13
tergantung dengan variabel lainya, sedangkan variabel terikat adalah variabel yang nilainya tergantung dari variabel lainya.
Analisi regresi digunakan untuk mengetahui hubungan antara dua variabel atau lebih, terutama untuk menelusuri pola hubungan yang modelnya beluum
diketahui dengan baik, atau untuk meengetahui bagaimana variasi dari beberapa variabel bebas mempengaruhi variabel dependen dalam suatu fenomena yang
komplek. Jika adalah variabel-variabel bebas dan Y adalah variabel
terikat, maka terdapat hubungan antara fungsional antara X dan Y, dimana variasi dari X akan diiringi pula oleh variasi dari Y. Jika dibuat secara matematis
hubungan ini dapat dijabarkan sebagai berikut :
Keterangan : Y
= Variabel terikat Dependen X
= Variabel bebas Independen e
= Variabel residu disturbace term
2.4.1 Analisis Regresi Linier Sederhana
Analisis regresi linier sederhana terdiri dari satu variabel bebas dan satu variabel terikat. Dengan kata lain variabel yang dianalisis terdiri dari satu variabelprediktor
dan satu variabel kriterium. Model regresi linier sederhanaya adalah:
14
Keterangan : Y
= Variabel terikat dependent variable X
= Variabel bebas independent variable a
= Konstanta intrcept b
= Kemiringan slope Penggunaan regresi linier sederhana didasarkan pada asumsi, diantaranya
sebagai berikut : 1.
Model regresi harus linier dalam parameter 2.
Variabel bebas tidak berkolerasi dengan disturbance term eror 3.
Nilai disturbance term sebesar 0 atau dengan symbol sebagai e 4.
Varian untuk masing-masing error term kesalahan konstan 5.
Tidak terjadi autokorelasi 6.
Model regresi dispesifikasikan secara benar. Tidak terdapat bias spesifikasi dalam model yang digunakan dalam analisis empiris.
Koefisien-koefisien regresi a dan b dapat dihitung dengan rumus: ∑ ∑
∑ ∑ ∑
∑
∑ ∑ ∑ ∑
∑ Jika koefisien b terlebih dahulu dihitung, maka koefisien a dapat dihitung
dengan rumus: ̅ ̅
Dengan ̅dan ̅ masing-masing rata-rata untuk variabel-variabel X dan Y.
15
2.4.2 Analisis Regresi Linier Berganda
Regresi Linier ganda Mulltiple Regression berguna untuk mencari pengaruh atau untuk meramalkan dua variabel predictor atau lebih terhadap variabel
kriteriumnya. Suatu persamaan regresi linier yang memiliki lebih dari satu variabel bebas X dan satu variabel terikat Y akan membentuk suatu persamaan
regresi yang baru, disebut persamaan regresi linieer berganda multiple regression. Model persamaan regresi linier berganda hamper sama dengan model
regrei linier sederhana, letak perbedaanya hanya pada jumlah variabel bebasnya. Secara umum model regresi linier berganda adalah sebagai berikut:
Keterangan : Y
= Variabel terikat dependent variable X
= Variabel bebas independent variable = Konstanta regresi
= Koefisien regresi variabel bebas e
= Pengamatan variabel error Dalam penelitian ini digunakan enam variabel yang terdiri dari satu
variabel terikat Y dan lima variabel bebas X. Maka persamaan regresi bergandanya adalah:
16
Persamaan diatas dapat diselesaikan dengan empat bentuk, yaitu :
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑ ∑
∑
2.5 Uji Keberartian Regresi
