ANALISIS REGRESI LINEAR BERGANDA

Analisis regresi linear berganda sebenarnya sama dengan analisis regresi

linear sederhana, hanya variabel bebasnya lebih dari satu buah. Persamaan
umumnya adalah Y = a + b1 X1 + b2 X2 + .... + bn Xn. Dengan Y adalah
variabel bebas, dan X adalah variabel-variabel bebas, a adalah konstanta
(intersept) dan b adalah koefisien regresi pada masing-masing variabel
bebas.

Interpretasi terhadap persamaan juga relatif sama, sebagai ilustrasi,

pengaruh antara motivasi (X1), kompensasi (X2) dan kepemimpinan (X3)
terhadap kepuasan kerja (Y) menghasilkan persamaan sebagai berikut:
Y = 0,235 + 0,21 X1 + 0,32 X2 + 0,12 X3
Jika variabel motivasi meningkat dengan asumsi variabel kompensasi dan
kepemimpinan tetap, maka kepuasan kerja juga akan meningkat
Jika variabel kompensasi meningkat, dengan asumsi variabel motivasi dan
kepemimpinan tetap, maka kepuasan kerja juga akan meningkat.
Jika variabel kepemimpinan meningkat, dengan asumsi variabel motivasi
dan kompensasi tetap, maka kepuasan kerja juga akan meningkat.
Interpretasi terhadap konstanta (0,235) juga harus dilakukan secara hati-
hati. Jika pengukuran variabel dengan menggunakan skala Likert antara 1
sampai dengan 5 maka tidak boleh diinterpretasikan bahwa jika variabel
motivasi, kompensasi dan kepemimpinan bernilai nol, sebagai ketiga
variabel tersebut tidak mungkin bernilai nol karena Skala Likert terendah
yang digunakan adalah 1.
Analisis regresi linear berganda memerlukan pengujian secara serempak
dengan menggunakan F hitung. Signifikansi ditentukan dengan
membandingkan F hitung dengan F tabel atau melihat signifikansi pada
output SPSS. Dalam beberapa kasus dapat terjadi bahwa secara simultan
(serempak) beberapa variabel mempunyai pengaruh yang signifikan, tetapi
secara parsial tidak. Sebagai ilustrasi: seorang penjahat takut terhadap
polisi yang membawa pistol (diasumsikan polisis dan pistol secara serempak
membuat takut penjahat). Akan tetapi secara parsial, pistol tidak membuat
takut seorang penjahat. Contoh lain: air panas, kopi dan gula menimbulkan
kenikmatan, tetapi secara parsial, kopi saja belum tentu menimbulkan
kenikmatan.
Penggunaan metode analisis regresi linear berganda memerlukan asumsi
klasik yang secara statistik harus dipenuhi. Asumsi klasik tersebut meliputi
asumsi normalitas, multikolinearitas, autokorelasi, heteroskedastisitas dan
asumsi linearitas (akan dibahas belakangan).
Langkah-langkah yang lazim dipergunakan dalam analisis regresi linear
berganda adalah 1) koefisien determinasi; 2) Uji F dan 3 ) uji t. Persamaan
regresi sebaiknya dilakukan di akhir analisis karena interpretasi terhadap
persamaan regresi akan lebih akurat jika telah diketahui signifikansinya.
Koefisien determinasi sebaiknya menggunakan adjusted R Square dan jika
bernilai negatif maka uji F dan uji t tidak dapat dilakukan.