Rumus analisis regresi linier berganda menurut sugiyono (2022)

Analisis regresi linear berganda sebenarnya sama dengan analisis regresi linear sederhana, hanya variabel bebasnya lebih dari satu buah. Persamaan umumnya adalah:

Y = a + b1 X1 + b2 X2 + .... + bn Xn.

Dengan Y adalah variabel bebas, dan X adalah variabel-variabel bebas, a adalah konstanta (intersept) dan b adalah koefisien regresi pada masing-masing variabel bebas.

Interpretasi terhadap persamaan juga relatif sama, sebagai ilustrasi, pengaruh antara motivasi (X1), kompensasi (X2) dan kepemimpinan (X3) terhadap kepuasan kerja (Y) menghasilkan persamaan sebagai berikut:

Y = 0,235 + 0,21 X1 + 0,32 X2 + 0,12 X3

1. Jika variabel motivasi meningkat dengan asumsi variabel kompensasi dan kepemimpinan tetap, maka kepuasan kerja juga akan meningkat
2. Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi dan kepemimpinan tetap, maka kepuasan kerja juga akan meningkat.
3. Jika variabel kepemimpinan meningkat, dengan asumsi variabel motivasi dan kompensasi tetap, maka kepuasan kerja juga akan meningkat.

Interpretasi terhadap konstanta (0,235) juga harus dilakukan secara hati-hati. Jika pengukuran variabel dengan menggunakan skala Likert antara 1 sampai dengan 5 maka tidak boleh diinterpretasikan bahwa jika variabel motivasi, kompensasi dan kepemimpinan bernilai nol, sebagai ketiga variabel tersebut tidak mungkin bernilai nol karena Skala Likert terendah yang digunakan adalah 1.

Analisis regresi linear berganda memerlukan pengujian secara serempak dengan menggunakan F hitung. Signifikansi ditentukan dengan membandingkan F hitung dengan F tabel atau melihat signifikansi pada output SPSS. Dalam beberapa kasus dapat terjadi bahwa secara simultan (serempak) beberapa variabel mempunyai pengaruh yang signifikan, tetapi secara parsial tidak. Sebagai ilustrasi: seorang penjahat takut terhadap polisi yang membawa pistol (diasumsikan polisis dan pistol secara serempak membuat takut penjahat). Akan tetapi secara parsial, pistol tidak membuat takut seorang penjahat. Contoh lain: air panas, kopi dan gula menimbulkan kenikmatan, tetapi secara parsial, kopi saja belum tentu menimbulkan kenikmatan.

Penggunaan metode analisis regresi linear berganda memerlukan uji asumsi klasikyang secara statistik harus dipenuhi. Asumsi klasik yang sering digunakan adalah asumsi normalitas, multikolinearitas, autokorelasi, heteroskedastisitas dan asumsi linearitas..

Langkah-langkah yang lazim dipergunakan dalam analisis regresi linear berganda adalah 1) koefisien determinasi; 2) Uji F dan 3 ) uji t. Persamaan regresi sebaiknya dilakukan di akhir analisis karena interpretasi terhadap persamaan regresi akan lebih akurat jika telah diketahui signifikansinya. Koefisien determinasi sebaiknya menggunakan Adjusted R Square dan jika bernilai negatif maka uji F dan uji t tidak dapat dilakukan.

Bentuk-bentuk regresi yang juga sering digunakan dalam penelitian adalah regresi logistik atau regresi ordinal.

Dalam pemodelan statistik dan statistika penggunaan analisis regresi bisa dikatakan sebagai serangkaian proses penghitungan yang dilakukan untuk memperkirakan hubungan antara variabel terikat atau dependen yang sering dinamakan ‘variabel hasil‘ dan satu atau lebih variabel bebas/independen yang sering dinamakan ‘prediktor’, ‘kovariat’, atau ‘fitur’ .

Bentuk analisis regresi yang paling umum yaitu regresi linier berganda yang dalam hal ini peneliti dapat menemukan line/garis yang paling cocok dengan data menurut kriteria tertentu berdasarkan jumlah variabel penelitian yang ditentukan.

• Regresi Linier Berganda
  • Pengertian Regresi Linier Berganda
    • Pengertian Regresi Linier Berganda Menurut Para Ahli
  • Cara Menghitung Regresi Linier Berganda
  • Uji Analisis Regresi Linier Berganda
  • Tujuan Regresi Linier Berganda
  • Contoh Regresi Linier Berganda
    • Penelitian
  • Sebarkan ini:
  • Posting terkait:

Regresi linier berganda pada hakekatnya adalah regresi linier yang digunakan untuk mengestimasi hubungan antara dua atau lebih variabel independen dan satu variabel dependen. Dalam hal ini pengujian analisis regresi terutama digunakan untuk dua tujuan yang berbeda secara konseptual.

Oleh karena itulah menggunakan regresi berganda mampu memprediksi untuk kemudian menyimpulkan hubungan sebab akibat, sehingga si peneliti harus secara hati-hati membenarkan hubungan yang ada memiliki kekuatan prediksi untuk konteks baru atau mengapa hubungan antara dua variabel memiliki interpretasi kausal.

Pengertian Regresi Linier Berganda

Regresi linier berganda adalah teknik statistik yang menggunakan beberapa variabel penjelas untuk memprediksi hasil dari variabel respon. Tujuan dari regresi linier berganda ini untuk memodelkan hubungan linier antara variabel penjelas (independen) dan variabel respon (dependen).

Pengertian Regresi Linier Berganda Menurut Para Ahli

Adapun definisi regresi linier berganda menurut para ahli, antara lain;

1. Umi Narimawati (2008), Analisis regresi linier berganda adalah suatu analisis asosiasi yang digunakan secara bersamaan untuk meneliti pengaruh dua atau lebih variabel bebas terhadap satu variabel tergantung dengan skala interval.

Cara Menghitung Regresi Linier Berganda

Model persamaan untuk menghitung regresi linier berganda yaitu:

Y= a+b1X1+b2X2+b3X3+…+bnXn

Keterangan:

• Y                     : Variabel Dependen atau Terikat
• X (1,2,3,…)     : Variabel Independen atau Bebas
• a                      : Nilai konstanta
• b (1,2,3,…)      : Nilai koefisien regresi

Dari rumus dalam penghitungan tersebut dapatlah dikatakan bahwa regresi linier berganda jika kita ingin mengetahui:

1. Seberapa kuat hubungan antara dua atau lebih variabel bebas dan satu variabel terikat (misalnya bagaimana curah hujan, suhu, dan jumlah pupuk yang ditambahkan mempengaruhi pertumbuhan tanaman).
2. Nilai variabel terikat pada nilai variabel bebas tertentu (misalnya hasil yang diharapkan dari suatu tanaman pada tingkat curah hujan, suhu, dan penambahan pupuk tertentu).

Uji Analisis Regresi Linier Berganda

Regresi linier berganda membuat semua asumsi yang sama seperti regresi linier sederhana. Dengan pengujian dilakukan sebagai berikut;

1. Homogenitas varians (homoskedastisitas): ukuran kesalahan dalam prediksi kami tidak berubah secara signifikan di seluruh nilai variabel independen.
2. Independensi observasi: observasi dalam kumpulan data akan senantiasa dikumpulkan menggunakan metode yang valid secara statistik, dan tidak ada hubungan tersembunyi di antara variabel.

Dari penjelasan dikemukakan, setidaknya perlu diketahui bahwa dalam regresi linier berganda, ada kemungkinan beberapa variabel independen benar-benar berkorelasi satu sama lain, sehingga penting untuk memeriksa hal ini sebelum mengembangkan model regresi.

Namun yang pastinya, jika dua variabel independen berkorelasi terlalu tinggi (r2>~0.6), maka hanya satu variabel yang harus digunakan dalam model regresi.

1. Normalitas: Data mengikuti distribusi normal.
2. Linearitas: garis yang paling sesuai melalui titik data adalah garis lurus, bukan kurva atau semacam faktor pengelompokan.

Tujuan Regresi Linier Berganda

Sedangkan tujuan melakukan analisis dalam menggunakan regresi linier berganda, yaitu;

1. Analisis regresi berganda banyak digunakan untuk prediksi dan peramalan, yang penggunaannya secara substansial tumpang tindih dengan bidang pembelajaran mesin.
2. Dalam beberapa situasi, analisis regresi berganda dapat digunakan untuk menyimpulkan hubungan kausal antara variabel independen dan dependen. Yang penting, regresi itu sendiri hanya mengungkapkan hubungan antara variabel dependen dan kumpulan variabel independen dalam kumpulan data tetap.

Contoh Regresi Linier Berganda

Sedangkan contoh yang bisa dilakukan dalam proses pengujian untuk analisis regresi linier berganda, antara lain;

1. Penelitian

Seorang peneliti kesehatan masyarakat yang tertarik dengan faktor sosial yang mempengaruhi penyakit jantung. Ia mensurvei 500 kota dan mengumpulkan data tentang persentase orang di setiap kota yang merokok, persentase orang di setiap kota yang bersepeda ke tempat kerja, dan persentase orang di setiap kota yang menderita penyakit jantung.

Karena ia memiliki dua variabel independen dan satu variabel dependen, dan semua variabel tersebut kuantitatif, peneliti dapat menggunakan regresi linier berganda untuk menganalisis hubungan di antara keduanya.

Kesimpulan

Dari penjelasan yang dikemukakan dapatlah dikatakan bahwa model regresi linier berganda ini sangat berguna untuk memprediksi atau menunjukkan hubungan antara dua variabel atau faktor. Faktor yang sedang diprediksi disebut variabel dependen dan faktor-faktor yang digunakan untuk memprediksi nilai variabel dependen disebut variabel independen.

Dalam regresi linier berganda, setiap jenis observasi terdiri dari dua nilai. Satu nilai untuk variabel terikat dan satu nilai untuk variabel bebas. Dalam model sederhana ini, garis lurus mendekati hubungan antara variabel dependen dan variabel independent.

Demikinalah artikel yang bisa kami kemukakan pada segenap pembaca berkaitan dengan pengertian regresi linier berganda menurut para ahli, cara menghitung, tujuan, dan contohnya dalam penelitian. Semoga memberikan wawasan bagi kalian semuanya.

Saya mencintai dan suka menulis terkait pendidikan dan penelitian. Semoga tulisan saya ini bisa bermanfaat untuk kalian yang membutuhkannya.

Apa rumus regresi linier berganda?

Uji regresi linier berganda apa saja?

8 Apa itu regresi linier berganda?

Kenapa disebut regresi linier berganda?