STATISTIK DESKREPTIF(I) Multiple Regresi MODUL 13

Oleh Ir.Sahibul Munir,SE.,MSi

FAKULTAS EKONOMI PROGRAM KELAS KARYAWAN

UNIVERSITAS MERCU BUANA

2007/2008

REGRESI BERGANDA
Modul regresi sederhana yang telah dibahas pada bab terdahulu difokuskan pada
modul yang menggunakan satu veriabel indenpenden X untuk mengestimasi nilai variabel dependen Y. Modal ini dikembangankan untuk mengestimasinilai variabel dependen Y dengan menggunakan lebih dari satu variabel indenpenden (X1, X2 ., Xn). Dalamkasus ekonomi dan bisnis seringkali dijumpai perubahan suatu variabel dipengaruhi oleh lebih dari satu variabel. Misalnya nilai penjualan tidak hanya dipengaruhi oleh biaya promosi akan tetapi dapat juga secara bersama sama dipengaruhi oleh pengeluaran untuk penelitian dan pengembangan, dan faktor faktor lainnya. Hubungan fungsional antara variabel dependen (Y) dengan variabel indenpenden adalah

Y = f(X1, X2,., Xn) 4 1

Yang menyatakan bahwa Y = Variabel dependen X1, X2,,Xn) =Variabel indenpenden Dalam pembahasan mengenai regresi sederhna, simbol yang digiunakan untuk variabel indenpenden adalah X. Dalam regresi berganda Persamaan regresi mempunyai lebih dari satu vvariabel indenpenden. Untuk memberi simbol variabel indenpenden yang terdapat dalam persamaan regresi berganda adalah dengan melanjutkan simbol yang digunakan pada regresi sederhana yaitu dengan menambah tanda bilangan pada masing masing variabel indenpenden tersebut misalnya X1, X2.,Xn. Misalnya, dalam suatu persamaan regresi berganda yang mempunyai variabel dependen Y dengan dua variabel indenpenden, Ykni X1 dan X2. Secara umum persamaan regresi bergandanya dapat ditulis sebagai berikut.

= a + b1X1 + b2 X2 42

Pusat Pengembangan Bahan Ajar - UMB

Ir. Sahibul Munir SE, M.Si STATISTIKA 1

Dimana : = nilai estimasi Y a= nilai Y pada perpotongan antara garis linear dengan sumbu vartikel Y X1 ,X2 = nilai variabel indenpenden X1 dan X2 b1, b2 = Slope yang berhubungan dengan variabel X1 dan X2

Menentukan Persamaan Regresi Berganda

Persamaan regresi dari suatu data observasi dapat dibuat dengan menentukan besarnya a, b1 dan b2 dapat dientukan dengan menggunakan tiga persamaan berikut ini

= na

+ b1X1 + b1X1

+ b2X2

.4 3

X1Y = aX1 X2Y = aX2

+ b1X1X2 4 4 .4 5

+ b1X1X2 + b2X2

Besarnya a,b1 dan b2 dapat dicari dengan memanpulasi ketiga persamaan tersebut. Berikut ini contoh mentukan persamaan regresi berganda dengan menggunakan data yang terdapat pada Tabel 4.1. pada contoh tersebut Y merupakan dependen. Sedangkan X1dan X2 merupakan variabel indenpenden.

Untuk memperoleh nilai nilai yang diperlukan pada persamaan 4 3 , 4 4, dan 4 5 maka data pada Tabel 4 . 1 diolah seperti data yang terdapat pada Tabel 4.2. Tabel 4.1. Data Contoh Menentukan Persamaan Regresi

Y 10 17 18 26 35 8

X1 8 21 14 17 36 6

X2 4 9 11 20 13 28

Pusat Pengembangan Bahan Ajar - UMB

Ir. Sahibul Munir SE, M.Si STATISTIKA 1

Penyelesaian persamaan 4-3,4-4, dan 4-5 bertujuan untuk menentukan a, b1, dan b2. Dengan memasukan nilai-nilai yang diperoleh dari tabel 4.2 ke dalam persamaan 4-3, 4-4, dan 4-5, maka dihasilkan tiga buahpersamaan yang yang mengandung a,b1, dan b2 yang nilainya belum diketahui,yaitu:

144 =

6a +

102b1

+ 85b2 + 1.351b2 + 1.571b2

2.439 = 102a + 2.333b1 1. 590 = 85a + 1.351b1

Apabila ketiga persamaan tersebut diselesaikan secara simultan, maka diperoleh nilai a, b1, dan b2 sebagai berikut :

a = 1,8713 b1 = 0,8771 b2 = 0,1566

Nilai a menunjukkan besarnya Y jika X1 dan X2 sama dengan nol. Nilai b1 menunjukkan besarnya perubahan Y dan X1 berubah sebanyak 1 unit. Nilai b2 menunjukkan 1 unit.

Tabel 4.2 data hasil pengolahan dari data pada tabel 4.1 Y 10 17 18 26 35 8 144
Y

X1 8 21 14 17 36 6 102
X1

X2 4 9 11 20 13 28 85
X2

X1Y 80 357 252 442 1.260 48

X2Y 40 153 198 520 455 224

X2X2 32 189 154 340 468 168

X12 64 441 196 289 1.296 36

X22 16 81 121 400 169 784

Y2 100 389 324 676 1.225 64

2.439 1.590 1.351 2.322 1.571 2.678

X1Y X2Y X1X2 X12 X22 2

Pusat Pengembangan Bahan Ajar - UMB

Ir. Sahibul Munir SE, M.Si STATISTIKA 1

Nilai a, b1 dan b2 disubstitusikan ke dalam persamaan regresi dua variabel secara umum
akan diperoleh sebuah persamaan regresi linear yang menunjukan hubungan antara variabel X1, X2 dengan Y sebagai berikut :

Y = a + b1 X 1 + b 2 X 2 Y = 1,8713 + 0,8771X1 + 0, 1566X2

Nilai estimasi Y disubstitusikan ke dalam persamaan regresi dua variabel secara umum akan diperoleh sebuah persamaan hubungan antara variabel X1,

regresi linear yang menunjukkan

X2 denagn Y sebagai berikut :

Y = a + b1X1 + b2X2 Y = 1,87313 + 0,8771X1 + 0,1566X2

Nilai estimasi Y dapat ditentukan dengan menggunakan persamaan regresi estimasi yang diperoleh. Misalnya nilai X1 = 600 dan nilai X2 = 1000, maka nilai Y

estimasi adalah :

= 1.8713 + 0,8771X1 + 0,1566X2 = 1,8713 + 0,8771(600) + 0,1566 (1000) = 1,8713 +526.26 + 156,6 = 684.7313
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si STATISTIKA 1

1).

Perumusan Hipotesis Jika diduga bahwa suatu variabel mempunyai hubungan yang positif dengan variabel lain, maka rumusan hipotesisnya adalah Ho : = 0 (tidak ada hubungan antara suatu variabel yang positif dengan variabel lain) Ha : > 0 (terdapat hubungan yang positif dan signifikan anatara suatu suatu variabel dengan variabel lainnya)

2). Menentukan taraf nyata (level of signifance ) , misalnya 5% 3). Menetukan titik kritis (daerah penerimaan / penolakan Ho). Titik kritis dicari dengan bantuan Tabel t (t distribution) Nilai t-tabel ditentukan berdasarkan tingkat signifikansi () yang digunnakan dan derajat bebas atau degree of freedom (df), dimana df = n-2, yang besarnya tergantung pada jumlah sampel (n). Jika misalnya = 0,05 dan n=8 atau df = 8 - 2 = 6, maka t tabel nya adalah :

t tabel = t ; df = t 0,05;6 = 1,943

4). Membandingkan nilai t hitung dengan t-tabel.
Jika t-hitung < t-tabel, maka keputusannya adalah menerima hipotesis nol (Ho) . Sebaliknya jika t hitung > t tabel , maka keputusannya adalah tolak Ho, dan terima Ha.

Nilai t-hitung ditentukan dengan formula sbb:

t=

r n2 1 r 2
Ir. Sahibul Munir SE, M.Si STATISTIKA 1

Pusat Pengembangan Bahan Ajar - UMB

Terima Ho

Tolak Ho/Terima Ha

t =1,943 5). Kesimpulan Kesimpulan di buat berdasarkan keputusan yang diambil. Jika keputusan menerima Ho , kesimpulannya adalah tidak ada korelasi (hubungan) antara variabel satu dengan variabel lainnya. Sebaliknya jika tolak Ho dan terima Ha, maka kesimpulannya adalah terdapat korelasi (hubungan) positif yang signifikan antara variabel satu dengan variabel lainnya.

(The Chi Square Test) Sebaagaimana yang sering dijumpai, bahwa nilai observasi atau pengamatan yang diperoleh dari suatu sempel tidak selalu persis sama dengan nilai yang diharapkan atau nilai teoritis yang sesuai dengan azas probabilita Dalam percobaan pelembaransebuah dadu sebanyak 60 kali, diharapkan atau secara teoritis akan diperoleh mata dadu : 1. Sebanyak 1/6 x 60 kali = 10 kali 2. Sebanyak 1/6 x 60 kali = 10 kali 3. Sebanyak 1/6 x 60 kali = 10 kali 4. Sebanyak 1/6 x 60 kali = 10 kali 5. Sebanyak 1/6 x 60 kali = 10 kali 6. Sebanyak 1/6 x 60 kali = 10 kali Namun demikian secara aktual atau kenyataannya tidak demikian, dan setelah diobservasi hasilnya : Mata dadu 1 Frekuensi munculnya = 8 Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.Si STATISTIKA 1

Mata dadu 2 Frekuensi munculnya = 11 Mata dadu 3 Frekuensi munculnya = 11 Mata dadu 4 Frekuensi munculnya = 12 Mata dadu 5 Frekuensi munculnya = 9 Mata dadu 6 Frekuensi munculnya = 9 60 Berdasarkan hasil observasi dari percobaan percobaan diatas dapat muncul pertanyaan apakah mata dadu tersebut imbang (fair )? Dalam pengertian statistik mata dadu yang imbang (fair) dapat menggambarkan distribusi probabilita yang selanjutnya dalam pembahasan ini disebut sebagai Hipotesis nol (Ho) Pertanyaan diatas dapat juga dinyatakan sebagai berikut : Apakah data observasi sesuai dengan Hipotesis nol (Ho) atau Apakah hasil pengamatan (observasi) itu tidak berbeda dengan hasil yang diharapkan.

Sedangkan metode statistik yang dipakai untuk menguji masalah tsb diatas didasarkan pada 2 distribusition (distribusi kai kuadrat, 2). Satatistik 2 (kai kuadrat ) merupakan suatu ukuran ketidak cocokan / ketidak sesuaian anatara hasil pengamatan (observasi ) dengan hasil yang diharafkan (expected) dan dirumuskan:

( oij Eij ) 2 =
Eij

dimana : Oij = nilai observasi pada berisi kolom j. Eij = nilai yang diharapkan pada baris I, kolom j. Dalam pembahasan distribusi atau pengujian 2 ini hanya meliputi 1. Test of Inedepedence 2. Test of Good ness of Fit 1. Pengujian Independensi ( Analisis abel Kontigensi) Pengujian ini ddigunakan untuk mengetahui apakah 2 variabel memiliki hubungan atau tidak .

Pusat Pengembangan Bahan Ajar - UMB

Ir. Sahibul Munir SE, M.Si STATISTIKA 1

Misalnya ingin diuji apakah ada hubungan atau tidak antara jenis kelamin dengan indeks prestasi (IP) mahasiswa . Untuk tujuan tersebut diambil sempel 120 mahasiswa dan 80 mahasiswa. Hasil pengamatan (observasinya) adalah sbb: Tabel 1. Indesk Prestasi Mahasiswa Menurut Jenis Kelamin. Bagus Mahasiswa Mahasiswa Total sekali 27 13 40 Indeks Prestasi Bagus Cukup 35 15 50 33 27 60 Kurang 25 25 50 Total 120 80 200

Dengan = 5 % ujilah hipotesis yang menyatakan bahwa Indeks Prestasi tidak berhubungan (independen) dengan jenis kelamin mahasiswa.

Prosedur Pengujiannya 1). Menentukan Ho dan Hi Ho : Indeks Prestasi tidak berhubungan dengan jenis kelamin Hi : Indeks Prestasi berhubungan dengan jenis kelamin 2). Menentukan daerah penolakan Ho dengan menggunakan distribusi 2 atau 2 tabel df = (n 1)(k 1) Dimana : n = Jumlah baris k = Jumlah kolom df = (2 1) ( 4 1 ) = 3 Pada Tabel distribusi 2 untuk = 0,05 dan df = 3 maka 2 = 7,815 3). Menghitung nilai statistik uji (mencari 2 hitung )

(0 E)2 =
E
O = Frekuensi pengamatan (observasi) E = Frekuensi yang diharapkan

Dimana :

Nilai E untuk setiap sel dapat dicari dengan rumus :

Pusat Pengembangan Bahan Ajar - UMB

Ir. Sahibul Munir SE, M.Si STATISTIKA 1

Pusat Pengembangan Bahan Ajar - UMB

Ir. Sahibul Munir SE, M.Si STATISTIKA 1