ACARA IV

ANALISIS REGRESI BERGANDA

A. Teori
Analisis regresi linier berganda (Multiple Regression Analysis) merupakan
pengembangan dari analisis dimana terdapat lebih dari satu variabel independen x. Variabel
dependen yang sering disebut sebagai variable respon. Secara umum bentuk model regresi
berganda sbb:
yi = o + 1x1i + xi+ !x!i +"".+ nxni+ i
Analisis regresi berganda digunakan untuk melihat pengaruh se#umlah variable dependen
x1$ x$ x!$"$xn terhadap variable dependen y atau #uga untuk memprediksi nilai suatu variable
dependen y berdasarkan nilai variable%variabel independen x1$ x$ x!$"$xn. untuk mengestimasi
nilai o$1$$!$"$n digunakan metode kuadrat terkecil (least s&uare method) berdasarkan
persamaan:
yi ' bo + b1x1i + bxi+ b!x!i +"".+ bnxn dan mencari nilai minimum (ungsi kuadrat: ei

'
(yi ) y)

' (yi )bo )b1xi bxi) b!x!i )"".) bnxni)

*. Tujuan
+u#uan acara ini adalah agar mahasis,a dapat melakukan pengu#ian secara statistic
apakan beberapa variable independen xi berpengaruh secara nyata (signi(ikan) baik secara
bersama%sama maupun secara parsial (sendiri%sendiri) terhadap variable dependen y. selain itu
mahasis,,a dimaksudkan agr mampu menginterpretasikan hasil print out computer hasil regresi
beranda.
-. Contoh
Suatu perusahaan dibidang industry memiliki data usia$ income sales person$ dan
pengalaman ker#a sebagai sales (tabel 1). .erusahaan itu ingin membuat model regresi berganda
untuk memprediksi income berdasakan usia dan pengalaman ker#a. /ata pada tabel diatas dapat
disimpan dengan nama: multiple0reg.sav.
+abel 1. /ata usia$ income sales person dan pengalaman ker#a
1sia (x1) .engalaman 2er#a 3ncome (y) dalam dollar
!1
!4
5
5
!6577
5177
!8
!9
!7
8
7
!
6
8
9
6

7
!
7
1

5
6
56777
57!77
777
8777
1!777
777
:777
4777
!7777
Pertanyaan : +entukan koe(isien dari persamaan regresi berganda dan tentukan apakah
koe(isien regresi yang diperolehsigni(ikan; <akukan pula estimasi income sales untuk seorang
salesperson yang berusian 57 tahun dengan pengalaman ker#a 5 tahun pada perusahaan tersebut.
Solusi: 2ita akan mencari koe(isien regresi bo$b1 dan b dari persamaan regresi linier
berganda yi ' bo + b1x1i + bxi dan melakukan u#i hipotesis untuk mengetahui apakah koe(isien
yang diperoleh signi(ikan.
/. Hipotesis
1sia pengalaman ker#a sebagai sales person berpengaruh terhaadap income sales.
=o : b1'b'7
=1 : minimal salah satu bi (i'1 dan ) tidak sama dengan nol
>. Prosedur
1. *uka (ile: multiple0reg0data.sav.
. 2lik Analy?e @egression <inear
!. .indahkan variabel income ke dalam box ber#udul /ependent dan variabel usia ke dalam box
ber#udul 3ndependent(s). /emikian pula variable pengalaman ker#a ke dalam box ber#udul
3ndependent(s).
5. .astikan anda memilih Aethod:>nter. 2emudian klik tombol statistics Diagnostic anda
member tanda check (v) pada Estimates, Model Fit, Colllinearity Diagnostics dan Durbin-
watson.
6. 2emudian klik -ontinue dan B2.
C. Hasil Analisis
D. Interpretasi Hasil
Eilai @

(R square) dari tabel odel Su!!ary menun#ukkan bah,a 95F dari varians
In"o!e dapat di#elaskan oleh perubahan dalam variabel usia dan Pen#ala!an $erja.
Enilai u#i statistic /urbin%Gatson' 1.594$ #adi dapat diasumsikan tidak ter#adi
autocrrelation.
+abel AN%VA di atas mengindikasikan bah,a regresi berganda secara statistik sangat
signi(icant dengan C ' :5.176 untuk dera#at kebebasan k ' dan n ) k ) 1 ' 11 ) ) 1 ' 8
dan p-value ' 7.777 yang #auh lebih kecil dari ' 7.76.
1#i C mengu#i hipotesis H0 : 1 = 2 = 7 terhadap =a : tidak semua 1 dan $ tidak
semuanya nol. /ari p-value ' 7.777 yang #auh lebih kecil dari ' 7.76$ terlihat bah,a H0 :
1 = 2 = 7 ditolak sangat signi(ikan.
.ersamaan garis regresi berganda yang diperoleh menggunakan metode kuadrat terkecil
yang didapat adalah y ' %17!:7.6 + 171.798x1+1::!.61:x
1ntuk mengu#i signi(ikansi masing%masing koe(isien regresi digunakan u#i%t dengan hasil
sebagai berikut:
o Variabel usia: H0 : 1 = 0 terhadap H1 : 10
o nilai u#i%t dengan t'4.:76 dengan dera#at kebebasan n%k%1'11%'14 dan p%value'7.777
lebih kecil dari = 0,05.
/ari tabel -oe((itient #uga terlihat bah,a nilai V3C'1.!44 sehingga masih dapat dianggap
tidak ter#adi multicollinearity (atau tepatnya hanya low collinearity).
/ari normal probability plot #uga terlihat bah,a titik%titik dan membentuk pola linear
sehingga konsosten dengan distribusi normal.