Tulis Pada Lembar Jawaban
NAMA
NPM
DOSEN
TA MANUAL
JADWAL MANUAL
TA KOMPUTER
JADWAL KOMPUTER
ANALISIS REGRESI
&
KORELASI BERGANDA
(Multiple Regression & Correlation)
Regresi Berganda (Multiple
Regression)
• Regresi linier berganda menunjukan :
 hubungan linear (garis lurus) antara variabel dependen dan
variabel independen, dimana variabel independennya lebih
dari 1 serta memperkirakan nilai variabel dependen
berdasarkan nilai dari variabel-variabel independen tersebut.
• 2 jenis variabel :
Variabel terikat (dependent variable)
Variabel bebas (independent variabel),
variabel independen dalam regresi berganda lebih dari 1 (ex :
X1, X2, X3 dsb)
Bentuk Umum Persamaan
Regresi Berganda
• Ŷ = β0 + β1.X1 + β2.X2 +…+ βk.Xk
Keterangan :
• Ŷ adalah Variabel terikat (Dependent Variable)
• X1, X2,…, Xk adalah Variabel bebas (Independent
Variable)
• Β0 adalah Konstanta
• β1 , β2 , …, βk adalah Koefisien
variabel/Parameter/Slope
Macam-Macam Istilah dalam
Regresi dan Korelasi Berganda
Koefisien Korelasi Parsial (ryxn)
 Koefisien yang menunjukan kuat-lemahnya
hubungan var.independen (X1,X2,Xn) secara parsial
terhadap var.dependen (Y)
Koefisien Korelasi (Ryx)
Koefisien yang menunjukan kuat-lemahnya
hubungan semua var.independent(X) terhadap var.
dependent(Y).
Nilainya antara -1 sampai +1
o 0.00 < r ≤ 0.20  sangat lemah
o 0.21 < r ≤ 0.40  lemah
o 0.41 < r ≤ 0.60  cukup
o 0.61 < r ≤ 0.80  kuat
o 0.81 < r ≤ 1.00  sangat kuat
Tanda + atau – tidak mempengaruhi kekuatan hubungan.
Koefisien Determinasi (R2)
 Koefisien yang menunjukkan besarnya
pengaruh/kontribusi semua var.independen (X)
dalam menjelaskan var.dependen(Y)
Koefisien Nondeterminasi (k2=1-R2)
 Koefisien yang menunjukkan besarnya
pengaruh/kontribusi faktor lain (selain X) dalam
menjelaskan var.dependen (Y)
Standar Error of Estimate (Syx)
 Rata-rata penyimpangan nilai var. dependent(Ŷ)
prediksi/perkiraan terhadap nilai var. dependen (Y)
sebenarnya.
Jenis Pengujian Dalam Regresi
dan Korelasi Berganda
Uji T-Statistik
Digunakan untuk melihat signifikansi variabel
independen(X1,X2, …,Xn) secara parsial dalam
mempengaruhi nilai variabel dependen (Y)
Uji F-Statistik
Digunakan untuk melihat signifikansi variabel
independent (X1,X2, …,Xn) secara
keseluruhan/bersama-sama/simultan dalam
mempengaruhi nilai variabel dependent (Y)
Langkah Uji T-Statistik
Ŷ = β0 + β1 X1 + β2 X2 +…+ βk Xk
1. Hipotesis:
Ho : β1 = 0
Untuk uji t var. X1 terhadap Y
Ha : β1 ≠ 0
= : TIDAK BERPENGARUH signifikan
≠ : BERPENGARUH sifnifikan
Ho : β2 = 0
Untuk uji t var. X2 terhadap Y
Ha : β2 ≠ 0
2. Bandingkan nilai peluang/sig. pada tabel coefficient dengan
nilai α, kriteria:
1. Sig. Test
Sig. ≥ α  Ho tidak dapat ditolak
Sig. < α  Ho ditolak
2. T-table Test
df = n – k – 1
-t table ≤ t-stat ≤ t table
 Ho tidak dapat ditolak
t stat ‹ -t table or t stat › -t table
 Ho ditolak
3. Kesimpulan
Langkah Uji F-Statistik
Ŷ = β0 + β1 X1 + β2 X2 +…+ βk Xk
1. Hipotesis:
Ho : β1, β2,…, βk = 0
Ha : β1, β2,…, βk ≠ 0
2. Bandingkan nilai peluang/sig. pada tabel ANOVA
dengan nilai α, kriteria:
1. Sig. Test
Sig. ≥ α  Ho tidak dapat ditolak
Sig. < α  Ho ditolak
2. F-table Test
V1 = k – 1
V2 = n – 1
(Check Table F)
Criteria :
F-stat ≤ F-table  Ho tidak dapat ditolak
F-stat > F-table  Ho ditolak
3. Kesimpulan
SOAL
This data indicate the overhead cost vary with direct labor-hours
used and electricity used for cooking in Karina’s Catering
Company.
Month
Labor Hours
Electricity (Kwh)
Overhead Cost ($)
January
1500
7400
67000
February
1700
8800
73000
March
2000
9250
65000
April
3100
9480
70000
May
6400
10000
78000
June
4500
10300
71000
July
5500
11210
76500
August
3400
6900
68700
September
6000
8000
75430
October
3500
7760
72990
November
3100
7600
70400
December
5300
9520
74000
PERTANYAAN
1.
2.
3.
4.
5.
6.
7.
Determine regression equation for Karina’s Catering
Company, then interpret it!
Determine determination and nondetermination
coefficient and interpret the value!
Find the difference between predicted overhead cost
variable and actual overhead cost!
Determine the multiple regression correlation
coefficient and all possible partial correlation! How
strong it is?
Conduct a global test of hypothesis with α = 5%!
Using α =5%, conduct a test of hypothesis for the
individual regression coefficient!
Is there any variable that must be eliminated from the
model?
Langkah – langkah dengan
menggunakan software SPSS
1.
Buka SPSS
Masukkan nama variabel pada variable view
Masukkan data pada
data view 
2. Pada menu bar, pilih Analyze, sub menu Regression,
lalu klik Linear
3. Masukkan variabel Y ke dalam kotak dependent dan
X1 dan X2 ke dalam kotak independent
4. Klik Statistics
- Regression Coefficient → aktifkan Estimates
- Aktifkan Model Fit, Descriptives, dan Part And
Partial Correlations
- Klik Continue
5. Klik Option
- Pilih Stepping Method Kriteria → entry 0.05
- Aktifkan Include Constant in Equation
- Pada Box Missing Value pilih Exclude Cases Pairwise
- Klik Continue
- Lalu klik OK
Hasil dengan software
SPSS
1. Persamaan Regresi & Interpretasi
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model
1
B
(Constant)
Labor_Hours
Electricity
Std. Error
62878.868
5088.530
1.783
.500
.240
.636
a. Dependent Variable: Overhead_Cost
Beta
Correlations
t
Sig.
Zero-order
Partial
Part
12.357
.000
.775
3.568
.006
.813
.765
.687
.082
.377
.715
.440
.125
.073
Persamaan Regresi
Ŷ = 62.878,868 + 1,783 X1 + 0,24X2
Ŷ=overhead cost
X1 = labor hours
X2 = electricity
Persamaan Regresi
☺ a = 62.878,868
Tanpa dipengaruhi oleh variabel apapun, rata – rata overhead cost yang
didapatkan dari adalah sebesar $62.878,868 dengan asumsi ceteris paribus
☺b1 = 1,783
Setiap kenaikan labor hours sebanyak 1 jam, maka rata – rata overhead cost akan
naik sebesar $1,783 dengan variable electricity dianggap konstan.
☺ b2 = 0,24
Setiap kenaikan jumlah electricity sebesar 1 Kwh, maka rata – rata overhead
cost akan naik sebesar $0,24 dengan variabel labor hours dianggap konstan.
Koefisien Korelasi Berganda (R), Koefisien
Determinasi (R2), Koefisien Nondeterminasi (k2),
& Standard Error of estimate (SE)
Model Summary
Model
1
R
R Square
.816a
a. Predictors: (Constant), Electricity, Labor_Hours
.666
Adjusted R
Square
.592
Std. Error of the
Estimate
2482.01916
2. Koefisien Determinasi & Nondeterminasi
Adj.R2 = 0.529
k2
= 0.408
Artinya variabel labor hous dan electricity mampu menjelaskan
variasi variabel overhead cost sebesar 52,9%, dan sisanya
sebesar 47,1% dijelaskan oleh faktor lain di luar model.
3. Standard Error of Estimate (SE)
SE = 2482,01916
artinya rata-rata penyimpangan overhead cost yang diprediksi
dengan overhead cost sebenarnya adalah sebesar $2482,01916.
Koefisien Korelasi Parsial Antara
X1 Dan X2 Terhadap Y
Correlations
Pearson Correlation
Sig. (1-tailed)
N
Overhead_Cost
Overhead_Cost Labor_Hours Electricity
1.000
.813
.440
Labor_Hours
.813
1.000
.463
Electricity
.440
.463
1.000
.
.001
.076
Labor_Hours
.001
.
.065
Electricity
.076
.065
.
Overhead_Cost
12
12
12
Labor_Hours
12
12
12
Electricity
12
12
12
Overhead_Cost
4. Korelasi Berganda & Korelasi Parsial
a. Koefisien korelasi berganda (R) = 0.816
artinya bahwa hubungan keseluruhan antara variabel
overhead cost, labor hours dan electricity adalah positif
dan sifatnya sangat kuat yaitu sebesar 0.816
b. Koefisien korelasi parsial antara X1 terhadap Y dan X2
terhadap Y
r1y.2 = 0.813
Artinya hubungan antara variabel labor hour terhadap overhead
cost secara parsial adalah positif dan sifatnya kuat yaitu sebesar
0.813, dimana variabel electricity dianggap konstan.
r2y.1 = 0.440
Artinya hubungan antara variabel electricity terhadap
overhead cost secara parsial adalah positif dan sifatnya
cukup kuat yaitu
sebesar 0.440, dimana variabel labor
hour dianggap konstan.
r12.y = 0.463
Artinya hubungan antara variabel labor hour terhadap
electricity secara parsial adalah positif dan sifatnya cukup
kuat yaitu sebesar 0.463, dimana variabel overhead cost
dianggap konstan.
5. Pengujian Hipotesis Keseluruhan
(F Statistik)
ANOVAb
Sum of
Squares
Model
Regression
1
Residual
Total
df
Mean
Square
1.107E8
2
5.534E7
5.544E7
9
6160419.104
1.661E8
11
a. Predictors: (Constant), Electricity, Labor_Hours
b. Dependent Variable: Overhead_Cost
F
8.983
Sig.
.007a
•
Hipotesis :
Ho : β1, β2,…, βk = 0 (variabel labor hours dan electricity
secara bersama-sama tidak berpengaruh
signifikan pada variabel overhead cost)
Ha : β1, β2,…, βk ≠ 0
•
(variabel labor hours dan electricity
secara bersama-sama berpengaruh
signifikan pada variabel overhead cost)
Nilai sig dan α :
Sig. = 0.007
α = 0,05
V1= k – 1 = 2 – 1 = 1 ; V2 = n – k = 12 – 2 = 10
F-stat = 8,983 ; F-table = 4,96
•
Kriteria uji :
1. Sig. Test
Sig. ≥ α → Ho tidak dapat ditolak
Sig. < α → Ho ditolak
2. F-table Test
F-stat ≤ F-table  Ho tidak dapat ditolak
F-stat > F-table  Ho ditolak
Ternyata Sig. < α → 0.007 < 0.05
F-stat > F-table  8,983 > 4,96
maka Ho Ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel labor hours
dan electricity secara bersama-sama berpengaruh
signifikan terhadap variabel overhead cost.
6. Pengujian Hipotesis Parsial
(t statistik)
Coefficientsa
Standardize
d
Coefficients
Unstandardized
Coefficients
Model
1
B
(Constant)
Labor_Hour
s
Electricity
Std. Error
62878.868
5088.530
1.783
.500
.240
.636
a. Dependent Variable: Overhead_Cost
Beta
Correlations
t
Sig.
Zero-order
Partial
Part
12.357
.000
.775
3.568
.006
.813
.765
.687
.082
.377
.715
.440
.125
.073
• Hipotesis :
Ho : 𝛃1 = 0
Ha : 𝛃1≠ 0
(variabel labor hours secara parsial tidak
berpengaruh signifikan terhadap variabel overhead
cost)
(variabel labor hours secara parsial
berpengaruh signifikan terhadap variabel overhead
cost )
• Nilai sig dan α :
Sig. : 0.006
α = 0,05
t-stats = 3,568
t-table = 2,262 (df = n – k – 1 = 12 – 2 – 1 = 9)
• Kriteria uji :
1. Sig. Test
Sig. ≥ α → Ho tidak dapat ditolak
Sig. < α → Ho ditolak
2. T-table Test
-t table ≤ t-stat ≤ t table
Ho tidak dapat ditolak
t stat ‹ -t table or t stat › -t table
 Ho ditolak
Ternyata Sig. < α  0.006 < 0.05
-t table ≤ t-stat ≤ t table 3,568 > 2,262
maka Ho Ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel labor hours secara parsial
berpengaruh signifikan terhadap variabel overhead cost.
• Hipotesis :
Ho : 𝛃2 = 0
Ha : 𝛃2 ≠ 0
(variabel electricity secara parsial tidak
berpengaruh signifikan terhadap variabel overhead cost)
(variabel electricity secara parsial berpengaruh
signifikan terhadap variabel overhead cost)
• Nilai sig dan α :
Sig = 0,715
α = 0.05
t-stat = 0,377;
df = n – k – 1 = 12 – 2 – 1 = 9
t-table = 2,262
• Kriteria uji :
1. Sig. Test
Sig. ≥ α → Ho tidak dapat ditolak
Sig. < α → Ho ditolak
2. T-table Test
-t table ≤ t-stat ≤ t table
Ho tidak dapat ditolak
t stat ‹ -t table or t stat › -t table
 Ho ditolak
Ternyata Sig. >α  0.715 > 0.05
-t table ≤ t-stat ≤ t table  -2,262 ≤ 0,377 ≤ 2,262
 maka Ho Tidak Dapat Ditolak
Kesimpulan :
Pada tingkat signifikansi 5%, variabel electricity secara parsial
tidak berpengaruh signifikan terhadap variabel overhead cost.
Variables Entered/Removedb
Model
1
Variables Entered
Variables Removed
Electricity,
Labor_Hoursa
Method
. Enter
a. All requested variables entered.
b. Dependent Variable: Overhead_Cost
7. Variable Yang Dikeluarkan
 Jadi, tidak perlu ada variabel yang dihilangkan dari
model ,
karena semua variabel dalam model tersebut sama pentingnya dan
berpengaruh pada persamaan regresi).
Pertemuan minggu depan :
Chi-Square (Manual)
