REGRESI DAN KORELASI BERGANDA 3.1. PENDAHULUAN Metode ini merupakan perluasan dari metode regresi sederhana, Tujuan dari mempelajari regresi dan korelasi berganda (Multiple Regression and Correlation) adalah untuk mencari hubungan antara variabel dependen Y dengan dua atau lebih variabel independen (X,; X,; i X). 3.2, PERSAMAAN GARIS LINEAR REGRESI Untuk garis linear terhadap rata-rata Y tethadap X,; X,: dalam persamaan garis linear regresi berganda : +X, dari populasi dijabarkan HY/X), Xp, ....X_ = A + BiX] + ByX2 +... + BaXn dan penduga garis regresi rata-rata Y terhadap beberapa X variabel bebas, dapat diduga dengan garis regresi sampel seperti dalam persamaan sebagai berikut : 60§satbdx, tbat... +x, 3.3. COEFFICIENTS ESTIMATE Untuk mencari nilai-nilai a, b,, dan b, dalam linear regresi berganda untuk dua variabel independen X, dan X,, dapat kita gunakan kuadrat minimum (by Jeast squares). Karena persamaan garis regresi berganda seperti di atas, tidaklah sesedethana itu. Setiap observasi dari beberapa variabel selalu mengandung random error atau selisih antara nilai observasi dengan nilai penduganya, Atau dengan kata lain, dengan model kuadrat minimum, kita'duga nilai a, b,. dan b, dengan meminimumkan nilai : Lalu kita substitusikan nilai § ke dalam persamaan di atas, menjadi : 1 SSE = ¥( Y,-a—b,X,,—,X,)° Pada keadaan ckstrim — dimana kondisi minimum adalah salah satu keadaannya — turunan pertama dari SSE berturut-turut terhadap a, b,, dan b, bemilai nol, sehingga diperoleh tiga persamaan berikut Dari tiga persamaan di atas, bisa kita mencari nilai b, dan b,,. Untuk nilai a bisa dicari dengan rumus : 61Contoh 3.1. : Intemal Revenue Service mencoba menduga pajak aktual yang tertunda setiap bulan dari divisi auditingnya. Diduga dua faktor yang mempengaruhi adalah jumlah jam kerja pegawai dan jumlah jam kerja mesin (komputer). Untuk menganalisis seberapa besar kedua faktor tersebut mempengaruhi besamya pajak aktual yang tertunda (yang tidak dibayar) setiap bulan, dicatat pajak setiap variabel selama 10 bulan. Hasilnya terlampir pada Tabel 3.1. Tabel 3.1. Data dari IRS Auditing Records selama 10 bulan terakhir x, x, Y(Rp. 1000) Bulan Jam kerja Pegawai Komputer Pajak Aktual (am) yang tidak dibayar Januari 45 16 » Februari 42 4 24 Maret 44 15 7 April 45 13 25 Mei 43 13 26 Juni 46 \4 28 Juli 44 16 30 Agustus 45 16 28 September “4 15 28 Oktober 43 Is 21 Penyelesaian : 1) Kita susun Tabel 3.1. berdasarkan kuadrat minimum dengan n = 10 seperti pada Tabel 3.2.Tabel 3.2. Hasil kesesuaian kuadrat minimum dengan n = 10 Y x, x, | xy | xy | xy, | x Y, y? a) (2) (3) | xc) | Bx) | @)x(3) | 2? By ay 29 45 16 | 1.305 | 464 720 | 2.025 | 256 | 841 24 a2 14 | 1.008 | 336 588 | 1.764 | 196 | 576 27 44 15 | 1.188 | 405 660 | 1.936 | 225 | 729 25 45 13 | 1125 | 325 585 | 2.025 | 169 | 625 26 43 13 | 1118 | 338 sso | 1949 | 169 | 676 28 46 14 | 1.288 | 392 644 | 2116 | 196 | 784 30 44 16 | 1.320 | 480 704 | 1.936 | 256 } 900 28 45 16 | 1.260 | 448 720 | 2025 | 256 | 784 28 44 15 | 1.232 | 420 660 | 1.936 | 225 | 784 27 43 15. |e (ol «|b 405) 64s | 1.849 | 225 | 729 272 | 441 | 147 | 12.005 | 4.013 | 6.485 | 19.461 | 2.173 | 7.483 3) X=272 XK, = 441 X, = 147 Dalam 3 persamaan nomal : 272= a+ 441 b, + 147 b, 12.005 = 441 a+ 19.461 b, + 6.485 b, 4.013 = 147a+ 6.485 b, + 2.173 b, Menghilangkan nilai a dengan menjumlahkan persamaan (1) dengan (2). Persamaan (1) x 441 dan persamaan (2) x 10 : (1) x (441): -119.952 = -4410 a — 194.481 b, - 64.827 b, (2) x (10) : 120.050= 4410 a+ 194.610 b, + 64.850 b, @: %= 190,+ 23, Persamaan (1) kalikan dengan —147 dan persamaan (3) dengan 10. Jumlahkan persamaan (1) dan (3) : (1) x (147): 39.984 = -1470 a — 64.827 b, - 21.609 b, (3)x(10) : 40.130= 1470 a + 64.850 b, + 21.730 b, Oye o- 2b,+ 121d, 634) Kalikan persamaan (4) dengan -23 dan (5) dengan 129, Jumlahkan (4) dan (5) untuk menduga nilai b : (4) x (23) : ~2.254 = - 2.967 b, - 529 b, (5) x (129) : 18,834 = 2.967 b, + 15.609 b, (6) : 16.580 = 15.080 b, Maka, b, = 1,099 5) Cari nilai penduga b, dari persamaan (4) © @) 2 98 = 129d, + 23d, 98 = 129 b, + (23) (1,099) 98 = 129 b, + 25.277 Maka, b, = 0,564 7) Cari nilai a dari persamaan : a= ¥-bX,~ bx, = 27.2 — (0,564) (44,1) ~ (1,099) (14,7) = 272 — (24,8724) — (16,1553) = - 138277 13,828 Maka, persamaan garis regresi berganda : Yeas, X+d,X, = 13.828 + 0,564 X, + 1.099 8) 43 (4300 jam pegawai) Jika X, = 16 (1600) jam dari waktu kompuier Maka : ¥ = -13.828 + 0.564 X, + 1,099 X, = 13,828 + (0.56443) + (1,099) (16) 13.828 + 24,252 + 17584 “°98 atau Rp. 28.008 Tiga persamaan linear tersebut sebelumnya dapat pula disederhanakan, Jika deviasi antara ., dan X, dinyatakan sebagai x, = X, — X, atau deviasi antara Y dan ¥ dinyatakan sebagai y = Y ~ Y, maka ketiga persamaan linear danat dicsdarhanakan menjadi : 64[ I 0=0 U Lyx, =, Ex, +b, Dx, x, m Lyx, =b, Exx,+b Dx, dimana : Ex = xx, - 0 KX, Maka, berdasarkan contoh 3.1. bisa dicari nilai koefisien korelasi dengan cara lain 19.46} — (10)(44.1) 2.173 — (10)(14, 7.483 — (10)(27,2 12.005 — (10)(44,1)(27.2) = 9.8 485 — (10)(44,1)(14.7) = 2.3 .013 — (10)(14,7)(27.2) = 14.6 2.9 1 846 Setelah itu dimasukkan ke dalam dua persamaan yang telah disederhanakan. Dyx,=b, Lx +d, Dx, x Lyx, =d, Dxx, +b Ixy Maka : 98 = 12.9 b, + 2.3 b, 14.6 = 2.3 b, + 121d, a) 2) a 2) (1) Persmaan pertama kita kalikan dengan 2,3 dan persamaan ketlua kita kalikan dengan 12,9 untuk menghilangkan faktor b, 22,54 = 29,67b, + 5.29 b, 188,34 = 165.8 os maka nilai b, = 1,099 65(2) Dengan begitu kita bisa mencari nilai b, dengan mensubstitusikan nilai b, ke dalam salah 9,67 b, + 5,29 (1,099) 29,67 b, + 5.81371 maka : b, = 0,564 Atau bisa dicari nilai koefisien regresi dengan rumus sebagai berikut : Lyx, 2 Dayne (xx) 3.4. STANDART DEVIASI GARIS REGRESI BERGANDA Seperti halnya pada regresi sederhana, kalau sampel memiliki jumlah n yang cukup besar, pengukuran dispersi titik-titik koordinat dari garis regresi berganda dapat dicari dari : SSE kl dimana : — k = banyaknya parameter dalam model (variabel bebas) Ingat bahwa untuk model linear sederhana (yang mengandung satu parameter bebas (b), standard erromya adalah SSE dibagi dengan (n - 1 1). Dalam kasus umum s? sama dengan SSE dibagi dengan n, yaitu banyaknya titik data, dikurangi sat derajat kebebasan untuk setiap parameter yang muncul dalam model Rumus Menghitung SSE SSE,,,, = SS — SSR aa Eom UU Ae SSR = BG — 9) = jumlah kuadrat akibat regres & Zy,P = 0, Dyx,) +E yx) - feat a 2a yy L2¥F SSya4 = BW, ~ ¥P = By? - — 1 n 66Ly? - (, Z yx,) + 0,5 yx) Maka, s’ -1 Standart deviasi regresi berganda : Contoh 3.2. : Untuk data pada Tabel 3.1. hitung dan taksirlah standard error populasinya. Penyelesaian : Dalam contoh 3.1. telah kita peroleh nilai Syx, = 9,8; Lyx, = 14,6 y? = 84,6 ; b, = 0,564 +b, = 1,099 ; n= 10; dan m = jumlah parameter (b, dan b,) = 3. Maica bisa kita langsung menghitung varians sesuai dengan rumus : Ly? - (BZ yx,) + (0D yx,) “pek-b 84.6 — i (0,564)(9,8) + (1,099)(14,6) & 10 a 84.6 - (5,4978 + 16,0454) 7 s= s? = 9,0081 Maka, standard error untuk regresi berganda adalah : s = ¥9,0081 = 3,001 3.5. KOEFISIEN KORELASI BERGANDA LINEAR Seperti halnya pada regresi sederhana, koefisien korelasi digunakan untuk melihat tinggi rendabnya derajat hubungan antara dua atau lebih variabel. Koefisien korelasi dapat dicari dari koefisien determinasi yang merupakan variasi yang dapat dijelaskan oleh garis regresi berganda linear, yaitu 67P = SSR/ SS. _ 2 yx) + 0, Z yx) Dye Pr Dari sini bisa kita hitung nilai koefisien korelasi berganda linear sebagai berikut : Rumus Koefisien Korelasi : r= {SSR/SS,,., af ©. yx) + 0D yx) x atau : Contoh 3.3. : Kita lihat kembali kelanjutan dari contoh 3.1. dan 3.2. Carilah koefisien korelasi berganda lineamnya ! Penyelesaian : Pe (0,2 yx,) + (b, D yx) ye 5.4978 + 16,0454 = 0,2546 84.6 Maka : r= [iF = [02546 = 0.5046 3.5. PENDUGA PARAMETER KOEFISIEN REGRESI BERGANDA Pendugaan parameter Koefisien regresi berganda B, dan B, membutuhkan hasil ukuran kesalahan duga standard bagi penduga b, dan b,. Kesalahan duga standard demikian dapat diartikan sebagai : a. os Syie 7, o) 2. — a © Se TG) 68dimana : Foy) = Koefisien korelasi antara X, dan Xp masing-masing dengan derajat bebas (n - k — 1). Maka, interval keyakinan bagi pendugaan parameter B, di atas dapat diberikan sebagai : b, = hennkt + So, < Bi < Bi + Yornk-n - 8, Contoh 3.4.: Dugalah parameter B, dan B, dalam contoh data Tabel 3.2. dengan interval keyakinan 0.95. 7 Dari hasil perhitungan contoh-contoh yang lalu, kita peroleh : n= 10 129 Bx, = 12,1 Dx, x, = 23 r= 0,5046 Penyelesaian = Terlebih dahulu kita cari koefisien korelasi antara x, dan x,. Tex, x) ‘on = Satya Tx, Lx, 37 5.29 =—____ = __"___ = 00334 (21,9)02.1) 156,09 Kemudian kita cari masing-masing kesalahan untuk penduga b, dan b, s, I 5 © YER YI) 3,001 ins ja sooo) ”*° s VEO dha) dan : 69eae 0.863 §.2—— = = 0; “(12.1 [7 = 0.00112) Interval keyakinan bagi penduga B, adalah : b, = eee “Si < B, < b, aa Nona + Soy 0,564 — (2,365)(0,836) < B, < 0,564 + (2,365)(0,836) — 141314 < B < 2,54114 Interval keyakinan bagi penduga B, adalah : By = hanaey Sey < By dengan dejarat bebas = 10-3 = 7 Sy Daerah kritis ialah : © > Cogasi dan t<— boas, atau 1 >2365 dan 1 <-2,365 0.564 4, Maka untuk uji B,, t,..., = ———— = 0.6746 0.836 1,099 5. Maka untuk uji B,. t,,,,, = ——-— = 1.2735 0,803 Karena 0,6746 dan 1.2735 < 2,365, maka kita harusmenerima hipotesis nol H, : B, = 0 maupun H, : B, = 0. Hal tersebut berarti bahwa tidak ada hubungan berganda linear antara variabel X, dan X,. Demikianlah pembahasan mengenai regresi berganda linear dengan 2 variabel bebas. Untuk lebih dari 2 variabel bebas, perhitungannya lebih kompleks, sehingga lebih dianjurkan untuk menggunakan pakel-paket program statistik nNRv a Y rR LATIHAN SOAL Apa yang dimaksud dengan regresi ? Apa yang saudara ketahui tentang Korelasi ? ‘Apakah perbedaan antara regresi sederhana dan regresi berganda? Perhatikan data di bawah ini : Y x, xX, 25 35 5.0 30 67 42 ul 1s 85 2 03 14 | 27 46 3,6 | 19 0 13 a. Carilah persamaan garis regresi b. Dugalah nilai Y bila X, = 3,0 dan nilai X Direktur pemasaran minuman dingin SHYCOLA ingin mengetahui apakah ada hubungan antara VOLUME PENJUALAN per tahun (Y) dalam jutaan ribu rupiah, dengan dua variabel bebas, yaitu HARGA PENYALUR (X,) dalam ratusan rupiah, dan PENDAPATAN PER KAPITA (X,) dalam ribuan rupiah. Perkiraan direktur tersebut adalah X, mempunyai hubungan negatif dengan Y sedangkan X, mempunyai hubungan itif dengan Y. Dari 20 wilayah pemasaran diperoleh data statistik sebagai LY=721 X,Y = -86,307498 ZX, Y= 17102 a. Berdasarkan data statistik di atas, ujilah perkiraan direktur di atas (lakukan t-test) pada level of significance 1 %. Tentukan persamaan regresinya. Kemudian interpretasi saudara tethadap koefisien regresi tersebut. b. Tentukan berapa besar variasi Y yang dapat diterangkan oleh persamaan regresi. Tentukan dan interpretasikan koefisien determinasi. c. Dengan menggunakan garis regresi yang telah saudara peroleh, tentukan prediksirata- rata Y pada saat X, = 3.6 (Rp 300) dan X, = 100 (Rp 100.000).R MULTIPLE CHOICE Variabel Y akan bebas bila X, dan X, bemilai masing-masing adalah : a 0 ce O31 bt dt Bila ada 20 elemen dalam sampel dan 4 variabel bebas digunakan dalam regresi berganda, sebaiknya digunakan derajat bebas untuk mencari nilai t table a 16 «15 b 17 d. tidak ada yang benar Untuk menguji bahwa Y benar-benar tergantung pada hasil X,, maka uji hipotesis yang paling tepat digunakan a B,=0 c B,=l be Bel d. tidak ada yang benar Pada persamaan % = 5.6 + 2.8 X,- 3.9 X, + 5.6 X,, kalau X,, X,. dan X, adalah nol, maka penduga nilai Y adalah a 10,1 c -56 ee d - 10.1 Penduga standard error mempunyai derajat bebas n - k - 1 Disini k menunjukkan : a. jumlah elemen dalam sampel cc. ‘Titik tengah dari variabel dependen b. jumlah variabel independen d. tidak ada satupun yang benar 4 Persamaan garis regresi berganda ¥ = a + b, X, +b, X, digunakan untuk menduga Y = A +B, X, +B, X, . interval keyakinan untuk B adalah : a. By ~ ta, : By + bey cb tay ib, + hy be Beet db tr b, +t, Dari suatu data diperoleh nilai-nilai sebagai berikut Y=10 K,=23 X, = 126 b,= 04d Maka persamaan garis regresi berganda yang dapat dibentuk : a ¥=10%04X, +15 X, ce %=104+04X,- 15 X2 ——————OS—S—SCsXuXT—_Lses a