Regresi Linear Berganda

Nilai dari suatu variabel rekayasa dapat tergantung pada beberapa faktor. Dalam hal
yang demikian, purata dan varians dari variabel tab bebas akan merupakan fungsi dari nilainilai beberapa variabel. Bila fungsi nilai purata dimisalkan linear, maka analisis yang
dihasilkan dikenal sebagai regresi linear berganda (multipe linear regression).
Analisis regresi linear untuk lebih dari dua variabel hanyalah merupakan perluasan
umum dari analisis regresi yang dibahas dalam Pasal 7.1. Andaikan lah bahwa Y adalah
variabel tak bebas yang sedang di telaah, dan yang merupakan fungsi linear dari m variabel
X1,X2, . . . ,Xm. Asumsi-asumsi yang mendasari analisis regresi berganda diberikan sebagai
berikut.
1. Nilai purata Y merupakan fungsi linear dari x1,x2, . . . ,xm ; yaitu
E(Y|x1, . . . , xm) = 0 + 1x1 + . . . mxm
Dimana 0, 1, . . . , m adalah konstanta-konstanta yang akan ditentukan
berdasarkan data pengamatan.
2. Varian bersyarat (condition variance) Y untuk x1, x2, . . . , xm yang diketahui
konstan; yakni
E(Y|x1, . . . , xm) = 2
atau berbanding lurus terhadap fungsi yang di ketahui dari x1, x2, . . . , xm ; atau
E(Y|x1, . . . , xm) = 2g2(x1, . . . , xm)
Maka Analisis regresi menentukan taksiran untuk 0, 1, . . . , m dan 2
berdasarkan sehimpunan data pengamatan (x1i, x2i, . . . , xmi, yi)i = 1, 2, . . . , n.
Persamaan 7.10 juga dapat dituliskan sebagai
E(Y|x1, . . . , xm) = + 1 (x1 - x1) + . . . + m (xm - xm)
Dimana xi merupakan purata sampel dari Xi dan merupakan sekedar konstanta yang
disesuaikan kembali.
Sekali lagi, kita membatasi penurunan rumus-rumus hanya untuk kasus dalam mana
varians bersyarat Var (Y| x1, . . . , xm) adalah konstan. Penjumlahan dari galat (kesalahan)
kuadrat dari sejumlah n titik-titik dapat menjadi
n

= ( y i y ,i)2
2

i=1

[ y 1 1 ( x1 ix i ) m ( x mix m ) ]
i=1

Menurut kriterium kuadrat minimum (terkecil) kita meminimumkan 2 untuk memperoleh

sistem persamaan berikut, yang dapat digunakan untuk menghitung dan j, j = 1, 2, . . . , m.

Dengan mengalihkan nilai ini kedalam persamaan lainnya dalam persamaan 7.13, kita
dapatkan

Dapat diamati bahwa ini merupakan sehimpunan m persamaan linear simultan yang
melibatkan m besaran anu 0, . . . , m. Penyelesaian persamaan 7.15 menghasilkan koefisien
0, . . . , m yang kemudian digunakan untuk memperoleh persamaan regresi kuadrat
minimum
E(Y|x1, . . . , xm) = + 1 (x1 - x1) + . . . + m (xm - xm)
= 0 + 1x1 + . . . mxm
Di mana
0 = - 1x1 + . . . mxm
Varians dari Y terhadap fungsi ini, yaitu Var (Y| x1, . . . , xm) merupakan pengukur dari
dispersi bersyarat terhadap persamaan regresi. Taksiran yang tidak bias dari varian bersyarat
ini adalah
2

s yx

,. . , xm
1

n m1

[ y 1 1 ( x 1 ix i ) m ( x mix m ) ]

n m1

Deviasi standar bersyarat yang bersangkutan dengan demikian adalah

s 2yx

,. . , xm

n m1

Jelaslah kiranya bahwa persamaan 7.17 berlaku hanya jika ukuran sampel n lebih besar dari
m+1. Sekali lagi, asumsi distribusi normal untuk Y dapat digunakan untuk menetapkan selang
keyakinan pada koefisien regresi dan untuk menghitung probabilitas yang berkenaan dengan
variabel acak Y.
CONTOH 7.4
Suatu faktor penting dalam memprediksi (memperkirakan) kedalaman pembekuan (frost
depth) untuk perencanaan perkerasan jalan adalah suhu tahunan purata dari lokasi yang
ditinjau. Pencatatan suhu tahunan purata pada 10 stasiun cuaca yang berlainan di West
Virginia diikhtisarkandalam tabel E7.4a
Karena lapisan perkeraasan dapat dibangun pada beberapa lokasi dalam negara bagian
tersebut, dimana catatan suhu mungkin tidak tersedia, diinginkan untuk memperkirakan suhu
tahunan purata lokal yang didasarkan atas ketinggian dan lintang, dengan menggunakan
informasi dalam tabel E7.4a. Untuk itu, diasumsikan persamaan berikut
E(Y|x1, x2) = 0 + 1x1 + 2x2
Dalam mana
Y

= Suhu Tahunan Purata, dalam oF

x1

= Ketinggian diatas permukaan laut, dalam ft

x2

= lintang utara, dalam derajat

Tentukan lah taksiran untuk 0, 1, dan 2, Serta hitunglah varians bersyarat Var (Y|x1, x2)
yang diasumsikan konstan. tabel E7.4a memberikan perhitungan yang diperlukan dalam
analisis regresi linear berganda. Dari hasil-hasil ini, suhu tahunan purata untuk suatu daerah
di West Virginia dengan ketinggian x1 dan lintang x2 diberikan oleh
E(Y|x1, x2) = 121,3 0,0034x1 1,65x2
Sedangkan deviasi standar s (Y|x1, x2) dari suhu tahunan purata pada suatu tempat ditaksir
sebesar

0,547 = 0,74 oF. Dari tabel E7.4b dapat diamati bahwa dengan memperhitungkan

ketinggian dan lintang dari suatu tempat di dalam perhitungan dari suhu tahunan purata,
varians dari Y direduksi dengan 94,5% dari varians bersyarat.
Untuk kota Gary, West Virginia, yang berketinggian 1426 ft dan lintang 37,37oN nilai
ekspektasi dari suhu tahunan purata adalah
E(Y|1426, 37,37) = 121,3 (0,0034 x 1426) (1,65 x 37,37)
= 54,80 oF

Dan deviasi standar bersyarat sebesar 0,74 oF. Jika suhu tahunan purata dimisalkan
terdistribusi Gauss, maka nilai 10-persentil y0-1 dari suhu tahunan purata dapat ditentukan
sebagai berikut
54,8
( y 0,10,74
)

P(Y < y1) =

= 0,1

Atau
1

Y1 = 54,8 + 0,74
= 53,9o

(0,1)