Metodologi

Regresi Linear Berganda

Jawaban singkat

Regresi linear berganda menguji pengaruh dua variabel bebas atau lebih terhadap satu variabel terikat dengan persamaan Ŷ = a + b₁X₁ + b₂X₂ + … + bₖXₖ. Uji t parsial menguji pengaruh setiap variabel bebas (t tabel dengan df = n − k − 1), uji F simultan menguji pengaruh semua variabel bebas bersama-sama (F tabel dengan df k dan n − k − 1), dan adjusted R² menunjukkan besar variasi Y yang dijelaskan model.

Diperbarui 11 Oktober 2026Tim Metodologi
Daftar isi
  1. Sebelum menafsirkan
  2. Langkah di SPSS
  3. Contoh output dan cara membacanya
  4. Uji t parsial
  5. Uji F simultan
  6. Koefisien determinasi
  7. Menuliskan hasilnya
  8. Kesalahan umum
  9. Pertanyaan umum

Regresi linear berganda adalah pengembangan regresi linear sederhana untuk dua variabel bebas atau lebih. Persamaannya:

Y^=a+b1X1+b2X2+⋯+bkXk\hat{Y} = a + b_1X_1 + b_2X_2 + \dots + b_kX_k

Setiap koefisien bib_i menunjukkan perubahan rata-rata Y untuk setiap kenaikan satu satuan XiX_i, dengan variabel bebas lainnya dianggap tetap. Frasa terakhir inilah yang membedakan tafsir regresi berganda dari regresi sederhana.

Sebelum menafsirkan

Jalankan uji asumsi klasik terlebih dahulu: normalitas residual, multikolinearitas, heteroskedastisitas, dan (untuk data runtun waktu) autokorelasi. Bila asumsi dilanggar, hasil uji t dan uji F bisa menyesatkan.

Langkah di SPSS

  1. Buka Analyze → Regression → Linear.
  2. Masukkan variabel terikat ke Dependent dan semua variabel bebas ke Independent(s). Biarkan Method: Enter.
  3. Di Statistics, centang Estimates, Model fit, Collinearity diagnostics, dan (bila perlu) Durbin-Watson.
  4. Klik OK, lalu baca tabel Model Summary, ANOVA, dan Coefficients.

Contoh output dan cara membacanya

Penelitian tentang pengaruh kualitas layanan (X₁) dan harga (X₂) terhadap kepuasan pelanggan (Y), dengan 100 responden. Angka di bawah ini rekaan untuk latihan, tetapi saling konsisten (nilai p dan F dihitung ulang dengan R).

Coefficients

ModelBStd. ErrortSig.
(Constant)8,5203,1402,7130,008
Kualitas layanan (X₁)0,4120,0984,2040,000
Harga (X₂)0,1850,1211,5290,130

Persamaan regresi: Ŷ = 8,520 + 0,412X₁ + 0,185X₂.

  • Setiap kenaikan satu poin skor kualitas layanan diperkirakan menaikkan kepuasan 0,412 poin, bila harga tetap.
  • Setiap kenaikan satu poin skor harga diperkirakan menaikkan kepuasan 0,185 poin, bila kualitas layanan tetap. Namun pengaruh ini tidak signifikan (lihat uji t).

Uji t parsial

Uji t menguji pengaruh setiap variabel bebas. Derajat bebasnya df = n − k − 1, dengan k = jumlah variabel bebas. Untuk contoh di atas, df = 100 − 2 − 1 = 97, dan t tabel dua sisi α 5% = 1,985.

Variabelt hitungSig.Keputusan
Kualitas layanan4,204 > 1,9850,000 < 0,05Berpengaruh signifikan
Harga1,529 < 1,9850,130 > 0,05Tidak berpengaruh signifikan

SPSS menampilkan Sig. 0,000 untuk kualitas layanan; di laporan, tulis p < 0,001.

Uji F simultan

Uji F pada tabel ANOVA menguji apakah semua variabel bebas bersama-sama berpengaruh terhadap Y.

  • H0: b₁ = b₂ = 0. H1: setidaknya satu koefisien tidak sama dengan 0.
  • F tabel dengan df₁ = k = 2 dan df₂ = n − k − 1 = 97 pada α 5% adalah 3,090.

Pada contoh, R² = 0,45 menghasilkan F hitung = 39,68 dengan Sig. < 0,001. Karena 39,68 > 3,090, kualitas layanan dan harga secara simultan berpengaruh signifikan terhadap kepuasan.

Koefisien determinasi

Tabel Model Summary menampilkan R Square = 0,450 dan Adjusted R Square = 0,439. Artinya, kualitas layanan dan harga menjelaskan sekitar 43,9% variasi kepuasan pelanggan, sedangkan sisanya dijelaskan faktor lain di luar model. Pada regresi berganda, laporkan adjusted R². Penjelasan lengkap ada di koefisien determinasi.

Contoh paragraf Bab 4

Hasil regresi linear berganda menunjukkan bahwa kualitas layanan dan harga secara simultan berpengaruh signifikan terhadap kepuasan pelanggan, F(2, 97) = 39,68, p < 0,001, dengan adjusted R² sebesar 0,439. Secara parsial, kualitas layanan berpengaruh positif dan signifikan (B = 0,412; t = 4,204; p < 0,001), sedangkan harga tidak berpengaruh signifikan (B = 0,185; t = 1,529; p = 0,130).

Kesalahan umum

  • Menafsirkan bib_i tanpa frasa "bila variabel lain tetap".
  • Memakai t tabel dengan df = n − 2 seperti regresi sederhana; yang benar df = n − k − 1.
  • Membandingkan besar pengaruh dari nilai B padahal satuan variabelnya berbeda. Gunakan Beta.
  • Melaporkan R² padahal variabel bebasnya banyak; adjusted R² lebih jujur.

Pertanyaan umum

Uji F signifikan tetapi uji t tidak, mengapa?

Variabel bebas secara bersama-sama memengaruhi Y, tetapi pengaruh masing-masing sulit dipisahkan. Penyebab yang sering adalah multikolinearitas: variabel bebas saling berkorelasi kuat. Periksa nilai VIF.

Koefisien mana yang dipakai, B atau Beta?

B (unstandardized) dipakai untuk persamaan regresi dan dibaca dalam satuan asli variabel. Beta (standardized) dipakai untuk membandingkan besar pengaruh antarvariabel bebas yang satuannya berbeda.

Berapa sampel minimal untuk regresi berganda?

Tidak ada angka tunggal. Patokan yang sering dipakai adalah sekitar 10–15 responden per variabel bebas; cara yang lebih tepat adalah analisis daya (power analysis) berdasarkan besar efek yang diharapkan.

Panduan terkait