REGRESI

LINEAR
BERGANDA
Kelompok 2
1. ALFITRA YANUAR NUGRAHA (181011400351)
2. ALWIYAH RACHMAN (211011401972)
3. DIMAS TITO PRASETYO (211011402188)
4. MUHAMMAD CAHYA RIFQI(211011401317)
5. RAPLI SAPUTRA (211011401795)
6. SUSAN INTAN PERMATA SARI (211011401737)
 PENGERTIAN REGRESI BERGANDA

Regresi Berganda adalah pengembangan dari regresi linier sederhana, yaitu sama-sama
alat yang dapat digunakan untuk memprediksi permintaan di masa datang berdasarkan
data masa lalu atau untuk mengetahui pengaruh satu atau lebih variabel bebas
(independent) terhadap satu variabel tak bebas (dependent).

Perbedaan penerapan metode ini hanya terletak pada jumlah variabel bebas yang
digunakan. Penerapan metode regresi berganda jumlah variabel bebas (independent)
yang digunakan lebih dari satu yang mempengaruhi satu variabel tak bebas (dependent)

2
 RUMUS REGRESI LINEAR
BERGANDA
Rumus nya adalah sebagai berikut :

Y = a + b₁ X₁ + b₂ X₂ + b₃ X₃ +.....+ bn Xn
Dimana :
Y = variabel terikat; X₁ = Variabel bebas pertama,
X₂ = variabel bebas kedua
X₃ = variabel bebas ketiga
Xn = variabel bebas ke n, a dan b₁ serta b₂ = konstanta

3
REGRESI LINIER

1
DENGAN DUA
PREDIKTOR
4
 Dalam suatu penelitian saat tahap menganalisis data, bila topik
permasalahan tersebut terdiri dari satu variabel tak bebas (dependent) dan dua
variabel bebas (independent), maka digunakan uji statistik dengan metode
regresi linier dengan dua variabel bebas. Pengaruh dua variabel bebas yang
mempengaruhi satu variabel tak bebas dapat diilustrasikan pada gambar di
bawah ini.

X1
 

X1 X2   Y

 
X2

5
 MEMBUAT PERSAMAAN REGRESI
BERGANDA DENGAN DUA PREDIKTOR
Langkah – langkah :
a) Membuat Tabel Penolong
b) Menerapkan metode skor deviasi
c) Mencari nilai-nilai konstanta
d) Menentukan persamaan regresi dengan dua variabel bebas
e) Mencari korelasi berganda
f) Mencari koefisien determinasi

6
a) Membuat Tabel Penolong
No X₁ X₂ Y X ₁² X ₂² Y² X₁ X₂ Y X₁ X₂
Y

1
2
3
b) Menerapkan metode skor deviasi

7
C) Mencari Nilai Konstata-Konstata
• Menghitung nilai konstata B1

• Menghitung nilai konstata B2

• Menghitung nilai konstata a

8
d) Menentukan Persamaan Regresi dengan Dua Variabel Bebas

e) Mencari Korelasi Berganda

f) Mencari Koefisien Determinasi

9
Contoh Kasus
- Menganalisa pengaruh Usia dan berat badan terhadap tekanan darah pada 20 Mahasiswa

10
11
our office

12
Whoa! That’s a big number, aren’t you proud?

13
Analisa Korelasi Berganda
◉ Analisis korelasi ganda digunakan untuk mengetahui hubungan antara
dua atau lebih variabel independen (X1, X2,… Xn) terhadap variabel
dependen (Y) secara serentak.
◉ Koefisien ini menunjukkan seberapa besar hubungan yang terjadi antara
variabel independen (X1, X2,…Xn) secara serentak terhadap variabel
dependen (Y).
◉ Nilai R berkisar antara 0 sampai 1, nilai semakin mendekati 1 berarti
hubungan yang terjadi semakin kuat, sebaliknya nilai semakin mendekati 0
maka hubungan yang terjadi semakin lemah.

14
Interprestasi koefisien korelasi
Menurut Sugiyono (2007) pedoman untuk memberikan interpretasi
koefisien korelasi sebagai berikut:

1. 0,00- 0,199 = sangat rendah

2. 0,20- 0,399 = rendah
3. 0,40- 0,599 = sedang
4. 0,60- 0,799 = kuat
5. 0,80- 1,000 = sangat kuat

15
Analisa Determinasi R2
 Analisis determinasi digunakan untuk mengetahui persentase sumbangan
pengaruh variabel independen (X1, X2,…Xn) secara serentak terhadap
variabel dependen (Y).

 Koefisien ini menunjukkan seberapa besar persentase variasi variabel

independen yang digunakan dalam model mampu menjelaskan variasi
variabel dependen.

 Berdasarkan kasus bahwa memperoleh 0.40%

16
 Uji Koefisien Regresi Secara Bersama-sama (Uji F)
 Uji ini digunakan untuk mengetahui apakah variabel independen (X1,X2... Xn) secara
bersama-sama berpengaruh secara signifikan terhadap variabel dependen (Y).
 F hitung dapat dicari dengan rumus sebagai berikut:

F hitung = R2/k .
(1 – R2) / (n – k – 1)
Keterangan:
R2 = Koefisien determinasi
n = Jumlah data atau kasus
k = Jumlah variabel independent
 Hasil uji F dapat dilihat pada output ANOVA dari hasil analisis Regresi Linier Berganda di
atas. Tahap-tahap untuk melakukan Uji F, adalah:

17
Uji Koefisien Regresi Secara Bersama-sama (Uji F)
1. Merumuskan Hipotesis
 Ho: Tidak ada pengaruh antara PER dan ROI secara bersama-sama terhadap harga
saham.
 Ha: Ada pengaruh antara PER dan ROI secara bersama-sama terh­adap harga
saham.

2. Menentukan tingkat signifikansi

 Tingkat signifikansi menggunakan 0,05 (a = 5%)
 Berdasarkan table
 Menentukan Nilai hitung

18
 Uji Koefisien Regresi Secara Parsial (Uji T)
 Uji ini digunakan untuk mengetahui apakah dalam model regresi variabel
independen (X1, X2,…Xn) secara parsial berpengaruh signifikan terhadap
variabel dependen (Y).
 Rumus t hitung pada analisis regresi adalah:
t hitung = bi / Sbi
Keterangan:
bi = Koefisien regresi variabel i
Sbi = Standar error variabel
 Hasil uji t dapat dilihat pada output Coefficients dari hasil analisis Regresi
Linier Berganda di atas

19
 Langkah –Langkah (Uji T)
Pengujian koefisien regresi variabel PER
1. Menentukan Hipotesis
 Ho: Secara parsial tidak ada pengaruh antara PER dengan harga saham
 Ha: Secara parsial ada pengaruh antara PER dengan harga saham
2. Menentukan tingkat signifikansi
 Tingkat signifikansi menggunakan 0,05 (a = 5%)
3. Menentukan t hitung
 Berdasarkan output diperoleh t hitung sebesar usia 0.755025 dan BB 0.51491
4. Menentukan t tabel
 Tabel distribusi t dicari pada a = 5% : 2= 2,5% (uji 2 sisi) dengan derajat kebebasan
(df) n-k-1 atau 20-2-1 = 17 (n adalah jumlah kasus dan k adalah jumlah variabel
independen).

20
Hasil Analisis
 Hasil analisis korelasi ganda dapat dilihat pada output Model
Summary dari hasil analisis Regresi Linier Berganda di atas.
 Berdasarkan output diperoleh angka R sebesar 0.040587

 Karena nilai korelasi ganda berada di antara 0,40- 0,599

 maka dapat disimpulkan bahwa terjadi hubungan yang Sedang

antara PER dan ROI terhadap Tekanan darah(Y).

21
 Hasil Analisis

◉ Sign And magnitude: koef Positif keduanya,

1. ada peningkatan usia maka output akan bertambah
2. jika kita meningkatkan berat badan maka output juga akan
meningkat
◉ UJI F
Nilai signifikan 0,07/dibawah 5% artinya usia dan berat badan
memiliki pengaruh yang nyata terhadap output
◉ UJI T
Lebih besar dari 0,05 sehingga sangat usia dan berat badan
berpengaruh
◉ Determinan koef, 0,40% divariasi dari usia dan berat badan
lalu sisanya dimenangkan
22
THANKS!

23