Bagi kawan - kawan yang bingung dengan pengertian dan persamaan analisis regresi berganda di bawah adalah pengertian dan persamaannya.
Analisis Regresi Linier Berganda
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio. Persamaan regresi linear berganda sebagai berikut:
Y’ = a + b1X1+ b2X2+…..+ bnXn (Sugiyono, 2012:275)
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
X1 dan X2 = Variabel independen
a. Uji Parsial (Uji t)
Uji parsial adalah uji yang digunakan untuk menguji bermakna koefisien parsial. Apabila t hitung > (lebih besar) t tabel maka Ho ditolak, dengan demikian variabel bebas menerangkan variabel berikutnya. Sebaliknya apabila t hitung < (lebih kecil) t tabel maka Ho diterima sehingga dapat dikatakan variabel bebas tidak dapat menjelaskan variabel berikutnya, dengan kata lain tidak ada pengaruh diantara dua variabel yang diuji.
b. Uji Simultan (Uji F)
Uji ini dilakukan untuk mengetahui apakah semua variabel bebas mempunyai pengaruh yang sama terhadap variabel terikat. Untuk membuktikan kebenaran hipotesis digunakan uji distribusi F dengan cara membandingkan antara nilai F hitung dengan F tabel. Apabila perhitungan F hitung > (lebih besar) F tabel maka Ho ditolak sehingga dapat dikatakan bahwa variabel bebas dari regresi dapat menerangkan variabel terikat secara serentak. Sebaliknya jika F hitung < (lebih kecil) F tabel maka Ho diterima sehingga dapat dikatakan bahwa variabel bebas tidak mampu menjelaskan variabel terikat.
Dalam pengujian ini penulis menggunakan software IBM SPSS Statistics 20.
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data yang digunakan biasanya berskala interval atau rasio. Persamaan regresi linear berganda sebagai berikut:
Y’ = a + b1X1+ b2X2+…..+ bnXn (Sugiyono, 2012:275)
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
X1 dan X2 = Variabel independen
a. Uji Parsial (Uji t)
Uji parsial adalah uji yang digunakan untuk menguji bermakna koefisien parsial. Apabila t hitung > (lebih besar) t tabel maka Ho ditolak, dengan demikian variabel bebas menerangkan variabel berikutnya. Sebaliknya apabila t hitung < (lebih kecil) t tabel maka Ho diterima sehingga dapat dikatakan variabel bebas tidak dapat menjelaskan variabel berikutnya, dengan kata lain tidak ada pengaruh diantara dua variabel yang diuji.
b. Uji Simultan (Uji F)
Uji ini dilakukan untuk mengetahui apakah semua variabel bebas mempunyai pengaruh yang sama terhadap variabel terikat. Untuk membuktikan kebenaran hipotesis digunakan uji distribusi F dengan cara membandingkan antara nilai F hitung dengan F tabel. Apabila perhitungan F hitung > (lebih besar) F tabel maka Ho ditolak sehingga dapat dikatakan bahwa variabel bebas dari regresi dapat menerangkan variabel terikat secara serentak. Sebaliknya jika F hitung < (lebih kecil) F tabel maka Ho diterima sehingga dapat dikatakan bahwa variabel bebas tidak mampu menjelaskan variabel terikat.
Dalam pengujian ini penulis menggunakan software IBM SPSS Statistics 20.
"GOOD LUCK"
No comments:
Post a Comment