MANAJEMEN.CO.ID - Analisis regresi linear berganda
adalah metode statistik yang digunakan untuk mempelajari hubungan antara satu
variabel dependen (variabel yang ingin diprediksi) dan dua atau lebih variabel independen
(variabel yang digunakan untuk memprediksi variabel dependen). Tujuannya adalah
untuk menemukan hubungan antara variabel independen dan variabel dependen dan
membangun model matematika untuk memprediksi nilai variabel dependen.
Model regresi linear berganda
mengasumsikan bahwa hubungan antara variabel independen dan variabel dependen
bersifat linear, artinya perubahan pada variabel independen akan menyebabkan
perubahan pada variabel dependen secara proporsional. Analisis regresi linear
berganda digunakan dalam berbagai bidang seperti ekonomi, bisnis, ilmu sosial,
dan ilmu pengetahuan alam untuk memprediksi nilai-nilai yang tidak diketahui
atau mengevaluasi pengaruh variabel independen terhadap variabel dependen.
Regresi linear berganda adalah
sebuah metode statistik yang digunakan untuk mengevaluasi hubungan antara satu
variabel dependen dengan dua atau lebih variabel independen. Para ahli telah
banyak mengembangkan dan memperbaiki teknik regresi linear berganda selama
beberapa dekade terakhir. Regresi
Linear Berganda adalah sebuah teknik analisis statistik yang digunakan untuk
mempelajari hubungan antara satu variabel dependen (y) dengan dua atau lebih
variabel independen (x). Regresi linear berganda sering digunakan dalam
penelitian sosial dan ekonomi untuk memprediksi atau menjelaskan hubungan
antara variabel dependen dan independen.
Montgomery dan Peck (2012), regresi linear berganda adalah sebuah
metode statistik yang digunakan untuk mempelajari hubungan antara variabel
dependen dan dua atau lebih variabel independen, dan menghasilkan model
matematis yang dapat digunakan untuk memprediksi nilai variabel dependen.
Hair, Anderson, Tatham dan
Black (1998), regresi
linear berganda adalah sebuah teknik analisis statistik yang digunakan untuk
mempelajari hubungan antara satu variabel dependen dan dua atau lebih variabel
independen, dengan tujuan untuk memprediksi nilai variabel dependen berdasarkan
nilai variabel independen.
Lind, Marchal dan Wathen
(2012), regresi linear
berganda adalah sebuah teknik statistik yang digunakan untuk mempelajari
hubungan antara satu variabel dependen dan dua atau lebih variabel independen,
dengan tujuan untuk mengukur seberapa besar pengaruh variabel independen
terhadap variabel dependen.
Menurut para ahli, regresi linear berganda memiliki beberapa karakteristik
dan asumsi yang harus dipenuhi sebelum digunakan:
Hubungan Linear: Hubungan antara variabel independen dan
dependen harus bersifat linear, artinya perubahan dalam satu variabel
independen akan menyebabkan perubahan yang proporsional dalam variabel
dependen.
Independence: Variabel independen harus saling independen,
artinya tidak ada korelasi antara satu variabel independen dengan yang lainnya.
Homoscedasticity: Varians dari variabel dependen harus
seragam atau homogen. Ini berarti bahwa perbedaan antara nilai prediksi dan
nilai aktual variabel dependen harus memiliki varian yang konstan pada setiap
nilai variabel independen.
Normality: Data harus diambil dari populasi yang
terdistribusi secara normal.
Multikolinearitas: Ketika dua atau lebih variabel
independen saling berkorelasi, itu disebut multikolinearitas. Multikolinearitas
dapat menyebabkan masalah dalam interpretasi hasil regresi dan mempengaruhi
ketepatan prediksi.
Outlier: Data yang sangat berbeda dengan pola
yang umum disebut outlier. Outlier dapat mempengaruhi hasil regresi dan harus
diidentifikasi dan dihapus dari data sebelum analisis.
Menurut para ahli, regresi linear berganda memiliki beberapa kelebihan dan
kelemahan:
Kelebihan:
Regresi linear berganda memungkinkan untuk memodelkan hubungan antara
beberapa variabel independen dengan variabel dependen.
Metode ini dapat digunakan untuk memprediksi nilai variabel dependen yang
belum diketahui berdasarkan nilai variabel independen yang diketahui.
Regresi linear berganda dapat digunakan untuk menguji hipotesis tentang
hubungan antara variabel dependen dan variabel independen.
Kelemahan:
Regresi linear berganda dapat menghasilkan model yang kompleks dan sulit
untuk diinterpretasikan.
Metode ini dapat dipengaruhi oleh adanya multikolinearitas, yaitu ketika
dua atau lebih variabel independen memiliki hubungan yang kuat satu sama lain.
Regresi linear berganda tidak dapat digunakan untuk mengatasi hubungan
sebab-akibat, karena tidak ada hubungan sebab-akibat yang terbentuk secara
langsung antara variabel independen dan dependen.
Regresi linear berganda, penting untuk memahami asumsi yang mendasarinya
dan mengambil langkah-langkah untuk memastikan bahwa asumsi-asumsi tersebut
terpenuhi. Dengan memahami karakteristik dan asumsi regresi linear berganda,
para peneliti dapat memastikan bahwa hasil analisis yang diperoleh akurat dan
dapat diandalkan.
Para ahli telah banyak membahas dan mengembangkan metode regresi linear
berganda, contoh kontribusi dari para ahli:
Sir Francis Galton
(1822-1911) adalah
seorang ahli statistik Inggris yang terkenal dengan kontribusinya pada bidang
regresi dan korelasi. Ia memperkenalkan konsep regresi pada tahun 1877 dan
menunjukkan bahwa dalam regresi linear sederhana, rata-rata nilai respons akan
bergerak menuju rata-rata nilai prediktor.
Carl Friedrich Gauss
(1777-1855) adalah
seorang ahli matematika dan statistik Jerman yang terkenal dengan kontribusinya
pada distribusi normal dan metode kuadrat terkecil. Metode kuadrat terkecil
digunakan untuk mengestimasi parameter dalam model regresi linear berganda.
Ronald Fisher (1890-1962) adalah seorang ahli statistik Inggris
yang terkenal dengan kontribusinya pada pengembangan uji hipotesis, analisis
varians, dan metode pemilihan variabel dalam regresi. Fisher juga
memperkenalkan konsep multi-kolerasi dan mengembangkan metode untuk mengatasinya.
David A. Freedman
(1938-2008) adalah
seorang ahli statistik Amerika Serikat yang terkenal dengan kontribusinya pada
inferensi kausal dalam regresi. Freedman menunjukkan bahwa inferensi kausal
dapat dilakukan hanya jika semua faktor yang mempengaruhi respons telah
dimasukkan dalam model regresi.
Frank Ramsey (1903-1930) adalah seorang ahli ekonomi Inggris yang
terkenal dengan kontribusinya pada teori konsumsi dan pengambilan keputusan.
Ramsey mengembangkan metode untuk mengestimasi parameter dalam model regresi
linear berganda dengan menggunakan teori probabilitas.
Arthur S. Goldberger
(1930-2009) adalah
seorang ahli ekonomi dan statistik Amerika Serikat yang terkenal dengan
kontribusinya pada regresi dan ekonometrika. Goldberger mengembangkan metode
untuk mengestimasi parameter dalam model regresi linear berganda dengan
menggunakan metode kuadrat terkecil bersama-sama dengan metode pemilihan
variabel.
Regresi linear berganda terus dikembangkan oleh para ahli di berbagai bidang, seperti ekonomi, statistik, psikologi, dan lain-lain. Saat ini, regresi linear berganda menjadi salah satu metode yang paling umum digunakan dalam analisis data.
