Teks tersebut membahas tentang variabel independen, regresi berganda, dan interpretasi data linier berganda dalam proyeksi bisnis. Variabel independen adalah faktor yang mempengaruhi variabel dependen. Regresi berganda digunakan untuk meramal variabel dependen berdasarkan dua atau lebih variabel independen. Interpretasi data linier berganda digunakan untuk mengetahui hubungan antara variabel independen dan dependen serta memprediksi nilai variabel dependen.

1. BAB I
PENDAHULUAN
A. Latar Belakang
Dengan berkembangnya ilmu pengetahuan dan teknologi yang cepat dan pesat khususnya
teknologi pengolohan data, mengharuskan untuk dapat mempersiapkan sumber daya manusia yang
mempunyai kemampuan dan berkualitas untuk dapat mengikuti kemajuan yang ada. Diera globalisasi ini,
komputer merupakan alat bantu yang sangat diperlukan dan digunakan diseluruh bidang yang dapat
menyelesaikan pekerjaan atau masalah- masalah yang kompleks secara cepat, tepat, efektif, dan efisien
termasuk pengolahan data.
Namun pengolahan data yang baik tidak menjamin sebuah perusahaan dapat menuju kesuksesan
sebagai mana yang diharapkan oleh tiap perusahaan, sehingga untuk mencapai kesuksesan sebuah bisnis,
diperlukan adanya perancangan yang matang, serta adanya teknik khusus dalam melihat tingkat bisnis
dimasa akan datang,oleh sebab itu dapat kita melihat bahwa,dalam mengelolah sebuah bisnis diperlukan
menentukan variabel independent, regresi berganda dan interpretasi data.
B. Rumusan Masalah
Adapun beberapa rumusan masalahnya antara lain:
1. Bagaimana kaitan variabel independent dalam proyeksi bisnis ?
2. Bagaimana regresi berganda dalam proyeksi bisnis ?
3. Bagaimana interpretasi datanya dari linear berganda ?

2. BAB II
PEMBAHASAN
1.1 . Pengertian Variabel Independent
Variabel Independen adalah variable yang bebas, stimulus, predictor, eksogen atau antecendent,
yaitu variabel yang mempengaruhi / menjadi penyebab berubahnya / timbulnya variabel dependen atau
variable terkait.
Variabel Independen merupakan variabel penelitian yang memengaruhi, yaitu faktor-faktor yang
diukur, dimanipulasi/ dipilih oleh seorang peneliti untuk menetapkan/menentukan hubungan antara
fenomena yang sedang diamati.
Variabel independen (independent variable) adalah tipe variabel yang menjelaskan atau
mempengaruhi variabel yang lain. Variabel dependen (dependent variable) adalah tipe variabel yang
dijelaskan atau dipengaruhi oleh variabel independen. Kedua tipe variabel ini merupakan kategori
variabel penelitian yang paling sering digunakan dalam penelitian karena mempunyai kemampuan
aplikasi yang luas.
Tujuan penelitian, seperti halnya tujuan teori adalah menjelaskan dan memprediksi fenomena
melalui berbagai uji (Uji Validitas, Reliabilitas dan Asumsi Klasik) . Penjelasan dan prediksi fenomena
secara sistematis digambarkan dengan variabilitas variabel-variabel dependen yang dijelaskan atau
dipengaruhi oleh variabel-variabel independen. Bentuk hubungan antara variabel-variabel independen
dengan variabel-variabel dependen, dapat berupa hubungan korelasional dan hubungan sebab-akibaat.
Sesuai dengan fenomena social yang dijelaskan, bentuk hubungan antara variabel independen dengan
variabel dependen dapat bersifat positif atau negatif.
1.2. Regresi Berganda
1. Definisi
Regresi berganda digunakan oleh peneliti, bila peneliti bermaksud meramalkan bagaimana
keadaan (naik turunnya) variabel dependen (kriterium), bila dua atau lebih variabel independen
sebagai prediktor dimanipulasi (dinaikturunkan nilainya).
2. Bentuknya
Bagaimana rumusnya :
Y = a + b
Keterangan : Y = Variabel independent
a = Konstanta
b = Koefisien regresi
3. Persamaan regresi berganda
Regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel
independen (X1, X2,….Xn) dengan variabel dependen (Y). Analisis ini untuk4.

3. mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah masing-
masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari
variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan. Data
yang digunakan biasanya berskala interval atau rasio.
Persamaan regresi linear berganda sebagai berikut:
Y’ = a + b1X1+ b2X2+…..+ bnXn
Keterangan:
Y’
X1 dan X2
a
b
= Variabel dependen (nilai yang diprediksikan)
= Variabel independen
= Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
= Koefisien regresi (nilai peningkatan ataupun penurunan)

4. Contoh kasus:
Kita mengambil contoh kasus pada uji normalitas, yaitu sebagai berikut: Seorang
mahasiswa bernama Bambang melakukan penelitian tentang faktor-faktor yang
mempengaruhi harga saham pada perusahaan di BEJ. Bambang dalam penelitiannya
ingin mengetahui hubungan antara rasio keuangan PER dan ROI terhadap harga saham.
Dari uraian di atas maka didapat variabel dependen (Y) adalah harga saham, sedangkan
variabel independen (X1 dan X2) adalah PER dan ROI.
Data-data yang di dapat berupa data rasio dan ditabulasikan sebagai berikut:
Tabel. Tabulasi Data (Data Fiktif)
Harga
PER ROI
Saham
Tahun (%) (%) X1^2 X2^2 Y^2 X1.X2 X1.Y X2.Y
(Rp)
(X1) (X2)
(Y)
1990 8300 4.9 6.47 24.01 41.86 68890000 31.70 40670 53701
1991 7500 3.28 3.14 10.76 9.86 56250000 10.30 24600 23550
1992 8950 5.05 5 25.50 25.00 80102500 25.25 45197.5 44750
1993 8250 4 4.75 16.00 22.56 68062500 19.00 33000 39187.5
1994 9000 5.97 6.23 35.64 38.81 81000000 37.19 53730 56070
1995 8750 4.24 6.03 17.98 36.36 76562500 25.57 37100 52762.5
1996 10000 8 8.75 64.00 76.56 100000000 70.00 80000 87500
1997 8200 7.45 7.72 55.50 59.60 67240000 57.51 61090 63304
1998 8300 7.47 8 55.80 64.00 68890000 59.76 62001 66400
1999 10900 12.68 10.4 160.78 108.16 118810000 131.87 138212 113360
2000 12800 14.45 12.42 208.80 154.26 163840000 179.47 184960 158976
2001 9450 10.5 8.62 110.25 74.30 89302500 90.51 99225 81459
2002 13000 17.24 12.07 297.22 145.68 169000000 208.09 224120 156910
2003 8000 15.56 5.83 242.11 33.99 64000000 90.71 124480 46640
2004 6500 10.85 5.2 117.72 27.04 42250000 56.42 70525 33800
2005 9000 16.56 8.53 274.23 72.76 81000000 141.26 149040 76770
2006 7600 13.24 7.37 175.30 54.32 57760000 97.58 100624 56012
2007 10200 16.98 9.38 288.32 87.98 104040000 159.27 173196 95676
Σ 164700 178.42 135.91 2179.93 1133.11 1557000000 1491.47 1701770.5 1306828

5. b1 = [(ΣX22
) (ΣX1.Y) – (ΣX2.Y) (ΣX1.X2)]
[(ΣX12)(ΣX22) – (ΣX1.Y)( ΣX1.X2)2]
= [(1133,11 x 1701770,5) –
(1306828) (1491,47)] [(2179,93 x
1133,11) – (1701770,5)
(1491,47)2
]
= 1.428.302.171 – 1.449.094.757
2.470.100.482 – (2.538.139.648)2
= 1.428 – 1.449 <- dalam jutaan
2.470 – (2.538)2
= -21
2.470 – 6.441.444
= -21
- 6.438.974
= 0,00000326
b2 = [(ΣX12
) (ΣX2.Y) – (ΣX1.Y) (ΣX1.X2)]
[(ΣX12)(ΣX22) – (ΣX1.Y)( ΣX1.X2)]
= [( x 1701770,5) – (1306828) (1491,47)]
[(2179,93 x 1133,11) – (1701770,5)
(1491,47)]
= 1.428.302.171 –
1.449.094.757 2.470.100.482
– 2.538.139.648
= 20.792.586
-68.039.166
= - 0,31

6. a = (ΣY) – (b1. ΣX1) – (b2ΣX2) n
18
= (164700) – (0,00000326 x 178,42) – (-0,31 x
135, 91)
18
= 164700 – 0,0005816492 - 42,1321
18
= 9147,66
Y = 9147,66 + 0,00000326 X1 - 0,31X2 + e
1.3. Interpertasi datanya linier berganda