16
2.4 Regresi Linier Berganda
Jika dalam regresi linier sederhana hanya memiliki dua variabel saja yaitu satu variabel terikat Y dan satu variabel bebas X dengan satu predictor a. pada
regresi linier berganda terdapat lebih dari dua variabel, satu variabel terikat, dan lebih dari satu untuk variabel bebas.
Regresi berganda berguna untuk mencari pengaruh dua atau lebih variabel bebas atau untuk mencari hubungan fungsional dua variabel bebas atau lebih
terhadap variabel terikatnya. Dengan demikian multiple regression regresi berganda digunakan untuk untuk penelitian yang menyertakan beberapa variabel
sekaligus. Dalam hal ini regresi juga dapat dijadikan pisau analisis terhadap penelitian yang diadakan, tentu saja jika diarahkan untuk menguji variabel-
variabel yang ada Supranto.J.MA.2009. Tujuan analisis regresi linier adalah untuk mengukur intensitas hubungan
antara dua variabel atau lebih dan memuat prediksi atau perkiraan nilai Y dan nilai X. bentuk umum persamaan regresi linier berganda yang mencakup dua atau lebih
variabel, yaitu: Untuk populasi
2.2 Keterangan:
adalah koefisien atau parameter model. Untuk Sampel
Universitas Sumatera Utara
17
2.3
keterangan: = Variabel tidak bebas dependent variable
= Koefisien regresi
= Variabel bebas indepent variable
= Kesalahan penggangu disturbunce error
Persamaan regresi linear berganda merupakan penyajian secara matematis dari regresi dimana variabel terikatnya Y dihubungkan atau dijelaskan lebih dari satu
variabel bebas namun masih menunjukkan diagram
hubungan yang linear. Bentuk umum persamaan penduga regresi linear berganda, yaitu:
2.4
Nilai dari koefisien dapat diselesaikan dengan cara sebagai
berikut: 2.5
Universitas Sumatera Utara
18
keterangan: = Variabel tidak bebas dependent variable
= Koefisien regresi
= Variabel bebas independent variable
2.5 Kesalahan Standart Estimasi
Untuk mengetahui ketepatan persamaan estimasi dapat digunakan kesalahan standar estimasi standard error of estimate. Besarnya kesalahan standar estimasi
menunjukkan ketepatan persamaan estimasi untuk menjelaskan nilai variabel tidak bebas yang sesungguhnya. Semakin kecil nilai kesalahan standar estimasi,
makin tinggi ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Sebaliknya, semakin besar nilai
kesalahan standar estimasi, makin rendah ketepatan persamaan estimasi yang dihasilkan untuk menjelaskan nilai variable tidak bebas sesungguhnya. Kesalahan
standar estimasi dapat ditentukan dengan rumus:
Universitas Sumatera Utara
19
2.6
Keterangan: = Kesalahan standar estimasi
= Nilai sebenarnya
= Nilai regresi penduga
= banyak sampel
= Jumlah variabel bebas Independent variable
2.5 Kesalahan Standar Estimasi
Kategori