ANALISISREGRESILINEAR
ANALISISREGRESILINEAR
ANALISISREGRESILINEAR
S1 MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
MEDAN
2019
A. Analisis Regresi Berganda
Analisis regresi linear berganda adalah pengembangan dari analisis regresi linear
sederhana dimana terdapat lebih dari satu variabel independen X. Analisis ini digunakan
untuk melihat sejumlah variabel independen X1 , X2 , … Xk terhadap variabel dependen Y
berdasarkan nilai variabel-variabel independen X1 , X2 , … Xk.
Perbedaaan antara regresi sederhana dengan regresi berganda terletak pada jumlah
variabel bebasnya. Jika dalam regresi sederhana jumlah variabel bebas yang digunakan untuk
memprediksi variabel tergantung hanya satu, maka regresi berganda jumlah variabel bebas
yang digunakan untuk memprediksi variabel tergantung lebih dari satu. Dalam regresi
berganda seluruh variabel bebas dimasukkan kedalam perhitungan regresi serentak.
Dengan demikian dipeorleh persamaan regresi guna memprediksi variabel terikat dengan
memasukkan secara serentak serangkaian variabel bebas. Dalam persamaan regresi
dihasilkan konstanta dan koefisien regresi bagi masing-masing variabel bebas.
Keterangan Variabel :
R
Menunjukkan korelasi antara variabel bebas dengan variabel tergantungnya (tidak
bebas). Dalam hal ini dikarenakan regresi linier berganda maka dikatakan bahwa
korelasi berganda antara variabel X₁ dan X₂ terhadap variabel Y adalah sebesar
0,926.
R Square
Koefisien determinasi yang menunjukkan pengaruh langsung variabel X₁ dan X₂
terhadap variabel Y yang dinyatakan dalam persentase. Koefisien determinasi
0,858 berarti bahwa variabel X₁ dan X₂ memengaruhi secara langsung variabel Y
sebesar 85,8% sedangkan (100-85,8)%= 14,2% dipengaruhi oleh faktor lain
diluar variabel X₁ dan X₂.
Adjusted R Square
Adjusted R Square merupakan koefisien determinasi yang telah terkoreksi
dengan jumlah variabel dan ukuran sampel sehingga dapat mengurangi unsur bias
jika terjadi penambahan variabel. Adjusted R Square sebesar 0,817 berarti variasi
variabel Y dapat dijelaskan oleh variabel X₁ dan X₂ sebesar 81,7% atau variabel
X₁ dan X₂ memengaruhi variabel Y sebesar 81,7%.
Error of the Estimate
Std. Error of the Estimate menunjukkan penyimpangan antara persamaan regresi
dengan nilai dependent riil sebesar 84,716 satuan variabel dependent (jika
variabel Y dalam satuan maka besarnya penyimpangan adalah sebesar 84,716
satuan). Semakin kecil nilai Std. Error of the Estimate maka semakin baik
persamaan regresi tersebut sebagai alat prediksi. Pada umumnya S.E < Std.
Deviasi ada pula yang menyatakan S.E < 4,00
E. Kesimpulan
Dari hasil di atas maka diperoleh :
1) Persamaan regresi ganda : Ŷ = -415,014 + 78,027X₁ +144,308X₂
2) Hipotesis keberartian regresi parsial sebagai berikut:
Nilai thitung 3,912 > ttabel 2,365 atau Sig. 0,006 (< 0,05) dengan demikian
disimpulkan terdapat pengaruh positif yang signifikan X₁ terhadap Y.
Nilai thitung 3,546 > ttabel 2,365 atau Sig. 0,009 (< 0,05) dengan demikian
disimpulkan terdapat pengaruh positif yang signifikan X₂ terhadap Y.