ANALISIS REGRESI BERGANDA

1. Pengertian

Analisis regresi berganda adalah analisis regresi yang bertujuan untuk menganalisa pengaruh dua variabel bebas atau lebih terhadap variabel terikat (dependen). Contoh: sebuah penelitian menggunakan analisis regresi berganda sebagai teknik statistik yang digunakan untuk menguji ada tidaknya pengaruh sosial, budaya, psikologi dan pribadi terhadap keputusan pengambilan kredit pensiun. Analisis regresi menggunakan rumus persamaan regresi berganda seperti yang dikutip dalam Sugiyono (2010:277), yaitu:

2. Pengujian Asumsi Klasik

Tahap analisis awal untuk menguji model yang digunakan dalam penelitian ini, agar nantinya bisa diperoleh model regresi, antara lain sebagai berikut:

 a. Uji Normalitas

Uji normalitas ini bertujuan untuk menguji apakah dalam model regresi, variabel terikat dan bebas memiliki distribusi normal. Metode regresi yang baik memiliki distribusi data normal atau mendekati normal (Winarno, 2009: 5.37).

Untuk mengetahui tingkat signifikansi data apakah terdistribusi normal atau tidak, analisis grafik dapat dilakukan atau dengan analisis statistik. Analisis grafik dapat dilakukan melalui grafik normal probability plot yang membandingkan distribusi kumulatif dari data sesungguhnya dengan distribusi kumulatif dari distribusi normal. Jika data terdistribusi normal, data akan tergambarkan dengan mengikuti garis diagonalnya (Winarno, 2009: 5.37).

 b. Uji Multikolinearitas

Uji Multikolinearitas bertujuan untuk menguji apakah model regresi ditemukan adanya korelasi antar variabel independen. Model regresi yang baik seharusnya tidak terjadi korelasi di antara variabel independen (Winarno, 2009: 5.1). Cara yang dapat digunakan untuk mendeteksi adanya multikolinearitas adalah menganalisis matrik korelasi variabel-variabel independen. Jika antar variabel independen terdapat korelasi dengan nilai di atas 0,90, hal tersebut menunjukkan terdapat masalah kolinieritas.

 c. Uji Heteroskedastisitas

Uji heteroskedastisitas bertujuan menguji apakah dalam regresi terjadi ketidaksamaan variance dari residual satu pengamatan ke pengamatan yang lain. Jika  varians dari residual suatu pengamatan ke pengamatan lain tetap disebut homoskedastisitas dan jika berbeda disebut heteroskedastitas. Model regresi yang baik adalah yang sifatnya homoskedastisitas (Winarno, 2009: 5.23). 

d. Uji Ketepatan Model (Goodness of Fit)

Ketepatan fungsi regresi sampel dalam menaksir nilai aktual dapat dinilai dengan Goodness of Fit-nya. Secara statistik setidaknya ini dapat diukur dari nilai koefisien determinasi, nilai statistik F dan nilai statistik t. Perhitungan statistik disebut signifikan secara statistik apabila nilai uji statistiknya berada dalam daerah kritis (daerah dimana Ho ditolak), sebaliknya disebut tidak signifikan bila nilai uji statistiknya berada dalam daerah dimana Ho diterima (Ghozali, 2005). Model regresi yang telah memenuhi asumsi klasik diuji dengan menguji persamaan regresi secara parsial dan secara simultan Widarjono (2009: 60).

1. Adjusted  R Squared

Adjusted  R Squared dikenal juga dengan istilah coefisient of determination atau coefisient of explanation atau daya jelas. Adjusted  R Squared menunjukkan tingkat keberhasilan regresi untuk meramalkan nilai variabel bebas dalam sampel.

 2. Uji t

Widarjono (2009: 64-65) mengatakan bahwa Uji t merupakan pengujian model secara parsial. Uji t dilakukan untuk menguji apakah sebuah koefisien variabel bebas regresi sama dengan nol untuk tingkat signifikansi tertentu. Untuk penelitian ini digunakan interval keyakinan 95% di mana terdapat probabilitas 95% . Hipotesis: Ho: Koefisien regresi tidak signifikan Ha: Koefisien regresi signifikan. Pengambilan keputusan berdasarkan probabilitas:

Jika Probabilitas > 0,05 maka Ho terima

Jika Probabilitas < 0,05 Maka Ho ditolak

 3. Uji F

Widarjono (2009: 69) mengatakan bahwa uji F dilakukan untuk menguji apakah secara keseluruhan variabel bebas secara bersamaan dapat menjelaskan variabel terikat secara signifikan. Semakin tinggi F-Statistik, semakin baik model regresi. Tingkat signifikansi dilihat dari p-value. Jika p-value lebih kecil dari tingkat signifikansi (0,05), hipotesis null yang menyatakan bahwa seluruh koefisien regresi adalah nol ditolak. Untuk menguji bahwa secara keseluruhan, variabel bebas menjelaskan tingkat pertumbuhan kredit, hipotesisnya adalah sebagai berikut: 

Ho diterima jika probabilitas F-statistik < 5% (dengan interval keyakinan 95%),

Ho ditolak jika probabilitas F-statistik >5% (dengan interval keyakinan 95%)