Model Regresi Linier

Model regresi linier berganda digunakan untuk menguji hubungan antara sebuah
variabel dependen (respon) dengan dua atau lebih variabel independen (variabel
bebas). Pada umumnya variable respon Y dapat dihubungkan dengan k variabel
bebas yaitu X
1
, X
2
, , X
k
sehingga diperoleh model sebagai berikut !
Y
i
=
0
+
1
X
1
+
2
X
2
+ +
k
X
k
+
i
(1)
Parameter"parameter #
j
( j$%,1,2,,k ) merupakan koe&isien regresi yang harus di'ari
dari data. (oe&isien regresi dapat ditentukan dengan metode kuadrat terke'il sehingga
menghasilkan model penduga regresinya. )ika X
ij
menyatakan observasi ke"* atau
tingkat variable X
j
, maka data yang mun'ul pada regresi berganda adalah !
+abel (1) Penyajian data observasi
Y X
1
X
2
X
k
Y
1
X
11
X
12
X
1k
Y
2
X
21
X
22
X
2k

Y
n
X
n1
X
n2
X
nk
Asumsi Model Regresi Linier
,ntuk mendapatkan estimasi koe&isien regresi dengan metode kuadrat terke'il,
suku sesatan random - dalam model (1) harus memenuhi asumsi sebagai berikut !
a. .ormalitas
/pabila asumsi ini dipenuhi berarti data yang diambil berasal dari populasi
normal yang berarti bah0a -
i
1 .*2 (%, 3
2
). /sumsi kenormalan data diuji
dengan menggunakan uji (olmogorov"4mirnov. 5aranya dengan
membandingkan tara& signi&ikansi dari variable dependen pada output yang
diperoleh dengan tara& signi&ikansi yang digunakan. )ika tara& signi&ikansi dari
variable dependen lebih besar dari tara& signi&ikansi yang digunakan maka data
tersebut berdistribusi normal.
(enormalan distribusi data dapat pula dilakukan dengan melihat plot
probabilitas normal P"P. jika asumsi kenormalan dipenuhi, maka harga"harga
residual akan berdistribusi se'ara random dan berkumpul di sekitar garis lurus
yang melalui titik nol. 4elain itu, asumsi ini dapat diperiksa dengan melihat
histogram dari nilai"nilai residual data. /sumsi normal dari populasi akan
dipenuhi jika residual data sampel berdistribusi normal.
b. 6inieritas dan (esamaan 7arian
6inieritas adalah tidak terdapatnya hubungan antara harga"harga prediksi
dengan harga residual. Metode yang digunaka untuk memeriksa asumsi ini
adalah dengan melihat plot residual terhadap harga"harga prediksi. )ika asumsi
dipenuhi maka residual"residual akan didistribusikan se'ara random dan
terkumpul di sekitar garis lurus yang melalui titik nol.
(esamaan varian dapat diperiksa dengan menggunakan uji rank korelasi dari
4pearman. (oe&isien rank korelasi dari 4pearman dide&inisikan sebagai berikut !
r
s
= 1 6
dimana di $ perbedaan dalam rank yang ditetapkan untuk dua karakteristik yang
berbeda dari individual ke"* dan . $ banyaknya individual yang di rank.
(oe&isien rank korelasi tadi dapat digunakan untuk mendeteksi
heterokedastisitas atau ketidaksamaan varian. 2engan mengasumsikan Y
i
=
0
+
1
X
i
+ u
i
, maka langkah"langkah pengujiannya adalah sebagai berikut !
1. 5o'okkan regresi terhadap data mengenai Y dan X dan dapatkan residual e
i
.
2. 2engan mengabaikan tanda e
i
, yaitu dengan mengambil nilai mutlaknya ,
meranking baik harga mutlak dan X
i
sesuai dengan urutan yang meningkat
atau menurun dan menghitung koe&isien rank korelasi 4pearman yang telah
diberikan.
8. 2engan mengasumsikan bah0a koe&isien rank populasi
s
adalan nol dan . 9
:, signi&ikansi dari r
s
yang disampel dapat diuji dengan pengujian t sebagai
berikut !
t = dengan derajat kebebasan $ . ; 2
jika nilai t yang dihitung melebihi nilai t kritis, maka terjadi
heteroskedastisitas. /pabila model regresi lebih dari satu variable X, r
s
dapat
dihituna antara dan tiap"tiap variable X se'ara terpisah.
'. *ndependensi <rror
,ji ini digunakan untuk mendeteksi data yang ada apakah terjadi
autokorelasi, artinya bah0a terjadi ketergantungan antara error yang ada,
sedangkan pada asumsi kenormalan dinyatakan bah0a error (
i
) pada variable"
variabel random tidak saling berkorelasi (independen). 4alah satu 'ara
mengetahui apakah error berkorelasi atau tidak adalah dengan pengujian
statisti' 2urbin"=atson.
Pengujian 2urbin"=atson diasumsikan dengan penurunan data oleh turunan
pertama dari model autoregresi seperti persamaan berikut ini !
Y
i
=
0
+
1
X
1
+
2
X
2
+
i
dimana * $ 1, 2, 8, ,n
dimana * adalah indeks 0aktu dan error diturunkan berdasarkan !

i
=
i1
+ a
i
dari persamaan tersebut menggambarkan koe&isien autokorelasi.
>ipotesis yang digunakan adalah !
>
%
! tidak ada autokorelasi positi& ? error independent ( p $ % )
>
%
@ ! tidak ada autokorelasi negative
>
1
! ada autokorelasi positi& ? error tidak independent ( p A % )
>
1
@ ! ada autokorelasi negative
4tatistik ,ji
2 $
2engan 2 $ harga 2urbin =atson dari hasil perhitungan data
e
i
$ kesalahan pada 0aktu tertentu (i)
e
i-1
$ kesalahan pada 0aktu sebelumnya (i"1)
2ari table 2urbin"=atson memuat nilai batas atas (2
,
) dan nilai batas ba0ah
(2
6
). ,ntuk B tertentu akan diperoleh nilai kritis dari D
,U
dan D
,L
(riteria penolakan >
%
dan >
%
@
>
%
ditolak jika D C D
,L
atau >
%
akan diterima jika D C D
,U
, yang
artinya bah0a error independent (tidak ada autokorelasi positi&). 2an
jika D
,L
D D
,U +I
, dapat disimpulkan bah0a pengujin tersebut tidak
meyakinkan.
>
%
*

ditolak jika 2 9 D " D
,L
atau >
%
* jika 2 C D " D
,U
, yang artinya
bah0a tidak terjadi autokorelasi negative. 2an jika D " D
,U
E 2 E D "
D
,L
, maka dapat disimpulkan bah0a pengujian tidak meyakinkan.
d. .on Multikolinieritas
Multikolinieritas adalah kejadian yang mengin&ormasikan terjadinya
hubungan antara variable"variabel bebas Xi dan yang terjadi hubungan yang
'ukup erat. 4ehingga in&ormasi yang dihasilkan dari variable"variabel yang
saling berhubungan (kolinieritas) sangat sulit dan sulit dipisahkan pengaruhnya.
>al ini akan menghasilkan perkiraan keberartian koe&isien regresi yang
diperoleh.
/da beberapa 'ara untuk mengetahui adanya multikolinieritas adalah
1. 2engan memakai harga Fa'tor *n&lasi 7arian (7*F) yang dide&inisikan
dengan rumus 7*F () $ dimana * $ 1, 2, 8, , n
G
2
adalah koe&isien determinasi ke"* (kuadrat dari koe&isien korelasi). .ilai
7*F yang semakin besar akan menunjukan multikolinieritas yang semakin
kompleks. )ika nilai 7*F C 1%, maka se'ara signi&ikan dapat disimpulkan
bah0a tidak terdapat multikolinieritas.
2. .ilai eigenvalue dapat juga digunakan sebagai dete'tor dalam permasalahan
multikolinieritas. Pendeteksian dapat dilakukan dengan melihat apabila
terdapat nilai eigenvalue sejumlah satu atau lebih yang mendekati nol,maka
hal ini memberikan in&ormasi bah0a terjadi multikolinieritas.
Uji Hipotesis dalam Regresi Linier Berganda
a. ,ji 4igni&ikansi Gegresi (,ji ke'o'okan Model ? uji F)
>ipotesis
>
%
! #
%
$ #
1
$ % ( Model tidak 'o'ok )
>
1
! Minimal ada 1 i dengan #
i
A % ( Model 'o'ok )
+ara& 4igni&ikansi
B yang sering digunakan adalah H I $ %.%H
4tatistik ,ji
F $
2aerah Penolakan
Manual ! >
%
ditolak jika F
hitung
9 F
B, k, n"k"1
(eputusan
(esimpulan
+abel analisis variansi regresi linier berganda
4umber
7ariasi
2b )( (+ F
hitung
F
tabel
Gegresi ( )(G (+G (+G ? (+4 F
B, k, n"k"1
4esatan n ; k " 1 )(4 (+4
+otal n ; 1 )(+
b. Pengujian koe&isien Gegresi se'ara individual (,ji t)
>ipotesis
>
%
! #
i
$ % ( 7ariabel tidak berpengaruh )
>
1
! Minimal ada 1 i dengan #
i
A % (7ariabel berpengaruh)
+ara& 4igni&ikansi
B yang sering digunakan adalah H I $ %.%H
4tatistik ,ji
t $ dengan e ! =
2aerah Penolakan
>
%
ditolak jika Jt
hitung
J

9 t
1"B?2, n"k"1
(eputusan
(esimpulan
Ukuran Kecocokan Model dalam Regresi Linier Berganda
a. (oe&isien determinasi berganda (G
2
)
(oe&isien determinasi merupakan suatu nilai atau ukuran yang dapat digunakan
untuk mengetahui seberapa jauh ke'o'okan dari suatu model regresi. .ilai G
2
menyatakan besar sumbangan variable bebas X
j
terhadap variable tak bebas Y.
G
2
$ )(G ? )(+ $ 1 ; )(4 ? )(+ dengan )(+ $ )(G K )(4
4i&at"si&at koe&isien determinasi!
1. Merupakan besaran non negati&.
2. Latasnya adalah % E G
2
E 1
b. (oe&isien (orelasi linier ( r )
(oe&isien korelasi linier merupakan nilai untuk mengukur keeratan hubungan
linier antar variable tak bebas Y dengan varibel bebas X
j
. koe&isien korelasi
merupakan akar dari koe&isien determinasi (G
2
)
4i&at"si&at koe&isien korelasi !
1. .ilainya berkisar pada interval antara "1 dan 1
2. >anya menunjukan keeratan hubungan linier bukan hubungan tak linier.