2.4. Regresi Linier Berganda
Analisis regresi berganda adalah suatu analisis yang mengukur pengaruh variabel bebas terhadap variabel terikat yang pengukuran pengaruh
antarvariabelnya melibatkan lebih dari satu variabel bebas. Sunyoto, 2009. Persamaan estimasi regresi linier berganda sebagai berikut:
Y = a + b
1
X
1
+ b
2
X
2
+ b
3
X
3
+ ... + b
n
X
n
......................................... 1 Menurut Algifari 2000, persamaan regresi yang diperoleh dari suatu
proses penghitungan dapat diketahui apakah persamaan tersebut baik untuk mengestimasi nilai variabel dependen atau tidak dengan cara:
1. Koefisien regresi uji parsial yang bertujuan untuk memastikan apakah
variabel independen yang terdapat dalam persamaan tersebut secara individu berpengaruh;
2. Persentase pengaruh semua variabel independen secara bersama-sama
simultan terhadap nilai variabel dependen; 3.
Pengaruh semua variabel independen di dalam model terhadap nilai variabel dependen uji simultan.
Persamaan regresi yang dihasilkan dapat diketahui baik atau tidaknya dengan melakukan beberapa pengujian dan analisis sebagai berikut:
1. Uji Normalitas
Menurut Suliyanto 2005, uji normalitas digunakan untuk mengetahui apakah residual yang diteliti berdistribusi normal atau tidak. Nilai residual
berdistribusi normal dapat dilihat dari suatu kurva berbentuk lonceng bell- shaped curve
yang kedua sisinya melebar sampai tidak terhingga. Distibusi data tidak normal disebabkan oleh adanya nilai ekstrem dalam
data yang diambil. Cara mendeteksinya dengan menggunakan histogram regression residual
yang sudah distandarkan serta menggunakan analisis kai kuadrat dan kolmogorov-smirnov
. Kurva nilai residual terstandarisasi dikatakan menyebar dengan normal apabila nilai kolmogrov-smirnov Z
≤ Z tabel atau nilai asymp. sig. 2-tailed
α.
2. Uji multikolineritas
Uji multikolineritas digunakan untuk mengetahui ada tidaknya variabel independent
yang memiliki korelasi antar variabel independent lain dalam satu model. Multikolineritas diuji dengan melihat nilai Tolerance dan
Variance Inflation Factor VIF. Nilai Tolerance tidak kurang dari 0,1 dan
nilai Variance Inflation Factor VIF yang tidak lebih dari 10 sehingga model dapat dikatakan terbebas dari multikolineritas. Semakin tinggi VIF
maka semakin rendah Tolerance Nugroho, 2005. 3.
Uji Heteroskesdastisitas Uji heteroskesdastisitas dilakukan untuk melihat apakah terdapat
ketidaksamaan ragam dari residual satu pengamatan ke pengamatan yang lain. Model regresi yang memenuhi persyaratan adalah di mana terdapat
kesamaan ragam dari residual satu pengamatan ke pengamatan yang lain tetap atau disebut homoskesdastisitas. Ada tidaknya heteroskesdastisitas
dapat diprediksi dengan melihat pola gambar Scatterplot. 4.
Koefisien determinasi R
2
adalah salah satu nilai statistik yang dapat digunakan untuk mengetahui apakah ada hubungan pengaruh antara dua
variabel. Nilai koefisien determinasi menunjukkan persentase variasi nilai variabel dependen yang dapat dijelaskan oleh persamaan regresi yang
dihasilkan. Secara matematis persamaan koefisien determinasi R
2
dapat ditulis sebagai berikut:
................................................................... 2 Besarnya koefisien determinasi adalah 0 sampai dengan 1. Semakin
mendekati nol besarnya koefisien determinasi R
2
suatu persamaan regresi, semakin kecil pula pengaruh semua variabel independen terhadap
nilai variabel dependen. Sebaliknya, semakin mendekati satu besarnya koefisien determinasi R
2
suatu persamaan regresi, semakin besar pula pengaruh semua variabel independen terhadap variabel dependen Algifari,
2000.
5. Uji koefisien regresi dilakukan dengan dua macam, yaitu:
i. Uji parsial dilakukan untuk menentukan signifikan atau tidak signifikan
masing-masing nilai koefisien regresi secara sendiri-sendiri terhadap variabel terikat Y.
H : b
1
= 0 H
a
: b
1 1
Pengujian parsial menggunakan statistik uji t. ii.
Uji simultan melibatkan semua variabel bebas terhadap variabel terikat dalam menguji ada tidaknya pengaruh yang signifikan secara simultan
bersama-sama. H
: b
1
, b
2
= 0 H
a
: b
1
, b
2 1
Pengujian secara simultan menggunakan distribusi F, yaitu membandingkan antara F hitung dan F tabel Sunyoto, 2009.
2.5. Penelitian Terdahulu