PENDAHULUAN

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

Mencari koefisien regresi dengan persamaan normal

Model regresinya: = b0 + b1X1 + b2X2 + i Q = - = (b0 + b1X1 + b2X2)3

Cth.mencari garis linear berganda dgn dua peubah bebas

No
1 2 3 4 5 6 7 8 9 10

Bobot badan (cm) Y

62 64 58 65 50 70 66 55 60 67

Tinggi badan(cm) Lingkar dada (cm) X1

162 164 159 166 158 170 165 160 159 165

X2
81 83 55 82 61 80 82 75 65 80

Parameter regresi
+ 0nb + b1x12 + b2X2 = Y (1)

+ 0bX1 + b2x12 + b2X1X2 = X1Y

(2)

+ 0bX2 + b2x22 + b2X2X2 = X2Y

(3)

Nilai unsur dari persamaan parameter regresi

Y 62 64 58 65 50 70 66 55 60 67 617 Y X1 162 164 159 166 158 170 165 160 159 165 1628 X1 X2 81 83 55 82 61 80 82 75 65 80 745 X2 X 22 6561 6889 3025 6889 3721 6400 6724 5625 4225 6400 56459 X22 X1 X2 13122 13612 8745 13778 9638 13600 13530 12000 10335 13200 121560 X1 X2 X1 Y 10044 10496 9222 10790 7900 11900 10890 8800 9540 11055 100637 X1Y X 2Y 5022 5312 3190 5395 5050 5600 5412 4125 3900 5360 463366 X2Y X 12 26244 26896 25281 27556 24964 28900 27225 25600 25281 27225 265172 X12

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

Mencari koefisien regresi

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

Tbl pengujian signifikansi utk peubah x1 dan x2

SK X1 Dan x2 X1 Sendiri Db 2 1 Jk y2 = 268,81608 (X1Y)2/X12=(189,4 )2/133,6 =268,50569 X2 setelah X1 1 268,81608 268,50569 0,31039 X1 dan X2 X2 sendiri 2 1 y2= 268,81608 (X2Y)2/X22= =166,85860 X1 setelah X2 1 268,81608 166,85860 101,9574 8 =11,65** 0,31039 KT F

=101,95748
Simpangan (sisa) 7 61,28392 8,75485

Total

330,1

Pengujian peubah x1 dan x2 H0 : b1 = 0 dengan criteria uji Fhitung = H0 : b1 0 =11,65

H0 : b2 = 0 dengan criteria uji

Fhitung =
H0 : b2 0 =0,04

Hasil perhitungan JK dimasukan dlmTabel anova

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

Koofisien korelasi berganda =

ry.12 Menujukan korelasi antara peubah Y dengan peubah X1 dan X2