Regresi Linier Berganda | Pengertian, Uji Analisis, Tujuan dan Contohnya

Regresi Linier Berganda – Dalam statistik, regresi linier merupakan alat yang digunakan untuk dapat mengetahui pengaruh dari satu atau beberapa variabel terhadap sebuah variabel.

Untuk variabel yang mempengaruhi kerap disebut dengan variabel bebas, sedangkan untuk yang dipengaruhi disebut dengan variabel dependen.

Biasanya regresi linier digunakan pada ratio dan skala interval. Selain itu, umumnya terdiri dari dua macam, yakni jenis sederhana dan  berganda.

Jika regresi linier sederhana terdapat satu buah variabel bebas, maka jenis berganda terdiri dari beberapa variabel bebas.


Pengertian Regresi Linier Berganda


√ Regresi Linier Berganda | Pengertian, Uji Analisis, Tujuan dan ContohnyaMerupakan model regresi berganda yang jika variabel terikatnya berskala rasio (kuantitatif/numerik) atau data interval.

Pada hakekatnya regresi jenis ini digunakan untuk mengestimasi hubungan antara dua variabel independen atau lebih dengan satu variabel dependen.

Umumnya bisa juga dikatakan regresi dengan beberapa variabel bebas dan satu variabel terikat.

Menurut Umi Narimawati (2008), regresi linier berganda merupakan suatu analisis di mana digunakan secara bersamaan untuk meneliti pengaruh dari dua atau lebih variabel bebas pada satu variabel.


Uji Analisis Linier Berganda


√ Regresi Linier Berganda | Pengertian, Uji Analisis, Tujuan dan ContohnyaPengujian yang dilakukan dengan regresi linier berganda membuat semua asumsi yang sama dengan jenis sederhana.

1. Homogenitas Varian

Ukuran kesalahan di dalam prediksi tidak berubah dengan signifikan di seluruh nilai variabel independen.

2. Independensi Observasi

Observasi yang ada dalam kumpulan data akan terus dikumpulkan dengan metode yang secara satistik valid dan di antara variabel tidak ada hubungan tersembunyi.

Dari penjelasan yang sudah dijelaskan, perlu diketahui bahwa dalam regresi jenis ini memiliki kemungkinan beberapa variabel independent berkorelasi satu dengan lainnya.

Oleh karena itu penting memeriksa hal ini terlebih dahulu sebelum mengembangkan model regresi.

Jika ada dua variabel berkorelasi terlalu tinggi (42>~0.6), maka cukup hanya satu variabel yang digunakan pada model regresi.


Tujuan Regresi Linier Berganda


Tujuan dari melakukan analisis dengan menggunakan regresi linier berganda adalah sebagai berikut:

  • Digunakan untuk melakukan prediksi, di mana penggunaannya secara substansial tumpeng tindih dengan pembelajaran dari mesin.
  • Dalam situasi tertentu, analisis dari regresi ini bisa juga digunakan untuk menyimpulkan mengenai hubungan kausal variabel independen dengan dependen dalam kumpulan data tetap.

Cara Menghitung


Analisis regres linier jenis ini sebenarnya cukup sama dengan jenis sederhana, namun variabel bebasnya lebih dari satu.

Berikut merupakan persamaan umumnya:

Y = a + b1 X1 + b2 X2 + b3 X3 + … + bn Xn

Keterangan:

Y = variabel terikat
X = variabel bebas
a = konstanta (intersept)
b = koefisien regresi di masing-masing variabel bebas

Dengan rumus persamaan di atas, maka dapat dikatakan regresi linier berganda jika ingin mengetahui:

  • Seberapa kuat hubungan di antara beberapa variabel bebas dan satu variabel terikat. Misalnya bagaimana suhu, pupuk dan curah hujan mempengaruhi pertumbuhan tanaman.
  • Nilai variabel terikat terhadap nilai variabel bebas. Misalnya hasil yang diharapkan pada dari tanaman dengan tingkat berapa suhu, curah hujan dan penggunaan pupuk tertentu.

Contoh Linier Berganda


Berikut merupakan contoh yang bisa digunakan proses pengujian:

Ada seorang peneliti kesehatan yang memiliki minat atau tertarik pada faktor sosial yang menjadi pengaruh atau mempengaruhi penyakit jantung.

Ia kemudian melalkukan survei di 500 kota, mengumpulkan data mengenai persentase orang yang merokok, berespeda, dan menderita penyakit jantung di setiap kota.

Karena Ia mempunyai lebih dari satu variabel independen, satu variabel dependen dan semuanya merupakan kuantitatif, maka peneliti menggunakan regresi linier berganda untuk menganalisis hubungan keduanya.

Originally posted 2021-06-15 00:20:26.

Tinggalkan komentar

Situs ini menggunakan Akismet untuk mengurangi spam. Pelajari bagaimana data komentar Anda diproses.