PEMANFAATAN REGRESI LINEAR BERGANDA UNTUK ANALISIS FAKTOR YANG MEMPENGARUHI VARIABEL TERIKAT

Abstrak

Regresi linear berganda merupakan teknik analisis statistik yang digunakan untuk mengkaji hubungan antara satu variabel dependen dengan beberapa variabel independen secara bersamaan. Penelitian ini bertujuan untuk mengulas konsep dasar, asumsi klasik, prosedur pengujian hipotesis, penerapan, serta berbagai faktor yang memengaruhi variabel terikat dalam analisis regresi linear berganda. Penelitian dilakukan dengan menggunakan metode studi literatur melalui pendekatan kualitatif, yaitu menelaah dan menganalisis berbagai sumber ilmiah yang relevan seperti buku, jurnal, dan artikel penelitian.Hasil kajian menunjukkan bahwa regresi linear berganda merupakan metode yang efektif untuk menjelaskan hubungan antarvariabel sekaligus memprediksi nilai variabel dependen berdasarkan beberapa variabel prediktor. Agar model yang dihasilkan valid dan dapat dipercaya, diperlukan pemenuhan asumsi klasik yang meliputi normalitas, multikolinearitas, heteroskedastisitas, dan autokorelasi. Selain itu, pengujian hipotesis dilakukan melalui uji F, uji t, serta koefisien determinasi (R²) untuk menilai besarnya pengaruh variabel independen terhadap variabel dependen, baik secara simultan maupun parsial. Berdasarkan berbagai penelitian yang dikaji, regresi linear berganda telah banyak dimanfaatkan dalam bidang demografi, ekonomi, pendidikan, kesehatan, pertanian, dan infrastruktur.Metode ini memiliki keunggulan dalam mengakomodasi banyak variabel sekaligus dan menghasilkan prediksi yang relatif akurat, meskipun tetap memiliki keterbatasan, seperti ketergantungan pada pemenuhan asumsi klasik dan hanya sesuai untuk hubungan yang bersifat linear. Oleh karena itu, pemahaman yang memadai mengenai regresi linear berganda sangat penting untuk menghasilkan analisis yang tepat dan mendukung pengambilan keputusan berbasis data.

Multiple linear regression is a statistical analysis technique used to examine the relationship between one dependent variable and several independent variables simultaneously. This study aims to review the fundamental concepts, classical assumptions, hypothesis testing procedures, applications, and various factors influencing dependent variables in multiple linear regression analysis. The research employs a literature review method with a qualitative approach by examining and analyzing relevant scientific sources, including books, journals, and research articles.The findings indicate that multiple linear regression is an effective method for explaining relationships among variables and predicting the value of a dependent variable based on multiple predictor variables. To ensure the validity and reliability of the model, several classical assumptions must be satisfied, including normality, multicollinearity, heteroscedasticity, and autocorrelation. Furthermore, hypothesis testing is conducted using the F-test, t-test, and coefficient of determination (R²) to assess the influence of independent variables on the dependent variable, both simultaneously and partially.Based on the reviewed studies, multiple linear regression has been widely applied in various fields, such as demography, economics, education, health, agriculture, and infrastructure. This method offers advantages in accommodating multiple variables within a single model and generating relatively accurate predictions. However, it also has limitations, including its dependence on the fulfillment of classical assumptions and its suitability only for linear relationships. Therefore, a comprehensive understanding of multiple linear regression is essential to produce accurate analyses and support data-driven decision-making.