Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2,.Xn) dengan variabel dependen (Y). Analisis ini untuk 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.
Kegunaan Analisis Regresi Linear Berganda untuk mengukur pengaruh antara lebih dari satu variabel prediktor (variabel bebas) terhadap variabel terikat. Tujuan menggunakan analisis regresi ialah: Membuat estimasi rata-rata dan nilai variabel tergantung dengan didasarkan pada nilai variabel bebas. Menguji hipotesis karakteristik dependensi Untuk meramalkan nilai rata-rata variabel bebas dengan didasarkan pada nilai variabel bebas diluar jangkaun sample.
Asumsi
1. Model regresi harus linier dalam parameter Variabel bebas tidak berkorelasi dengan disturbance term (Error) . 2. Nilai disturbance term sebesar 0 atau dengan simbol sebagai berikut: (E (U / X) = 0 3. Varian untuk masing-masing error term (kesalahan) konstan 4. Tidak terjadi otokorelasi
5. 6.
7.
Model regresi dispesifikasi secara benar Tidak terdapat bias spesifikasi dalam model yang digunakan dalam analisis empiris. Jika variabel bebas lebih dari satu, maka antara variabel bebas (explanatory) tidak ada hubungan linier yang nyata
Misalnya: y = bobot badan sapi X1 = Panjang badan X2 = Lingkar dada Asumsinya: Rata-rata nilai Y untuk setiap kombinasi X1 dan X2 terletak pada sebuah bidang datar 2. Nilai yang muncul untuk setiap kombinasi X1 dan X2 tertentu menyebar secara normal dengan ragam 2i N (0; 2) dan bebas sesamanya 3. i i
PEMBAHASAN
Didalam regresi linear berganda, peubah bebasnya lebih dari satu dan persamaan regresinya : Yi = o + 1 X1i + 2X2i + . . .+ nXni + i Misalnya Model lain regresi linear yang mempunyai dua peubah bebas x1 dan x2, maka model regresinya: = b0 + b1X1 + b2X2 + i
= b0 + b1X1 + b2X2 + i Keterangan: = variabel terikat b0 = Intercept (perkiraan besarnya rata-rata Y ketika kenaikan x = 0 b1b1 = koefisien regresi X1, X1 = variabel bebas ei = Nilai kesalahan (error) yaitu selisih nilai Y individual yang teramati nilai Y sesungguhnya pada titik X
X2
81 83 55 82 61 80 82 75 65 80
Parameter regresi
+ 0nb + b1x12 + b2X2 = Y (1)
(2)
(3)
Lanjutan
2 2 2 X1 = X1 (X1) /n = 265172 ( 1628 ) /10 = 133,6 2
X22 = X22 (X2) 2/n = 56459 ( 745 ) 2/10 = 956,5 X2Y = X2Y - X2Y/n = 36466 ( 745) ( 617 )/10 = 399,54 X2Y = X2Y - X2Y 2/n = 121560 (1628) (745)2 /10 = 274 Y = Y - Y /n = 38399 ( 617 ) /10 = 330,1
2 2 2 2
b1
b2
B0 = b1X1 b2X2 = 61,7 1,36018 (162,8) (0,02803)(74,5)= -161,82554 Arti dari b1 dan b2 yaitu : 1. b1 = Terjadi enambahan bobot badan sebesar 1,36018 kg, untuk setiap cm tinggi badan pada lingkar dada tertentu. 2. b2 = Terjadi penambahan bobot badan sebesar 0,02803, untuk setiap cm tinggi badan pada lingkar dada tertentu. 3. b0 = intersep
Menguji signifikansi untuk peubah x1 dan x2 setelah pengaruh peubah lainnya dibebaskan. JK regresi = 2 = b1X1y + b2X2y = 1, 36018 x 189,4 + 0,2803 x 399,5 = 268,81608 JK total = 330,1 JK sisa = 330,1 268,81608 = 61,28392
=101,95748
Simpangan (sisa) 7 61,28392 8,75485
Total
330,1
Fhitung =
H0 : b2 0 =0,04
SK
Db
JK
KT
Fhitun F5%
F1%
g
Regres i (b2, b1/b0) Sisa Total 9 330,1 2 7 268,98 134,40 15,35 4,75 9,55 61,292 8 8,7548 5 **
Pengujian koefisien regresi dengan anova Hipotesis yang diajukan adalah: H0 : b1 = b2 = 0 lawan H1 : b1 b2 0 H1 : b1 b2 0 artinya paling sedikit dari b1 atau b2 tidak sama dengan 0