kuadrat deviasi dari persamaan regresinya.
III. Nilainya diperoleh melalui persamaan berikut

IV. Ketika jumlah variabel bebasnya besar, koefisien deterimasinya disesuaikan untuk derajat
kebebasan sebagai berikut.
Kesimpulan Regresi Linear Berganda

Analisis regresi berganda hanya diamati sebagai cara untuk menggambarkan hubungan antara variabel
terikat dengan beberapa variabel bebas. Akan tetapi, metode kuadrat terkecil juga memiliki kemampuan
untuk menarik kesimpulan atau rumusan mengenai hubungan bagi keseluruhan populasi. Ingat kembali
bahwa ketika membangun interval kepercayaan atau melakukan uji hipotesis sebagai bagian dari statistika
inferensial.
Dalam pembentukan regresi berganda, diasumsikan bahwa terdapat persamaan regresi populasi yang
tidak diketahui yang menghubungkan variabel terikat dengan variabel bebas sebanyak k.
Lanjutan
Uji Global digunakan untuk mengetahui apakah terdapat vanabel bebas yang memiliki koefisien regresi yang
signifikan.
i. Hipotesis nolnya adalah: Seluruh koefisien regresinya bernilai nol.
ii. Hipotesis alternatifnya adalah: Sedikitnya terdapat satu koefisien regresi yang tidak sama dengan nol
iii. Statistik ujinya adalah distribusi F dengan k (jumlah variabel bebas) derajat kebebasan pada pembilang
dan derajat kebebasan n-ik-1) pada penyebutnya, dengan n merupakan ukuran sampel.
iv. Persamaan untuk menghitung nilal statistik uji untuk uji global adalah

Pengujian untuk masing-masing variabel digunakan untuk menentukan variabel bebas manakah yang
memiliki koefisien regresi bukan nol.
• Variabel yang memiliki koefisien regresi nol biasanya dikeluarkan dari analisis
• Statistik ujinya adalah distribusi r dengan derajat kebebasan n-(k+ 1).
• Persamaan untuk menghitung nilai statistik uji untuk uji individu adalah:
Mengevaluasi Asumsi –Asumsi pada Regresi Berganda

Terdapat lima asumsi yang digunakan dalam analisis regresi berganda.


a) Hubungan antara variabel terikat dengan sekelompok variabel bebasnya haruslah linear.
 Untuk membuktikan asumsi tersebut, buatlah diagram pencar dan letakkan residunya pada sumbu
tegak dan nilai yang sesuai pada sumbu mendatar
 Jika plotnya terlihat acak, disimpulkan bahwa hubungannya linear.
b) Variasinya sama untuk nilai yang besar dan kecil.
 Homoskedastisitas berarti bahwa variasinya sama untuk seluruh nilai variabel terikat yang sesuai.
 Kondisi ini diteliti melalui pembuatan diagram pencar dengan residu pada sumbu tegak dan nilai
yang sesuai pada sumbu mendatar.
 Jika tidak terdapat pola pada plotnya-yakni plotnya terlihat acak-maka residunya memenuhi
prasyarat homoskedastisitas
c) Residunya mengikuti distribusi probabilitas normal.
 Kondisi ini dibuktikan dengan membuat histogram residu untuk mengamati apakah residunya
mengikuti distribusi normal.
 Rata-rata distribusi residunya adalah 0.
Lanjutan
d). Variabel bebasnya tidak saling berkorelasi
• Matriks korelasi akan menunjukkan seluruh kemungkinan korelasi antarvariabel bebasnya.
• Pertanda masalahnya adalah jika korelasinya lebih besar dari 0,70 atau kurang dari 0.70.
• Tanda variabel bebas yang berkorelasi akan terlibat ketika variabel penaksir yang penting ternyata
tidak signifikan, ketika pembalikan tanda dengan jelas terjadi pada satu variabel bebas atau lebih,
atau ketika terdapat suatu variabel yang dihapus dari penyelesaiannya yang menyebabkan
perubahan besar dalam koefisien regresinya.
• Faktor inflasi variansi digunakan untuk mengetahui variabel bebas yang berkorelasi.

e). Masing-masing residunya saling bebas satu sama lain.


• Autokorelasi terjadi ketika residunya saling berkorelasi
• Ketika autokorelasi terjadi, nilai kesalahan standarnya akan menjadi bias dan akan memberikan
hasil uji hipotesis yang buruk mengenai koefisien regresinya
Variabel Bebas Kualitatif

Untuk menggunakan variabel kualitatif dalam analisi regresi, maka menggunakan skema Dummy.

Variabel dummy atau bebas kualitatif dapat digunakan untuk mewakili salah satu dari dua kemungkinan
hasil.
• Nilai ditujukan pada salah satu hasil dan 0 untuk yang lain.
• Gunakan rumus

untuk menentukan apakah variabel dummy tersebut harus tetap ada atau bisa dihapuskan dari dalam
persamaan.

 Interaksi terjadi ketika sebuah variabel bebas (misalnya X memengaruhi hubungan antara sebuah
variabel bebas (misalnya X) dengan variabel terikat (Y)
Model Regresi dengan Interaksi

Dalam analisis regresi, interaksi dapat diselidiki sebagai variabel bebas yang terpisah. Variabel taksiran
interaksi dapat dijabarkan dengan mengalikan nilai data pada suatu variabel bebas dengan nilai variabel
bebas lainynya, sehingga diperoleh variabel bebas baru. Model dua variabel yang memasukkan komponen
interaksi yakni
Y = ᵃ + ᵦ1X1 + ᵦ 2X2 + ᵦ3X1X2

Komponen X1X2 merupakan komponen interaksi. Membentuk variabel ini dengan mengalikan nilai X 1 dan
X2
untuk membuat variabel bebas tiga. Kemudian, menjabarkan persamaan regresinya melalui tiga variabel
bebas dan menguji signifikansi. Variabel bebas ketiga melalui uji individu utuk variabel bebas yang
digambarkan sebelumnya
Regresi Berjenjang

Regresi berjenjang adalah metode tahap demi tahap untuk menentukan persamaan regresi yang dimulai
dengn satu variabel bebas dan menambahkan atau menghapus variabel bebasnya satu persatu. Hanya
variabel bebas dengan koefisien regresi bukan nol saja yang yang dimasukkan ke dalam persamaan
regresi.

Kelebihan metode berjengang


1) Hanya variabel bebas dengan koefisien regresi signifikan saja yang di masukkan ke dalam persamaan
2) Langkah- langkah yang dilibatkan dalam membangun persamaan regresi sudah jelas
3) Metode efisien dala mencari persamaan regresi hanya dengan koefisien regresi yang signifikan saja
4) Perubahan dalam kesalahan standar estimasi berganda beserta koefisien determinasinya diperlihatkan
THANK YOU

Anda mungkin juga menyukai