Regresi Linear Ganda adalah metode statistik yang digunakan untuk memodelkan hubungan antara satu variabel dependen (Y) dan dua atau lebih variabel independen (XΓéü, XΓéé, ..., XΓéÖ). Ini merupakan pengembangan dari regresi linear sederhana yang hanya melibatkan satu variabel independen.

Rumus Umum Regresi Linear Ganda:

Keterangan:

• $Y$Y = variabel dependen (yang diprediksi)

• $X_1, X_2, ..., X_n$X1ΓÇï,X2ΓÇï,...,XnΓÇï = variabel independen

• $\beta_0$╬▓0ΓÇï = intersep (konstanta)

• $\beta_1, \beta_2, ..., \beta_n$╬▓1ΓÇï,╬▓2ΓÇï,...,╬▓nΓÇï = koefisien regresi untuk masing-masing $X$X

• $\epsilon$╧╡ = error (residu)

Langkah-Langkah Analisis Regresi Linear Ganda:

1. Mengumpulkan data: Pastikan semua variabel yang relevan tersedia dan terukur.

2. Menguji asumsi klasik, seperti:

   • Normalitas

   • Multikolinearitas

   • Heteroskedastisitas

   • Autokorelasi (jika data time series)

3. Mengestimasi parameter regresi (biasanya dengan metode kuadrat terkecil/OLS).

4. Menguji signifikansi model:

   • Uji F: untuk melihat apakah model secara keseluruhan signifikan.

   • Uji t: untuk melihat signifikansi masing-masing variabel independen.

5. Menginterpretasi koefisien:

   • Misalnya, jika $\beta_1 = 2$╬▓1ΓÇï=2, maka setiap kenaikan 1 unit pada $X_1$X1ΓÇï akan meningkatkan nilai $Y$Y sebesar 2, dengan asumsi variabel lainnya konstan.

6. Menguji goodness-of-fit:

   • $R^2$R2 dan adjusted $R^2$R2 digunakan untuk melihat seberapa baik model menjelaskan variabilitas data.

Contoh Kasus Singkat:

Misalnya, ingin memprediksi penghasilan bulanan (Y) berdasarkan lama pendidikan (XΓéü) dan pengalaman kerja (XΓéé).

Artinya:

• Setiap tahun tambahan pendidikan menaikkan penghasilan sebesar 0.8 juta.

• Setiap tahun tambahan pengalaman kerja menaikkan penghasilan sebesar 0.5 juta.