Handout Analisis Regresi

HANDOUT
ANALISIS REGRESI
Kismiantini
NIP. 19790816 200112 2 001

JURUSAN PENDIDIKAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI YOGYAKARTA
2010
Analisis Regresi dan Analisis Korelasi

Analisis Regresi
A
Analisis
li i Korelasi
K
l
i
Model Regresi Linear Sederhana
Apa itu analisis regresi?

Apa bedanya dengan korelasi?
Analisis Regresi Analisis statistika yang memanfaatkan
hubungan antara dua atau lebih peubah kuantitatif sehingga
salah satu p
peubah dapat
p diramalkan dari peubah
p
lainnya.
y
Analisis Korelasi Analisis statistika yyang
g membahas tentang
g
derajat (kekuatan) hubungan antara peubah-peubah.
Korelasi
Yi = 0 + 1 X i + i
Korelasi
i = 1, 2, , n
Yi adalah nilai peubah tak bebas dalam pengamatan ke-i

0 dan
d 1 adalah
d l h parameter
t
Xi adalah konstanta yang diketahui, yaitu nilai peubah bebas dari
pengamatan ke-i
i adalah galat yang bersifat acak dengan rataan E[i]=0 dan ragam
Var [i]=2; i dan j tidak berkorelasi sehingga peragam/kovariansi
,j ; i j
{{i, j} =0 untuk semua i,j
i ~ N (0, 2 )
iid
Sehingga :
E[Yi ] = 0 + 1 X i
Model regresi linear sederhana

Model regresi diatas dikatakan sederhana, linear dalam
parameter, dan linear dalam peubah bebas.
Dikatakan
Dik t k sederhana
d h
karena
k
h
hanya ada
d satu
t peubah
b h
bebas.
Dikatakan linear
linear dalam parameter
parameter karena tidak
ada parameter yang muncul sebagai suatu eksponen atau
dikalikan atau dibagi oleh parameter lain.
Dikatakan
Dik t k linear
li
dalam
d l
peubah
b h bebas
b b karena
k
peubah dalam model tersebut berpangkat satu.
Model yang linear dalam parameter dan linear dalam
peubah bebas juga dinamakan model ordo-pertama.
Plot Data! NEVER skip this step! The data may not
even be linear and a different model may be more
appropriate.
10
ei (sisaan
( i
kke-i)
i) adalah
d l hb
beda
d antara
t
nilai
il i amatan
t Yi dengan
d
nilai
il i d
dugaannya Yi
Persamaan regresi linear dugaan :
Yi = 13,82 + 48,60 X i
Y = 13,82 + 48,60 X
11
12
Pendugaan
g
terhadap
p koefisien regresi:
g
Bagaimana mendapatkan b0 dan b1?
Metode kuadrat terkecil,
terkecil yaitu dengan
meminimumkan jumlah kuadrat galat :
b0 penduga bagi 0 dan b1 penduga bagi 1

X
Y
X Y n
=
( X)
X
i
i i
i =1
2
i
= (Yi E (Yi )) = (Yi ( 0 + 1 X i )) = L

i =1
i =1
b1
b0 =
n
L
= 2 (Yi ( 0 + 1 X i )) = 0
0
i =1
n
L
= 2 (Yi ( 0 + 1 X i ))X i = 0
1
i =1
2
i
Metode
Kuadrat Terkecil
1
( Yi b1 X i ) = Y b1 X
n
Bagaimana Pengujian terhadap model regresi ??

parsial (per koefisien) uji-t
bersama uji-F (Anava)
g
menilai kesesuaian model ??
Bagaimana
R2 (Koef. Determinasi: % keragaman Y yang mampu dijelaskan oleh X)
13
M k dugaan
Makna
d g
k fi i regresi
koefisien
g i
Misalkan ingin mengetahui hubungan jarak tempuh kendaraan mobil dalam
k (X) dengan
km
d
ti k t emisinya
tingkat
i i
d l
dalam
ppm (Y).
(Y)
14
Soall 1
i
10
Xi
5,5
4,8
4,7
3,9
4,5
6,2
6,0
5,2
4,7
4,3
Plot data ternyata menunjukkan ada hubungan linear antara X dan Y

Dicobakan model linear Yi = 0 + 1Xi + i, diperoleh persamaan regresi
Yi
3,1
2,3
3,0
1,9
2,5
3,7
3,4
2,6
2,8
1,6
11
12
13
14
15
16
17
18
19
20
Apa makna b0 dan b1 pada konteks ini ?

Makna dari b1 yaitu rata-rata emisi meningkat 5,47 ppm untuk setiap
kenaikan jarak tempuh kendaraan mobil 1 km (atau kenaikan jarak
tempuh kendaraan mobil 1 km akan meningkatkan rata-rata emisi yang
dihasilkan mobil sebesar 5,47 ppm).
Xi
4,9
5,4
5,0
6,3
4,6
4,3
5,0
5,9
4,1
4,7
Yi
2,0
2,9
2,3
3,2
1,8
1,4
2,0
3,8
2,2
1,5
Yi = 364 + 5,47 X i
Makna dari b0 yaitu untuk mobil dengan jarak tempuh kendaraan mobil 0
km (mobil baru) tingkat emisi yang dihasilkan rata-rata sebesar 364 ppm.
= 100,0; Yi = 50,0; X = 509,12; Yi = 134,84; X iYi = 257,66

2
i
1. Apakah nilai mutu rata-rata (NMR) pada akhir tahun pertama (Y)
dapat diramalkan dari nilai ujian masuk (X)?
Bila jawaban ya, maka
2 Buatlah
2.
l h diagram
d
pencar X d
dan Y.
3. Tentukan persamaan regresi dugaannya beserta maknanya!
15
16
Soal 3
Soal 2
Data berikut merupakan hasil penelitian tentang hubungan antara
nilai ulangan Matematika (dalam skala nilai 10 sampai 100) dengan
lama waktu belajar matematika (dalam jam selama seminggu)
Nilai ulangan
95 100 100 80 70 55 50 75 55 60 65 95
matematika
Lama waktu
18 18 19 17 14 5 6 10 13 4 12 10
belajar matematika
a) Tentukan peubah mana sebagai peubah bebas X dan peubah tak
bebas Y!
b) Tentukan persamaan regresi dugaan dan berikan makna dugaan
koefisien regresinya!
Suatu penelitian telah dilakukan untuk mengetahui hubungan

pengeluaran
g
untuk iklan (X dalam jjutaan rupiah)
p ) dengan
g
antara p
penerimaan melalui penjualan (Y dalam jutaan rupiah) pada
perusahaan tertentu. Berikut ringkasan datanya :
n = 10, X i = 120, Yi = 500, X iYi = 6106, X i2 = 1470, Yi 2 = 25440

a) Tentukan persamaan regresi dugaan! Berikan maknanya.
b) Bila pengeluaran untuk iklan sebesar 16 juta rupiah,
rupiah berapakah
penerimaan dari hasil penjualan?
17
Soal 4
Soal 5
Seorang guru matematika mencatat lama waktu (Y, dalam

menit),
i ) yang diambil
di bil dari
d i perjalanan
j l
k sekolah
ke
k l h ketika
k ik
meninggalkan rumah setelah jam 7 pagi (X, dalam menit)
pada tujuh pagi hari yang tercatat.
tercatat
X
Y
18
0
16
10
27
20
28
30
39
40
39
50
48
60
51
a) Plot data dengan diagram pencar. Berikan penjelasan

dari plot tersebut.
b) Tentukan persamaan regresi linear sederhana dari dan
maknanya.
c)) Gambarkan
G b k garis
i regresii dari
d i b) pada
d gambar
b a).
)
Tabel ini menunjukkan

j
skor tes p
penalaran verbal,, X,,
dan skor tes Inggris, Y, untuk setiap sampel acak dari 8
anak yang mengikuti kedua tes tersebut:
Anak A B C D E F G H
X 112 113 110 113 112 114 109 113
Y
69 65 75 70 70 75 68 76
a) Plot data dengan diagram pencar. Berikan

penjelasan dari plot tersebut.
a) Tentukan persamaan regresi linear dugaan dan
berikan maknanya
MODEL REGRESI LINEAR SEDERHANA BERGALAT NORMAL
Yi = 0 + 1 X i + i
0 dan
d 1 adalah
d l h parameter
t
Xi adalah konstanta yang diketahui nilainya
i adalah g
galat y
yang
g menyebar
y
N(0,
( , 2) dan bebas satu sama lain
ASUMSI-ASUMSI DALAM ANALISIS REGRESI LINEAR SEDERHANA
Galat memiliki ragam yang konstan

| Galat menyebar normal
| Galat bersifat saling bebas
|
ASUMSI-ASUMSI DALAM ANALISIS

REGRESI LINEAR SEDERHANA
1
i diduga oleh ei = Yi Yi !!!

S l
Selanjutnya
ei disebut
d b sisaan atau nilai
l dugaan
d
galat.
l
GALAT MEMILIKI RAGAM YANG KONSTAN
GALAT MENYEBAR NORMAL
Plot sisaan (ei) dengan nilai dugaan (Yi )

| Plot sisaan (ei) dengan peubah bebas (Xi)
|
Plot peluang normal bagi sisaan yaitu ei versus hi
i 0,375
hi = KTG z
n + 0,25
Bila sisaan-sisaan tidak membentuk suatu pola tertentu maka

galat memiliki ragam yang konstan.
KTG = JKG /(n p )
JKG = Yi 2 b0 Yi b1 X iYi
hi adalah nilai harapan di bawah asumsi kenormalan

Sisaan diurutkan dari kecil ke besar
ei
Galat memiliki ragam

konstan (tidak berpola)
Galat tidak memiliki ragam

konstan (berpola)
Gambar disamping
menunjukkan bahwa galat
menyebar normal
karena titik-titik (sisaan-sisaan)
mengikuti arah garis diagonal.
hi
GALAT BERSIFAT SALING BEBAS
PERHATIKAN TABEL BERIKUT

= 10 + 2X, KTG = 7,5
Bila data tidak diamati secara bersamaan,melainkan

dalam suatu urutan waktu maka buatlah plot sisaan
(ei) terhadap waktu.
| Tujuan adalah untuk melihat apakah ada korelasi
antara suku galat dengan suku galat berikutnya.
| Bila suku-suku
suku suku galat saling bebas,
bebas maka sisaan-sisaan
sisaan sisaan
berfluktuasi secara acak di sekitar nilai o.
|
Xi
Yi
ei
30
73
70
20
50
50
60
128
130
-2
80
170
170
40
87
90
-3
50
108
110
-2
2
60
135
130
30
69
70
-1
1
70
148
150
-2
10
60
132
130
Urutan
naik i
ei terurut
hi
1
2
3
4
5
6
7
8
9
10
-3
-2
-2
-2
-1
0
0
2
3
5
-4,24
-2,74
-1,79
-1,02
-0,33
0 33
0,33
1,02
1 79
1,79
2,74
4 24
4,24
Bila data diamati bersamaan, untuk melihat

keacakan g
galat p
percobaan dibuat p
plot antara nilai
dugaan galat (ei) dengan nilai dugaan respons ( i )
Apabila berfluktuasi secara acak di sekitar nol
maka dapat dikatakan bahwa galat saling bebas.
5
SOAL 1
Sebuah penelitian mengukur banyaknya gula yang terbentuk
pada berbagai suhu. Data telah dikodekan sebagai berikut:
a) Tentukan persamaan garis regresi linear dugaan

b) Dugalah banyaknya gula yang terbentuk bila suhunya 1,75.
c) Perhatikan gambar berikut, apa yang dapat Anda simpulkan
dari gambar tersebut?
Residuals Versus the Fitted Values
Normal Probability Plot of the Residuals
(response is Y)
(response is Y)
99
1.0
95
90
80
Perc
cent
Residual
0.5
0.0
70
60
50
40
30
20
10
-0.5
SOAL 2
Perhatikan gambar berikut :
Normal Probability Plot
Versus Fits
Scatterplot of Y vs X
(response is Y)
(response is Y)
90
20
99
80
95
90
10
70
Residual
Y
50
Percent
80
60
70
60
50
40
30
20
40
-10
10
5
30
-20
20
30
35
40
45
X
Gambar 1.
1 Plot X dan Y
50
55
40
50
60
Fitted Value
70
80
-30
-20
-10
0
Residual
10
20
30
Gambar 2.
2 Plot nilai dugaan vs sisaan Gambar 3.
3 Plot Peluang Normal
a)
Apa yang dapat Anda simpulkan dari gambar 1, 2 dan 3? Berikan

penjelasannya.
j l
b)
Berdasarkan Gambar 1, apa tanda dari koefisien korelasinya? Berikan

penjelasannya.
penjelasannya
9
8.0
8.5
9.0
Fitted Value
9.5
10.0
-1 5
-1.5
-1 0
-1.0
-0 5
-0.5
00
0.0
Residual
05
0.5
10
1.0
15
1.5
Selang Kepercayaan bagi 1

b1 1
~ t( n 2 )
s{b1}
INFERENSI DALAM
ANALISIS REGRESI
Tingkat kepercayaan
b 1
P t ;(n 2 ) 1
t ;(n 2 ) = 1
2
2
s{b1}
1. Inferensi tentang 1
a Selang Kepercayaan bagi 1
a.
b. Uji bagi 1
2 Inferensi
2.
I f
i tentang
t t
0
a. Selang Kepercayaan bagi 0
b. Uji bagi 0
b1 t
2
;( n
n 2)
s{b1} dengan s 2 {b1} =
KTG
X i2
( X )
Misalkan diperoleh selang kepercayaan 95% bagi 1

1,89
,8 1 2,11
,
Artinya diduga bahwa rata-rata banyaknya jam-orang (Y) naik
sekitar antara 1,89 sampai 2,11 satuan untuk setiap kenaikan satu
unit
it ukuran
k
llott (X)
(X).
1
Perhatikan simpangan total berikut :
Uji bagi 1=0 lawan 10
Yi Y = Yi Y + Yi Yi
Hipotesis
H0 : 1=0 (Tidak ada hubungan linear antara X dan Y)
g linear antara X dan Y)
H1 : 1 0 (Ada hubungan
Sumber
Keragaman
db
JK
KT
Regresi
JKR
KTR=JKR/1
Galat
n-2
n2
JKG
KTG=JKG/n-2
KTG JKG/n 2
Total
n-1
JKT
Jumlah kuadrat simpangan-simpangan tersebut :
(Y Y ) = (Y Y ) + (Y Y )
Fhit=KTR/KTG
Ftabel
Fhit
F(1,n-2)
JKT
JKR
JKG
JKT = Yi 2 nY 2
Kriteria keputusan :
H0 ditolak jika Fhit > F(1,n-2)
thit =
b1
s{b1}
H0 ditolak
dit l k jika
jik |thit|>
| t/2(n-2)
( Yi )
= Yi 2
n
Uji Satu Arah Bagi 1
X
Y
X Y i i
i i
n

( X i )2
2
X
i
n
JKR = JKT JKG
Mi lk a S
Misalkan
Suatu
t K
Konstanta
t t
A k h 1 positif
Apakah
itif atau
t tidak
tid
tidak?
k?
k?
Hipotesis : H0 : 1 0
H1 : 1 > 0
Taraf nyata :
Statistik uji : t = b1/s{b1}
Kriteria Keputusan : H0 ditolak jika thit > t(n-2)
Ujilah apakah 1 = a atau tidak?

Statistik
St ti tik ujiji :
Apakah 1 negatif atau tidak?

tidak?
t=
Hipotesis : H0 : 1 0
H1 : 1 < 0
Taraf nyata :
Statistik uji : t = b1/s{b1}
Kriteria Keputusan : H0 ditolak jika thit < -t(n-2)
b1 1
s{b1}
Ganti 1 dengan a
Selang Kepercayaan bagi 0

b0 0
~ t( n 2 )
s{b0 }
b0 t
2
(n 2 )
s{b0 }
Uji bagi 0=0 lawan 00
b 0
P t ;(n 2 ) 0
t ;(n 2 ) = 1
2
2
s{b0 }
Hipotesis
H0 : 0=0
H1 : 0 0
2
1
X
dengan s {b } = KTG +
0
2
n
( X i )
2
X
i
n
Taraf Nyata :
Statistik Uji :
Misalkan diperoleh selang kepercayaan 90% bagi 0

5,34 0 14,66
Artinya diduga bahwa rataan banyaknya jam
jam--orang sekitar
antara 5,34 sampai 14
14,,66 satuan untuk ukuran lot sebesar 0.
Selang
g ini tidak mempunyai
p y makna.
makna.
Selang
g kepercayaan
p
y
ini tidak selalu memberikan
informasi yang bermanfaat
thit =
H0 ditolak jika |thit|> t/2(n-2)
7
Soal 2
Soal
a 1
Data berikut merupakan
p
hasil p
penelitian tentang
g hubungan
g
antara nilai
ulangan Matematika (dalam skala nilai 10 sampai 100) dengan lama
waktu belajar matematika (dalam jam selama seminggu).
Nilai ulangan
95 100 100 80 70 55 50 75 55 60 65 95
matematika
L
Lama
waktu
kt
18 18 19 17 14 5 6 10 13 4 12 10
belajar matematika
a)Tentukan peubah mana sebagai peubah bebas X dan peubah tak bebas
Y!
Anggap asumsi
asumsi-asumsi
asumsi dalam model regresi linear sederhana terpenuhi.
b)Tentukan selang kepercayaan 99% bagi 0 dan 1 beserta maknanya!
c)Ujilah
) j
apakah
p
ada hubungan
g linear antara lama waktu belajar
j
matematika dan nilai ulangan matematika? Gunakan taraf nyata = 0,01.
d)Ujilah apakah 1 = 5 lawan 1 5 ? Gunakan taraf nyata = 0,01.
e)Ujilah apakah 0 = 0 atau tidak? Gunakan taraf nyata = 0,01.
9
Soal 3
Suatu percobaan dilakukan pada jenis mobil baru merk tertentu, untuk
menentukan jarak yang dibutuhkan untuk berhenti bila mobil tersebut
direm pada berbagai kecepatan. Data yang diperoleh sebagai berikut:
Kecepatan
p
(kilometer
(
per
p jam)
j )
Jarak sampai berhenti (meter)
b0
s{b0}
Suatu tes diberikan pada semua mahasiswa baru. Seseorang yang

memperoleh nilai di bawah 35 tidak diizinkan mengikuti kuliah
matematika yang biasa,
biasa tetapi harus mengikuti suatu kelas khusus
(remedial class). Berikut ringkasan data dari nilai tes dan nilai akhir bagi
20 mahasiswa yang mengikuti kuliah matematika yang biasa:
a Tentukan peubah mana sebagai peubah bebas X dan peubah tak
a.
bebas Y!
b. Tentukan
b
u a persamaan
p a aa regresi
g
dugaan!
dugaa
c. Bila 60 adalah nilai terendah agar lulus dari pelajaran matematika
tersebut, berapakah batas nilai tes terendah di masa mendatang
untuk dapat diizinkan mengikuti kuliah tersebut?
Bila model regresi ordo pertama layak digunakan.
d Ujilah
d.
Ujil h apakah
k h ada
d hubungan
h b
linier
li i antara nilai
il i tes dan
d nilai
il i akhir?
khi ?
Gunakan taraf nyata 0,05.
e Tentukan selang kepercayaan 95% bagi 0 dan 1 beserta maknanya.
e.
maknanya
10
Sum Square of Errors (SSE) JKG
SSE = Yi Yi
35 50 65 80 95 110
16 26 41 62 88 119
a)Tentukan
)T t k peubah
b h mana sebagai
b
i peubah
b h bebas
b b X dan
d peubah
b h tak
t k
bebas Y!
b)Tentukan persamaan regresi dugaan dan berikan makna dugaan
koefisien regresinya!
Anggap
gg p asumsi-asumsinya
y terpenuhi.
p
c)Tentukan selang kepercayaan 95% bagi 1 dan berikan maknanya!
d)Tentukan selang kepercayaan 95% bagi 0 dan berikan maknanya!
e)Ujilah apakah ada hubungan linear antara kecepatan dan jarak
sampai berhenti? Gunakan taraf nyata = 0,05.
f)Ujilah apakah 1 positif? Gunakan taraf nyata = 0,05.
SSE = Yi 2 2b0 Yi 2b1 X iYi + b0 Yi + b1 X iYi

11
12
Normal Equation
Data Kredit Konsumen

Hal 204 No. 6.5
Data di bawah ini menunjukkan bagi sebuah perusahaan kredit
konsumen yang beroperasi di enam kota, banyaknya perusahaan sejenis
yang beroperasi
b
i di kota
k t itu
it (X) dan
d besarnya
b
t t l kredit
total
k dit dalam
d l
ribuan
ib
yang tertunggak (Y):
i
Xi
Yi
16
10
15
13
22
Anggaplah bahwa model regresi ordo pertama layak digunakan.
13
a. Tentukan persamaan regresi dugaannya!

b Tentukan selang kepercayaan bagi 0 dan 1 beserta
b.
maknanya!
j
apakah
p
besarnya
y total kredit tertunggak
gg
c. Ujilah
berhubungan dengan banyaknya perusahaan sejenis yang
beroperasi di kota itu!
1
4
` Perhatikan kembali
Ukuran Deskriptif bagi Hubungan

antara Peubah
u
Bebas
s ((X)) d
dan
Peubah Tak Bebas (Y)
dalam Model Regresi
(Y Y ) = (Y Y ) + (Y Y )
2
JKT
JKR
JKG
` JKT mengukur keragaman di dalam amatan-amatan Yi atau

ketidakpastian ketika meramalkan Y tanpa menggunakan peubah
bebas X keragaman
e aga a total
o a
* Koefisien Determinasi
` JKG mengukur keragaman dalam Yi dengan menggunakan model

regresii yang menyertakan
t k peubah
b h bebas
b b X keragaman
k
yang
tidak dapat dijelaskan
* Koefisien Korelasi
` JKR mengukur keragaman Yi yang berasal dari garis regresi

keragaman Y yang dapat dijelaskan
1
2
Koefisien Determinasi
P h k Gambar
Perhatikan
G b 1 !!
` Ukuran untuk mengukur pengaruh X dalam menurunkan keragaman Y
adalah
r2 =
JKT JKG JKR

JKG
=
= 1
JKT
JKT
JKT
Koefisien
determinasi
Jika semua amatan terletak pada garis regresi maka JKG = 0 dan r2 = 1.
Peubah bebas X berhasil menjelaskan semua keragaman di dalam
amatan-amatan Yi.
Perhatikan Gambar 2 !!
Jika kemiringan garis regresi adalah b1 = 0 sehingga
Karena 0 JKG JKT maka 0 r2 1
0
Y Y maka JKG = JKT dan r2 = 0.
Tidak ada hubungan linear antara X dan Y.

Peubah bebas X dalam bentuk regresi linear tidak bisa membantu
sama sekali
k li dalam
d l
menurunkan
k keragaman
k
d l
dalam
amatan-amatan
t
t Yi.
Y = b0 + b1 X
Y = Y
Semakin dekat pada 1 semakin tinggi tingkat

hubungan linear antara X dan Y.
Gambar 2
Gambar 1
Makna koefisien determinasi

` Misalkan ingin mengetahui hubungan antara jarak
kendaraan (X) dengan tingkat emisinya (Y) suatu mobil ?
Hubungan antara b1 dan r
tempuh
r2
` Diperoleh
= 89,9% , artinya sekitar 89,9% keragaman dari
tingkat emisi suatu mobil yang dapat dijelaskan oleh jarak
tempuhnya.
(Y Y )
(X X )
2
b1 = r
s
= r Y
sX
dalam hal ini
atau
Keragaman tingkat emisi suatu mobil berhasil diturunkan
89,9% dengan disertakan peubah jarak tempuh.
(Y Y )
sY =
sX =
n 1
(X
X)
n 1
Koefisien Korelasi
Rumus Hitung bagi r
r = r2
r=
Tanda plus atau minus tergantung pada kemiringan garis

g
y positif
p
atau negatif.
g
regresinya
-1 r 1
(X
X )(Yi Y )
[ (X X ) (Y Y ) ]
i
2 12
X
Y
X Y n
( X ) Y ( Y )

n
n
i
i i
X i2
12
Bila hubungan linear antara X dan Y sempurna maka r = 1

r = 1 hubungan sempurna dan searah
r = -1 hubungan sempurna dan berlawanan arah
1 < 0
1 > 0
Korelasi hanya dapat mengukur hubungan linear !!!

8
Pengujian hipotesis tentang

k fi i korelasi
koefisien
k
l i
Koefisien Korelasi antara X dan Y

Koefisien korelasi populasi dinyatakan dengan .
U t k menguji
Untuk
ji apakah
k h ada
d hubungan
h b
li
linear
antara
t
X dan
d Y pada
d
model Y=0+1X+ dapat pula dengan menguji
H0: = 0
lawan H1: 0
Hipotesis
1) H0: = 0 (Tidak ada hubungan linear antara X dan Y)
H1: 0 (Ada hubungan linear antara X dan Y)
2) H0: 0
3) H0: 0
H1: < 0
H1: > 0
T f nyata
Taraf
t :
r n2
Statistik uji :
Jika regresi Y atas X merupakan garis lurus maka koefisien korelasi

pada populasi adalah atau XY
XY =
Cov( X , Y )
E ( XY ) E ( X )E (Y )
=
XY
V ( X )Var
Var
V (Y )
Koefisien
korelasi sampel
rXY =
(n X
t=
n XY X Y
2
)(
( X ) n Y 2 ( Y )
2
1 r2
Kriteria Keputusan :
1) H0 ditolak jika |thit| > t/2,n-2
2) H0 ditolak jika thit < - t,n-2
3) H0 ditolak jika thit > t,n-2
10
Soal 1
Hipotesis
1) H0: = k
H1: k
2) H0: k
H1: < k
Taraf nyata :
Statistik Uji :
3) H0: k
H1: > k
1+ r
1+ k
ln
ln
1 r
1 k
Z=
1
n3
1) H0 ditolak jika |Zhit| > Z/2
2)) H0 ditolak jjika Zhit < -Z
3) H0 ditolak jika Zhit > Z
11
Data nilai mutu ratarata-rata

i
10
Xi
5,5
4,8
4,7
3,9
4,5
6,2
6,0
5,2
4,7
4,3
Yi
3,1
2,3
3,0
1,9
2,5
3,7
3,4
2,6
2,8
1,6
11
12
13
14
15
16
17
18
19
20
Xi
4,9
5,4
5,0
6,3
4,6
4,3
5,0
5,9
4,1
4,7
Yi
2,0
2,9
2,3
3,2
1,8
1,4
2,0
3,8
2,2
1,5
Keterangan:
Keterangan:
Y : nilai mutu rata-rata (NMR) pada akhir tahun pertama
X : nilai ujian masuk
Anggap model regresi linear cocok digunakan.
a) Tentukan koefisien determinasi dan maknanya
b) Tentukan koefisien korelasi
c) Apakah > 0,75? Lakukan pengujian
hipotesis dengan = 0,05.
12
Soal 2
Soal 3
Data Pemeliharaan Kalkulator
Xi
Yi
97
86
78
10
75
62
101
39
53
10
11
12
13
14
15
16
17
18
Xi
Yi
33
118
65
25
71
105
17
49
68
= 1152, X i = 81, (Yi Y ) = 16504, (X i X ) = 74,.5, (X i X )(Yi Y ) = 1098

2
Xi adalah banyaknya kalkulator yang diservis

Yi adalah lamanya waktu untuk memperbaiki kalkulator
A
Anggap
model
d l regresii linear
li
sederhana
d h
cocok
k digunakan.
di
k
Hitunglah koefisien determinasi
determinasi!! Berikan maknanya
maknanya!!
Hitunglah koefisien korelasinya
korelasinya!!
Apakah 0? Lakukan pengujian hipotesis dengan =0,01.
Data berikut merupakan hasil penelitian tentang hubungan antara nilai

ulangan Matematika (dalam skala nilai 10 sampai 100) dengan lama
waktu belajar matematika (dalam jam selama seminggu).
Nilai
a u
ulangan
a ga
95 100
00 100
00 80 70
0 55 50 75
5 55 60 65 95
matematika
Lama waktu
18 18 19 17 14 5 6 10 13 4 12 10
belajar matematika
a) Tentukan peubah mana sebagai peubah bebas dan peubah tak bebas!
Anggap asumsi
asumsi-asumsi
asumsi dalam model regresi linear sederhana terpenuhi.
terpenuhi
b)Tentukan koefisien determinasi dan maknanya
c)Tentukan koefisien korelasi
d)Ujilah apakah ada hubungan linier antara lama waktu belajar
matematika dan nilai ulangan matematika? Gunakan uji korelasi populasi
dengan taraf nyata 0,05.
0 05
13
Soal 4
Suatu tes diberikan pada semua mahasiswa baru. Seseorang yang
memperoleh nilai di bawah 35 tidak diizinkan mengikuti kuliah
matematika yang biasa, tetapi harus mengikuti suatu kelas khusus
(remedial class). Berikut ringkasan data dari nilai tes dan nilai akhir bagi
20 mahasiswa yang mengikuti kuliah matematika yang biasa:
a) Tentukan peubah mana sebagai peubah bebas X dan peubah tak
bebas Y!
Bila model regresi ordo pertama layak digunakan.
b)Tentukan koefisien determinasi dan maknanya
c)Tentukan koefisien korelasi
d)Apakah = 0,85? Lakukan pengujian hipotesis dengan = 0,01.
15
14
K it i kkoefisien
Kriteria
fi i kkorelasi
l i
(Sarwono:2006):
0 : Tidak ada korelasi antara dua variabel
>0 0,25: Korelasi sangat lemah
>0,25 0,5: Korelasi cukup
>0,5 0,75: Korelasi kuat
>0,75 0,99: Korelasi sangat kuat
1: Korelasi sempurna
16
UJI F UNTUK KETIDAKCOCOKKAN

MODEL REGRESI LINEAR SEDERHANA
Uji ini mengasumsikan bahwa pengamatan-pengamatan

Y untuk suatu X tertentu bersifat bebas, tersebar
normal, memiliki ragam yang sama.
Uji ini menghendaki adanya pengamatan berulang pada
satu atau lebih nilai X.
ANALISIS VARIANSI
UJI F UNTUK KETIDAKCOCOKKAN
MODEL REGRESI LINEAR SEDERHANA
1
2
Jumlah Kuadrat Ketidakcocokkan Model

(JKKM)
Formula Hipotesis
p
Hipotesis
H0 : E{Y} = 0+ 1X
H1 : E{Y} 0+ 1X
Atau
H0 : Tidak ada ketidakcocokan model regresi linear sederhana
dengan data
H1 : Ada ketidakcocokan model regresi linear sederhana dengan data
Atau
H0 : Model regresi linear sederhana cocok
H1 : Model regresi linear sederhana tidak cocok
JKG = JKGM + JKKM

Perhatikan :
Yij Yij = Yij Y j + Y j Yij
Simpangan
galat
g
(Y
ij
Simpangan
g
galat
murni
Yij
) = (Y
2
ij
JKG =
Simpangan
ketidakcocokan
model
d l
Y j ) + Y j Yij
2
JKGM
JKKM
4
3
Statistik Uji
j
J KKM (k 2 )
F=
JKGM (n k )
JKGM = (Yij Y j )
JKKM = JKG JKGM
db(G) = n 2; db(GM) = n k; db(KM) = k 2
2
Soal 1, lakukan uji kecocokan model regresi linear

sederhana gunakan taraf nyata 0,05.
sederhana,
0 05
i
Xi
Xi
Yi
125
160
100
112
200
124
Yj
Yij
75
28
42
35
100
112
136
124
125
160
150
155
75
28
150
152
175
156
150
152
152
75
42
175
140
175
124
156
124
200
124
104
114
125
150
10
200
104
11
100
136
XiYi=186200, Xi=1500, Yi =1288, Yi 2=170696

The regression equation is
i = 50,72251+ 0,48670 Xi
6
Soal 2. Data Konsentrasi Larutan

i
Xi
Yi
0.07
0 09
0.09
0.08
0.16
0.17
0.21
0.49
0.58
0 53
0.53
10
1.22
11
1.15
12
1.07
13
2.84
14
2.57
15
3.10
Soal 3
a. Tentukan persamaan regresi linear

d
dugaannya.
b. Lakukan uji F untuk memeriksa apakah
ada ketidakcocokan model bila
digunakan model regresi linear
sederhana, gunakan = 0.05.
c. Buatlah diagram pencar antara X dan Y,
mengindikasikan model regresi apa
yang cocok? Jelaskan.
Jelaskan
Seorang
g kimiawan mempelajari
p j hubungan
g
konsentrasi suatu larutan (Y) dengan
waktu (X).
Bagaimana uji kecocokan model regresi

linear sederhana dilakukan bila tidak ada
pengamatan berulang pada nilai X?
Berikan penjelasan.
penjelasan.
Perhatikan kembali model regresi linear sederhana

sederhana::
Yi = 0+1Xi+i
PENDEKATAN MATRIKS TERHADAP

ANALISIS REGRESI LINEAR SEDERHANA
Y1 = 0 + 1 X 1 + 1
Y2 = 0 + 1 X 2 + 2
M
Yn = 0 + 1 X n + n
Y1 1
Y 1
2 =
M M

Yn 1
1
X1
X 2 0 2
+
M 1 M

X n
n
Y = X +
n1 n2
21 n1
Perhatikan bahwa X adalah vektor nilai-nilai harapan

b i amatan-amatan
bagi
t
t Yi sebab
b b E{Yi}=
} 0+1Xi
Perhatikan !!!
S h
Sehingga
: E{Y } = X
n1
n2 21
Syarat : adalah
S
d l h suatu vektor
k peubah-peubah
b h
b h acakk normall
yang bebas dengan E{ } = 0 dan 2 { } = 2 I
Persamaan normal regresi linear sederhana
nb0 + b1 X i = Yi
ditulis dalam notasi matriks

1
1
K 1 1
1
X X K X M
n
2
1
X Xb = X Y
t
b0 X i + b1 X i2 = X iYi
b= X X
t
X Y
X1
Y1
X 2 b0 1
1
K 1 Y2
=
M b1 X 1 X 2 K X n M

Xn
Yn
3
Uji terhadap 1
Perhatikan !!!
Untuk menguji apakah ada hubungan linear antara Y dengan

X dilakukan
X,
dil k k pengujian
ji berikut
b ik t :
Hipotesis :
H0 : 1 = 0
H1 : 1 0
Taraf nyata :
Statistik Uji : F = KTR = JKR /( p 1)
KTG
1 /
/
JKT = Y Y Y J Y
n
Y Y = Yi 2
JKG /((n p )
p : banyaknya parameter
1 /
/
/
/
/
JKT = Y Y Y J Y JKG = Y Y b X Y
JKR = JKT-JKG
n
H0 ditolak jika Fhit > F(p-1,n-p)
5
1 L 1
J = M M M
nn
1 L 1
Y J Y = ( Yi )
Soal 1
Selang Kepercayaan bagi k
bk t / 2,(n p )s{bk }
s 2 {b0 } s{b0 ,b1}

s {b} =
2
s{b1 , b0 } s {b1}
2
Suatu percobaan telah dilakukan untuk menentukan apakah berat

seekor kambing (dalam kilogram) dapat diprediksikan (setelah pada
periode tertentu) berdasarkan jumlah makanan yang dimakan (dalam
kilogram). Berikut data yang telah dinyatakan dalam notasi matriks.
s 2 {b} = KTG X X
/
379
825
10
X X =
, X Y = 31726, Y Y = [70083],
379 14533
Y J Y = [680625]
Anggap model regresi ordo pertama dapat digunakan.

a) Tentukan persamaan regresi dugaan beserta maknanya.
b) Bila jumlah makanan seekor kambing sebesar 300 kg, berapakah
prediksi berat kambing tersebut?
c) Buatlah selang kepercayaan 99% bagi 1 dan berikan maknanya.
maknanya
d) Tentukan koefisien korelasinya.
K fi i Determinasi
Koefisien
D t
i
i
r2 = JKR/JKT = 1- (JKG/JKT)
Koefisien korelasi
r = r2
Soal 2 (kerjakan dengan pendekatan matriks)

matriks)
D
Data
K
Kerusakan
k Rasa
R
Data berikut merupakan hasil penelitian tentang hubungan antara
suhu penyimpanan (dalam F) dan lama (dalam minggu ) sebelum
mulai terjadi kerusakan rasa suatu produk
i
Xi
-4
-8
Yi
7.8
9.0
10.2
11.0
11.7
Anggap bahwa model regresi ordo pertama dapat digunakan.

a)Tentukan persamaan regresi dugaannya
b)Ujilah apakah ada hubungan linear antara suhu penyimpanan dan
lama sebelum mulai terjadi kerusakan rasa suatu produk ?
c)Buat selang kepercayaan bagi 0 dan 1!
d)Tentukan
)
koefisien determinasi dan koefisien korelasinya!
y
9
Ingat!!
Ingat
Metode Kuadrat Terkecil untuk Model Regresi Linear Sederhana
n
Q = (Yi E (Yi )) = (Yi ( 0 + 1 X i )) = (Yi 0 1 X i )

2
i =1
ANALISIS REGRESI LINEAR GANDA
i =1
n
Q
= 2 (Yi 0 1 X i )
0
i =1
Dosen Pengampu : Kismiantini, M.Si.
i =1
n
Q
= 2 X i (Yi 0 1 X i )
1
i =1
Lalu kedua turunan parsial tersebut disamadengankan nol

nol,, dengan
penduga bagi 0 dan 1 adalah b0 dan b1 yang meminimumkan Q.
n
2 (Yi b0 b1 X i ) = 0
2 X i (Yi b0 b1 X i ) = 0
i =1
Y
i =1
i =1
nb0 b1 X i = 0
i =1
X Y
i =1
i i
i =1
i =1
b0 X i b1 X i2 = 0
1
2
Model Regresi Linear Ganda
Persamaan
Normal
i =1
i =1
Yi = 0 + 1 X i1 + 2 X i 2 + L + p 1 X i , p 1 + i
dengan :
0, 1, , p-1 adalah parameter
Xi1, , Xi,p-1
,p adalah konstanta yang diketahui nilainya
i saling bebas dan menyebar N(0,2)
i = 1, 2, , n
nb0 + b1 X i = Yi
n
i =1
i =1
i =1
b0 X i + b1 X i2 = X i Yi
Persamaan regresi
g
dugaan
g
:
Yi = b0 + b1 X i1 + b2 X i 2 + L + b p 1 X i , p 1
4
Model Regresi Linear dengan 2 Peubah Bebas
P
Persamaan
Normal
N
l
Yi = 0 + 1 X i1 + 2 X i 2 + i
b0 n + b1 X i1 + b2 X i 2 + K + b p 1 X ip 1 = Yi
Persamaan regresi dugaan :

Y = b + b X + b X
b0 X i1 + b1 X i21 + b2 X i1 X i 2 + K + b p 1 X i1 X ip 1 = X i1Yi
b0 X i 2 + b1 X i1 X i 2 + b2 X i22 + K + b p 1 X i 2 X ip 1 = X i 2Yi
i1
i2
Persamaan normal :
b0 X ipp 1 + b1 X i1 X ipp 1 + b2 X i 2 X ipp 1 + K + b p 1 X ip2p 1 = X ipp 1Yi
b0 n + b1 X i1 + b2 X i 2 = Yi
b0 X i1 + b1 X i21 + b2 X i1 X i 2 = X i1Yi
b0 X i 2 + b1 X i1 X i 2 + b2 X i22 = X i 2Yi
5
1
X X = X 11
X 12
1 X 11
1
1 X 21
X n1
M M
L X n 2
1 X n1
X 22
'
X X = X i1
X i 2
1
'
X Y = X 11
X 12
X
X
X X
i1
2
i1
i2
X
X X
X
i2
i1
i1
Memaknai Persamaan Regresi

g
Dugaan
g
X 12
X 22
M
X n2
1 L
X 21 L
'
i2
2
i2
Misalkan : Ingin mengetahui apakah volume penjualan (Y, gros)

b h b
berhubungan
d
dengan
j l h penduduk
jumlah
d d k (X1, ribuan
ib
ji ) dan
jiwa)
d
pendapatan per kapita (X2, dolar).
Diperoleh
pe o e pe
persamaan
sa aa regresi
eg es dugaa
dugaannya
ya ialah
aa
Y = 3,453 + 0,496 X 1 + 0,00920 X 2

Persamaan ini menunjukkan bahwa rataan volume penjualan
diharapkan akan naik 0,496 gros bila jumlah penduduk naik 1 ribu
jjiwa kalau p
pendapatan
p
per kapita
p
p tetap,
p, dan bahwa rataan volume
penjualan diharapkan akan naik 0,0092 gros bila pendapatan per
kapita naik 1 dolar kalau jumlah penduduk tetap. Bila jumlah
penduduk sebesar 0 jiwa dan pendapatan per kapita 0 dollar maka
rata-rata volume penjualan sebesar 3,453 gros (tidak bermakna).
1 1 Yi
X n1 2 = X i1Yi
M
L X n 2 X i 2Yi
Yn
1 L
X 21 L
X 22
Uji terhadap Hubungan Regresi
Soal 1
Suatu percobaan telah dilakukan untuk menentukan apakah
berat seekor binatang dapat diprediksikan (setelah pada periode
tertentu)) berdasarkan
b d
k
b
berat
awall dan
d
j l h makanan
jumlah
k
yang
dimakan. Diperoleh data sebagai berikut yang diukur dalam
kilogram.
Berat Akhir (Y)
95
77
80
100
97
70
50
80
92
Berat Awal (X1)
42
33
33
45
39
36
32
41
40
38
272
226
259
292
311
183
173
236
230
235
Jumlah Makanan
(X2)
Untuk menguji apakah peubah tak bebas Y berhubungan dengan

peubah-peubah
p
p
bebas
((X1, X2,,,X
, pp-11), dilakukan p
pengujian
g j
berikut :
Hipotesis :
H0 : 1 = 2 = = p-1=0
0
H1 : Tidak semua k (k=1,2,,p-1)sama dengan nol
Taraf nyata :
Statistik Uji : F = KTR/KTG = (JKR/(p-1))/(JKG/(n-p))
p : banyaknya parameter
1
JKR = JKT-JKG
JKT = Y ' Y Y ' J Y
n
JKG = Y ' Y b' X ' Y
84
Tentukan persamaan regresi dugaan dan maknanya!

Coefficientsa
Model
1
(Constant)
Berat Awal
Jumlah Makanan
Unstandardized
Coefficients
B
Std. Error
-22.993
17.763
1 396
1.396
.583
583
.218
.058
Standardized
Coefficients
Beta
.404
404
.634
t
-1.294
2 396
2.396
3.767
Sig.
.237
.048
048
.007
95% Confidence Interval for B

Lower Bound
Upper Bound
-64.995
19.009
.018
018
2 773
2.773
.081
.354
a. Dependent Variable: Berat Akhir
10
Uji terhadap k
Perhatikan!!!
Perhatikan
!!!
s 2 {b} = KTG ( X ' X )
Hipotesis :
s {b }
s{b , b }
H0 : k = 0 H1 : k 0
s{b , b }
s {b }
s {b} =
Taraf nyata :
M
M
s{b , b } s{b , b }
Statistik Uji : t = bk/s{bk}
Kriteria Keputusan : Ho ditolak jika |thit| > t/2, n-p
1 '
JKT = Y Y Y J Y
n
'
p 1
Y Y = Yi 2
p 1
L s{b0 , b p 1 }
L s{b1 , b p 1 }
M
M
L s 2 {b p 1 }
S l
Selang
K
Kepercayaan
b i k
bagi
Y J Y = ( Yi )
bk t / 2,(n p )s{bk }
11
12
Soal 2
Makna Selang Kepercayaan
Suatu p
penelitian telah dilakukan untuk mengetahui
g
hubungan
g
antara
persentase kehadiran mahasiswa (X1) dan lama belajar dalam jam per
minggu (X2) terhadap nilai akhir ujian suatu mata kuliah (Y).
Sebanyak 30 mahasiswa telah dipilih secara acak untuk menjadi
subyek penelitian.
9,8866861 0,132528 0,640573
Diketahui :
(XX )1 = 0,132528 0,0018375 0,010051
Dari soal 1, diperoleh selang kepercayaan bagi 1 adalah

0 018 1 2,773
0,018
2 773
artinya diduga bahwa rata-rata berat akhir binatang (Y) naik sekitar
antara 0,018
,
sampai
p 2,773
,
kgg untuk setiapp kenaikan satu kilogram
g
berat awal binatang (X1) bila jumlah makanan tetap (X2).
0,640573
0,010051
0,079075
Yi = 2440, Yi 2 = 2016000, X i1Yi = 224670, X i 2Yi = 8880,
i1
X i 2 = 9810, X i21 = 251674, X i22 = 409
a)) Tentukan p
persamaan regresi
g
dugaan
g
dan berikan maknanya.
y
b) Bila dianggap asumsi-asumsi dalam analisis regresi linear ganda
terpenuhi, ujilah apakah ada hubungan antara persentase
kehadiran mahasiswa dan lama belajar dalam jam per minggu
terhadap nilai akhir ujian suatu mata kuliah. Gunakan = 0,05.
c) Tentukan selang kepercayaan bagi 1 dan maknanya.
13
Soal 3
Dari soal 1,
Selang
g Kepercayaan
p
y
Serempak
p
( X ' X )1
8.6176001
-0.21777
-0.001093
0 001093
-0.21777
0.0092689
-0.000552
0 000552
Selang
S
l
k
kepercayaan
b
bersama
B f
Bonferroni
i dapat
d
di
digunakan
k
untukk
menduga beberapa koefisien regresi secara serempak.
JJika
a g bua
buah pa
parameter
a ete a
akan
a d
diduga
duga seca
secara
a be
bersamaan
sa aa (asa
(asalkan
a
g p), maka batas-batas kepercayaan serempak dengan tingkat
kepercayaan 1- adalah
-0.001093
-0.000552
0.0000911
0 0000911
a) Ujilah apakah ada hubungan linear antara berat akhir dengan

berat awal dan jumlah makanan?
b) Ujilah apakah 2=0 atau tidak?
c) Buat selang kepercayaan masing-masing bagi 1 dan 2!
bk B s{bk }
B=t
2g
(n p )
15
Makna Selang Kepercayaan Serempak
16
Koefisien Determinasi Ganda (R2)
Misalkan : Ingin
g mengetahui
g
apakah
p
volume p
penjualan
j
((Y,,
gros) berhubungan dengan jumlah penduduk (X1, ribuan
jiwa) dan pendapatan per kapita (X2, dolar). Diperoleh selang
kepercayaan serempak 90% sebagai berikut : (g=2)
(g 2)
R2 = JKR/JKT
/
= 1- (JKG/JKT)
(
/
)
Koefisien ini mengukur proporsi pengurangan keragaman
total di dalam Y akibat digunakannya peubah-peubah bebas
X1,X2, , Xp-1.
Sifat koefisien determinasi ganda : 0 R2 1.
R2 akan bernilai 0 bila semua bk = 0 (k=1,,p-1). R2 akan
bernilai 1 bila semua amatan Y berada tepat pada
permukaan respons dugaannya, Yi = i untuk semua i.
0 48310,509;
0,483
0 509; 0,0071
0 0071 20,0113
0 0113
Selang kepercayaan serempak ini mengindikasikan bahwa 1
dan 2 keduanya positif, hal ini sesuai harapan teoritis bahwa
volume penjualan memang harus naik jika jumlah penduduk
naik
ik dan
d
pendapatan
d
t
per kapita
k it naik,
ik tentu
t t saja
j asalkan
lk
peubah-peubah lain dipertahankan konstan.
17
18
Koefisien determinasi ganda terkoreksi
Memaknai Koefisien Determinasi Ganda
Penambahan lebih banyak

y p
peubah bebas ke dalam model selalu
akan menaikkan nilai R2 tidak pernah menurunkannya, sebab
JKG tidak pernah menjadi lebih besar bila peubah bebasnya
lebih banyak, sedangkan JKT tidak akan berubah bila data
responsnya tetap sama.
Karena R2 sering bisa dibuat besar dengan cara menyertakan
peubah bebas,
bebas maka ada yang menyarankan agar ukuran ini
dimodifikasi untuk mempertimbangkan banyaknya peubah
bebas di dalam model.
Koefisien determinasi ganda terkoreksi
Misalkan : Ingin mengetahui apakah volume penjualan (Y,

(Y gros)
berhubungan dengan jumlah penduduk (X1, ribuan jiwa) dan
pendapatan per kapita (X2, dolar)
Diperoleh R2 = 0,9989, artinya bila kedua bebas, jumlah penduduk
dan pendapatan per kapita ikut diperhitungkan maka keragaman
volume penjualan dapat dikurangi sebanyak 99,9%.
atau
sebesar 99,9% keragaman dari volume penjualan yang dapat
dijelaskan oleh jumlah penduduk dan pendapatan per kapita.
n 1 JKG
JKG (n p )
= 1
R = 1
JKT (n 1)
n p JKT
2
a
19
20
Chatterjee, S. & Hadi, A.S. 2006. Regression Analysis by Example.

New Jersey: John Wiley & Sons.
Koefisien Korelasi Ganda

Koefisien korelasi ganda R adalah akar kuadrat positif dari R2
R=
R2
Mengapa koefisien
k fi i korelasi
k l i ganda
d diperoleh
di
l h hanya
h
dari akar positif koefisien determinasi ganda
ganda??
21
22
Soal 4
Dari soal 1,
1
a) Tentukan selang kepercayaan serempak 95% untuk 1 dan 2.
b) Hitunglah koefisien determinasi ganda dan berikan maknanya.
c) Hitunglah koefisien korelasi ganda.
Soal 5
Dari soal 2,
a) Tentukan selang kepercayaan serempak 95% untuk 1 dan 2.
b) Hitunglah koefisien determinasi ganda dan berikan maknanya.
g
koefisien korelasi g
ganda.
c)) Hitunglah
Soal 6. Data tentangg ppengiriman

g
bahan kimia
Data berikut ini, yang diambil dari 20 kali pengiriman bahan kimia
dalam drum
drum-drum
drum di sebuah gudang, menunjukkan banyaknya drum
yang dikirimkan (X1), berat total kiriman (X2, dalam ratusan pon), dan
lamanya waktu (dalam menit) untuk menangani kiriman (Y).
i
Xi1
18
14
11
23
16
10
5
Xi2
5,11
16,72
3,20
7,03
10,98
4,04
22,07
7,03
10,62
4,76
Yi
58
152
41
93
101
38
203
78
117
44
20
11
12
13
14
15
16
17
18
19
Xi1
17
12
12
15
17
21
11
Xi2
11 02
11,02
9 51
9.51
3 79
3.79
6 45
6,45
4 60
4,60
13 86
13,86
13 03
13,03
15 21
15,21
3 64
3,64
9 57
9,57
Yi
121
112
50
82
48
127
140
155
39
90
24
Pertanyaan
a) Misalkan model regresi linear berganda cocok digunakan, tuliskan
persamaan regresi dugaannya. Bagaimana dugaan 1 dan 2
ditafsirkan dalam hal ini?
b) Ujilah
Ujil h apakah
k h ada
d hubungan
h b
regresii linear
li
antara
t
k d
kedua
peubah
b h
bebas dengan peubah tak bebas, gunakan taraf nyata 0,05.
c)) Hitunglah
g
koefisien determinasi g
ganda R2! Bagaimana
g
ukuran ini
ditafsirkan dalam kasus ini?
d) Ujilah 1=0 atau tidak, 2=0 atau tidak, = 0,05.
e) Buatlah
B atlah selang kepercayaan
kepe ca aan 95% secara
seca a masing-masing
masing masing untuk
nt k 1
dan 2. Berikan maknanya.
f)) Buatlah selang
g kepercayaan
p
y
secara serempak
p 95% untuk 1 dan
2. Berikan maknanya.
25
Asumsi--asumsi dalam Regresi Linear Ganda

Asumsi
Asumsi-asumsi dalam
Regresi Linear Ganda
yMultikolinearitas
yHeteroskedastisitas
yNormalitas
l
yAutokorelasi
A t k l i
Dosen Pengampu
g p : Kismiantini
Kismiantini,, M.Si
M.Si..
Multikolinearitas
Kriteria terjadinya multikolinearitas
y Multikolinearitas atau kekolinearan ganda adalah terjadinya
Rule of Thumb
korelasi antar peubah bebas.

y Model regresi yang baik seharusnya tidak terjadi korelasi
y Mempunyai nilai
l VIF > 10
antar peubah bebas.
y Mempunyai angka TOLERANCE < 0,1
y Metode yang banyak digunakan untuk mendeteksi adanya
y TOLERANCE = 1/VIF.
multikolinearitas adalah faktor inflasi ragam (variance inflation

factor/VIF)
y Rumusnya
VIFk = (1 Rk2 )1 , k = 1,2,..., p 1
y Rk2 adalah koefisien determinasi ganda bila Xk diregresikan
terhadap p-2
p 2 peubah lainnya
lainn a di dalam model
model.
Heteroskedastisitas
Normalitas
y Ragam galat diasumsikan konstan dari satu pengamatan ke
y Galat diasumsikan berdistribusi Normal.

Normal
pengamatan lain, hal ini disebut homoskedastisitas.
y Model regresi yang baik adalah distribusi data normal atau
y JJika ragam
g ggalat berbeda disebut heteroskedastisitas.
mendekati normal.
normal
y Model regresi yang baik adalah tidak terjadi heteroskedastisitas.
y Untuk mendeteksi normalitas digunakan normal p-p plot.
y Untuk mendeteksi heteroskedastisitas adalah dengan membuat
y Jika
Jik titik-titik
i ik i ik ((sisaan)
i
) menyebar
b di sekitar
ki garis
i di
diagonall ddan
plot nilai dugaan yang dibakukan (standardized predicted value)

dengan sisaan yang dibakukan (studentized residual).
y Jika ada pola tertentu (bergelombang, melebar kemudian
menyempit) maka terjadi heteroskedastisitas.
y Jika tidak ada pola jelas, serta titik-titik (sisaan) menyebar di atas
dan di bawah angka 0 pada sumbuY, maka tidak terjadi
h t
heteroskedastisitas.
k d ti it
5
i ~ N (0, 2 )
mengikuti arah garis diagonal, maka model regresi

memenuhi asumsi normalitas.
normalitas
y Jika titik-titik (sisaan) menyebar jauh dari garis diagonal dan
atau tidak mengikuti arah garis diagonal
diagonal, maka model regresi
tidak memenuhi asumsi normalitas.
6
Autokorelasi
Sifat-sifat Statistik Durbin Watson
y Bila dalam model regresi linear ganda ada korelasi antara galat
pada periode t dengan galat pada periode t-1, maka dinamakan

aadaa masalah
asa a auto
autokorelasi.
o e as .
y Model regresi yang baik adalah model regresi yang bebas dari
autokorelasi.
y Autokorelasi sering ditemukan pada regresi yang datanya
adalah time series atau berdasarkan waktu berkala seperti
bulanan, tahunan.
y Deteksi autokorelasi dengan menggunakan besaran Durbin n
Watson (D-W)
( e e )2
d=
7
i =2
e
i =1
2
i
Uji Durbin Watson
Uji Durbin Watson
Hipotesis:
H0 : = 0 (Tidak ada autokorelasi)
H1 : > 0 (Ad
(Ada autokorelasi
k l i positif)
i if)
Taraf nyata :
Statistik Uji : d
Kriteria Keputusan:
Jika d > dU maka terima H0 (tidak ada autokorelasi)
JJika d < dL maka tolak H0 ((ada autokorelasi ppositif))
Jika dL d dU , maka uji tidak meyakinkan
Hipotesis:
H1 : < 0 (Ad
(Ada autokorelasi
k l i negatif)
if)
Taraf nyata :
Statistik Uji : 4-d
Kriteria Keputusan:
Jika 4-d > dU maka terima H0 (tidak ada autokorelasi)
JJika 4-d < dL maka tolak H0 ((ada autokorelasi negatif)
g )
Jika dL 4-D dU , maka uji tidak meyakinkan
10
Uji Durbin Watson

Hipotesis:
H1 : 0 (Ada
(Ad autokorelasi)
k l i)
Taraf nyata : 2
Statistik Uji : d
Kriteria Keputusan:
Jika d < dL atau 4-d < dL maka tolak H0 (ada autokorelasi)
JJika d > dU dan 4-d > dU maka terima H0 ((tidak ada
autokorelasi )
y
Selain itu,, maka ujij dikatakan tidak meyakinkan
11
2
2.
i 1
Selalu 0 d 4
Jik sisaan
Jika
i
tterurutt bberkorelasi
k l i positif
itif ,maka
k d mendekati
d k ti noll
3. Jika sisaan terurut berkorelasi negatif, maka d mendekati 4
sehingga
hi
44-dd mendekati
d k ti 0
4. Distribusi d simetrik pada nilai 2
1.
Data tentang pengiriman bahan kimia

Data berikut ini, yang diambil dari 20 kali pengiriman bahan kimia
dalam drum-drum
drum drum di sebuah gudang,
gudang menunjukkan banyaknya drum
yang dikirimkan (X1), berat total kiriman (X2, dalam ratusan pon), dan
lamanya waktu (dalam menit) untuk menangani kiriman (Y).
12
Xi1
18
14
11
23
16
10
5
Xi2
5,11
16,72
3,20
7,03
10,98
4,04
22,07
7,03
10,62
4,76
Yi
58
152
41
93
101
38
203
78
117
44
20
11
12
13
14
15
16
17
18
19
Xi1
17
12
12
15
17
21
11
Xi2
11,02
9,51
3,79
6,45
4,60
3,64
9,57
Yi
121
112
50
82
48
39
90
13,86 13,03 15,21

127
140
155
Model Summaryb
Model
1
R
.993a
R Square
.987
Adjusted
R Square
.985
Std. Error of
the Estimate
5.618
a. Predictors: (Constant), X2, X1

b. Dependent Variable: Y
Model
1
Coefficientsa
Unstandardized
Coefficients
B
Std. Error
3 324
3.324
3 111
3.111
3.768
.614
5.080
.666
(Constant)
X1
X2
Data tentang Rumah Sakit
DurbinWatson
1.813
Standardized
Coefficients
Beta
t
1.069
1
069
6.135
7.632
.451
.561
Sig.
.300
300
.000
.000
Collinearity Statistics
Tolerance
VIF
.142
.142
7.028
7.028
Direktur sebuah Rumah Sakit ingin

g meneliti hubungan
g
antara kepuasan
p
pasien (Y) dengan umur pasien (X1, dalam tahun) keparahan penyakit
yang diderita (X2, sebuah indeks) dan tingkat kecemasan (X3, suatu
indeks).
Secara acak diambil 23 pasien dan diperoleh data sbb. :
a. Dependent Variable: Y
X1
X2
X3
X1
X2
X3
48
50
51
2.3
47
38
55
2.2
57
13
14
51
2.3
66
40
48
2.2
57
53
54
2.2
70
41
36
41
46
1.8
2.3
66
51
36
34
49
89
28
43
1.8
79
33
56
2.5
36
49
54
2.9
88
29
46
1.9
46
42
50
2.2
60
33
49
2.1
54
45
48
2.4
49
55
51
2.4
26
52
62
2.9
77
29
52
2.3
77
29
50
2.1
52
44
58
2.9
89
29
48
2.4
60
43
50
2.3
67
43
53
2.4
Model Summaryb
Model
1
R
.820a
R Square
q
.673
Adjusted
R Square
q
.622
Std. Error of
the Estimate
10.281
DurbinWatson
2.017
Data Penjualan Roti Duta Makmur
a. Predictors: (Constant), X3, X1, X2

y Daerah penjualan roti Duta Makmur meliputi Jakarta,

Jakarta Jawa
Coefficientsa
Model
1
(Constant)
X1
X2
X3
Unstandardized
Coefficients
B
Std. Error
161.409
24.142
-1.225
1.225
.299
-.649
.782
-8.131
12.517
Standardized
Coefficients
Beta
-.621
.621
-.182
-.148
t
6.686
-4.092
4.092
-.830
-.650
Sig.
.000
.001
.417
.524
Barat, Jawa Tengah dan Jawa Timur
Tolerance
VIF
.748
.357
.332
y Sales (peubah tak bebas) adalah tingkat penjualan roti semua
1.337
2.798
3.008
rasa (dalam unit/bulan)
y Iklan_koran
Iklan koran menyatakan iklan di koran (juta rupiah/bulan)
y Iklan_radio menyatakan iklan di radio (juta rupiah/bulan)
y Jumlah_outlet
J lh
l menyatakan
k jjumlah
l h outlet
l perusahaan
h untukk
setiap daerah seperti di pasar, supermaket, mall

y Jumlah_salesman
J lh l
menyatakan
k jumlah
l h salesman
l
untukk setiap
daerah (orang)
15
16
Daerah
Jakarta1
J k t 2
Jakarta2
Jakarta3
Jakarta4
Jakarta5
Jakarta6
Jakarta7
Jawa Barat1
Jawa Barat2
Jawa Barat3
J
Jawa
Barat4
B t4
Jawa Barat5
Jawa Barat6
Jawa Barat7
g
Jawa Tengah1
Jawa Tengah2
Jawa Tengah3
Jawa Tengah4
Jawa Tengah5
Jawa Tengah6
Jawa Tengah7
Jawa Tengah8
Jawa Tengah9
Jawa Timur10
Jawa Timur11
Jawa Timur12
Jawa Timur13
Jawa Timur14
Jawa Timur15
Jawa Timur16
17
Sales
300.12
312 25
312.25
362.02
400.25
412.6
423
320.14
366.25
451.29
430.22
265 99
265.99
254.26
352.16
365.21
295.15
354.25
415.25
400.23
423.22
452 62
452.62
512.33
435.23
302.21
330.92
254.25
265.21
215.36
235.26
222 32
222.32
323.45
Iklan_koran Iklan_radio Jumlah_outlet Jumlah_salesman

26.23
12.23
7
4
25 12
25.12
12 88
12.88
8
3
29.8
15.26
8
2
34.55
14.23
9
1
33.45
13.02
6
4
32.26
13.56
5
2
23.45
12.03
8
3
34.76
15.26
9
3
40.12
14.32
8
2
36.21
13.33
10
5
25 89
25.89
12 05
12.05
11
4
22.98
15.26
10
1
36.25
12.89
9
5
36.87
12.45
8
5
22.41
13.44
5
2
26.25
13.67
6
2
36.99
19.25
8
5
32.79
18.78
9
2
33.98
16.59
7
2
23 21
23.21
18 45
18.45
5
3
44.98
13.45
8
5
35.99
15.78
8
3
25
16.35
9
2
23.25
19.58
8
5
24.86
13.87
6
6
26.23
15.87
5
5
20.98
13.23
7
4
24.88
15.69
9
3
25 87
25.87
18 97
18.97
8
6
28.94
18.29
9
5
Model Summaryb
Model
M
d l
1
R
RS
Square
.869a
.755
Adjusted
RS
Square
.716
Std. Error of
the Estimate
th
E ti t
41.58129
DurbinWatson
W
t
1.592
a. Predictors: (Constant), Jumlah_salesman, Jumlah_outlet, Iklan_radio,

Iklan_koran
b. Dependent Variable: Sales
Model
1
(Constant)
Iklan_koran
Iklan_radio
Jumlah_outlet
Jumlah_salesman
a. Dependent Variable: Sales
18
Unstandardized
Coefficients
B
Std. Error
100.128
71.407
10.913
1.279
4.966
3.316
-13.275
4.969
-13.988
5.263
Coefficientsa
Standardized
Coefficients
Beta
.869
.149
-.271
-.265
t
1.402
8.530
1.498
-2.672
-2.658
Sig.
.173
.000
.147
.013
.014
Tolerance
VIF
.942
.985
.955
.984
1.062
1.015
1.048
1.017
Soal
Normal P-P Plot of Regression Standardized Residual
Dependent Variable: Y
Expected Cum Prob
1.0
0.8
0.6
0.4
0.2
0.0
0.0
0.2
0.4
0.6
0.8
1.0
Observed Cum Prob
Gambar1
19
Gambar2
Bagaimana mengenai pemenuhan asumsi

asumsi-asumsi
asumsi dalam model
regresi linear ganda? Berikan penjelasannya.
b)) Berdasarkan a)) apakah
p
inferensi dalam model regresi
g
linear ganda
g
dapat dilakukan? Berikan penjelasannya.
a)
Gagasan Dasar (Jumlah Kuadrat Ekstra)

Mengukur pengurangan JKG akibat dimasukkannya 1 atau lebih
peubah bebas ke dalam model regresi,
regresi jika diketahui peubahpeubah
peubah lain telah ada di dalam model
Mengukur kenaikan JKR akibat dimasukkannya 1 atau beberapa
peubah bebas ke dalam model regresi
JUMLAH KUADRAT EKSTRA

Dosen Pengampu : Kismiantini, M.Si.
1
2
Untuk mengetahui apakah yang dimaksud dengan Jumlah Kuadrat

Ekstra, perhatikan tabel-tabel ANOVA berikut :
Kegunaan Jumlah Kuadrat Ekstra
a) Regresi Y terhadap X1 :
Untuk menguji apakah peubah Xk dapat dibuang dari model
regresi ganda dengan hipotesis
Sumber
Keragaman
H0 : k = 0 (Xk dapat dikeluarkan)

H1 : k 0 (Xk tidak dapat dikeluarkan)
JK
Y = 1,496 + 0,8572 X 1
db
KT
Regresi
JKR(X1)=352,27
352,27
Galat
JKG(X1)=143,12
)=143 12
18
7 95
7,95
Total
495,39
19
b) Regresi Y terhadap X2 :
Sumber
Keragaman
JK
Y = 23,634 + 0,8565 X 2
db
KT
Regresi
JKR(X2)=381,97
381,97
Galat
JKG(X2)=113,42
18
6,30
Total
495,39
19
c)Regresi
)R
iYterhadapX
t h d X1 danX
d X2 : Y = 19,174 + 0,2224 X 1 + 0,6594 X 2
Sumber
Keragaman
JK
db
KT
Regresi
JKR(X1,X2)=385,44
192,72
Galat
JKG(X1,X2)=109,95
17
6,47
Total
495,39
19
Perhatikan bahwa JKG bila X1 dan X2 dalam model ditulis sebagai

JKG(X1, X2)=109,95 lebih kecil dari JKG bila di dalam model
hanya ada X1 saja yaitu JKG(X1)=143,12.
Selisih kedua jumlah kuadrat yaitu JKG(X1)-JKG(X1,X2) disebut
j l h kuadrat
jumlah
k d t ekstra
k t dan
d dilambangkan
dil b
k oleh
l h JKR(X2|X1).
)
d)RegresiYterhadapX1 ,X2 danX3 :

Y = 117,08 + 4,334 X 1 2,857 X 2 2,186 X 3
Sumber
Keragaman
JK
db
KT
Regresi
JKR(X1,X2,X3)=396,98
132,33
Galat
JKG(X1,X
X2,X
X3)=98,41
)=98 41
16
6 15
6,15
Total
495,39
19
JKR(X2|X1) mencerminkan pengurangan JKG bagi X2 bila X1 sudah

ada di dalam model
JKR(X2|X1) = JKG(X1)-JKG(X1,X2)
JKR(X1|X2) = JKG(X2)-JKG(X1,X2)
JKR(X2,X3|X1) = JKG(X1)-JKG(X1,X2,X3)
Definisi-definisi
Data Lemak Tubuh
JKR(X1|X2))=JKG(X
JKG(X2))-JKG(X
JKG(X1,X2) setara dengan
JKR(X1|X2)=JKR(X1,X2)-JKR(X2)
JKR(X2|X1)=JKG(X1)-JKG(X1,X2) setara dengan
JKR(X2|X1)=JKR(X1,X
X2)-JKR(X
) JKR(X1)
Perluasan
JKR(X3|X1,X2)=JKG(X1,X2) -JKG(X1,X2,X3)
JKR(X3|X1,X
X2)=JKR(X
) JKR(X1,X
X2,X
X3) -JKR(X
JKR(X1,X
X2)
JKR(X2,X3|X1)=JKG(X1) -JKG(X1,X2,X3)
JKR(X2,X3|X1)=JKR(X1,X2,X3) -JKR(X1)
X1
X2
X3
X1
X2
X3
19,5
43,1
29,1
11,9
11
31,1
56,6
30,0
25,4
24,7
49,8
28,2
22,8
12
30,4
56,7
28,3
27,2
30,7
51,9
37,0
18,7
13
18,7
46,5
23,0
11,7
29,8
54,3
31,1
20,1
14
19,7
44,2
28,6
17,8
19,1
42,2
30,9
12,9
15
14,6
42,7
21,3
12,8
25,6
53,9
23,7
21,7
16
29,5
54,4
30,1
23,9
31,4
58,5
27,6
27,1
17
27,7
55,3
25,7
22,6
27,9
52,1
30,6
25,4
18
30,2
58,6
24,6
25,4
22,1
49,9
23,2
21,3
19
22,7
48,2
27,1
14,8
10
25,5
53,5
24,8
19,3
20
25,2
51,0
27,5
21,1
X1 :KetebalanLipatanKulitTrisep
p
p
X2 :LingkarPaha
X3 :LingkarLengan
g
g
Y:LemakTubuh
Uji Apakah Semua k = 0
Tabel ANOVA dengan Penguraian JKR Data Lemak Tubuh

Sumber
Keragaman
JK
db
KT
JKR(X1,X2,X3)=396,98
132,33
JKR(X1)=352,27
JKR(X2|X1)=33,17
JKR(X3|X1,X2)=11,54
1
1
1
352,27
33,17
11,54
Galat
JKG(X1,X2,X3)=98,41
16
6,15
Total
JKT=495,39
19
Regresi
X1
X2|X1
X3|X1,X2
Hipotesis :
H0 : 1 = 2 = = pp-11 = 0
H1 : Tidak semua k (k=1, , p-1) sama dengan nol
Taraf nyata
y
:
Statistik Uji :
JKR X 1 , L , X p 1 JKG X 1 , L , X p 1
KTR
F=
:
=
p 1
n p
KTG
Dari data Lemak Tubuh,

Tubuh untuk mempelajari hubungan antara
banyaknya lemak tubuh (Y) dengan ketebalan lipatan kulit intersep
(X1), lingkar paha (X2) dan lingkar lengan (X3) yang didasarkan pada
suatu contoh 20 perempuan sehat berusia 25-34 tahun. Diperoleh
persamaan regresi dugaanya :
Y = 117,08 + 4,334 X 1 2,857 X 2 2,186 X 3

9
Uji Apakah Satu k = 0
Uji Apakah Beberapa k = 0

Hipotesis :
H0 : q= q+1 = = p-1= 0
H1 : Tidak semua k di dalam H0 sama dengan nol
Taraf nyata :
Statistik Uji :
JKR X q , K , X p 1 X 1 , K , X q 1 JKG X 1 , K , X p 1
F=
:
pq
n p
Hipotesis :
H 0 : k= 0
H 1 : k 0
Taraf nyata :
St ti tik Uji :
Statistik
JKR(X k X 1 , L , X k 1 , X k +1 , L , X p 1 ) JKG (X 1 , L , X p 1 )
F=
:
1
n p
=
10
KTR (X k X 1 , L , X k 1 , X k +1 , L , X p 1 )
KTG
H0 ditolak jika Fhit > F(1,n-p)
KTR X q , K , X p 1 X 1 , K , X q 1
KTG
H0 ditolak jika Fhit > F(p-q,n-p)
11
12
Dari Data Lemak Tubuh
Dari Data Lemak Tubuh
Ingin diketahui apakah lingkar lengan (X3) dapat dikeluarkan dari model
regresi penuh.
Ingin diketahui apakah lingkar paha (X2) dan lingkar lengan (X3) dapat
dikeluarkan dari model regresi penuh.
Hipotesis
H0 : 3= 0 H1 : 3 0
Taraf nyata : = 0,05
0 05
JKR( X 3 X 1 , X 2 ) JKG ( X 1 , X 2 , X 3 )
Statistik Uji : F =
:
Hipotesis:
H0 : 2= 3 =0
H1 : Tidak benar bahwa 2 dan 3 keduanya sama dengan nol
Statistik Uji : F = JKR(X , X X ) : JKG( X , X , X )
n4
1
KTR ( X 3 X 1 , X 2 )
KTG
Kriteria Keputusan : n = 20, p=4, F0,05(1,16)=4,49

H0 ditolak jika Fhit > 4,49
4 49
Hitungan :
F=(11,54/1)/(98,41/16)=1,876
( , / )/( , / ) ,
Kesimpulan :
Karena Fhit=1,876<4,49 maka H0 diterima, artinya dengan taraf
nyata 0
0,05
05 dapat disimpulkan bahwa lingkar lengan dapat
dikeluarkan dari model regresi.
n4
2
KTR ( X 2 , X 3 X 1 )
KTG
Kriteria Keputusan : n = 20, p=4, q=2, F0,01(2,16)=6,23

H0 ditolak jika Fhit > 6,23
Hitungan :
F=(44,71/2)/(98,41/16)=3,63
Kesimpulan :
Karena Fhit=3,63<6,23 maka H0 diterima, artinya dengan taraf nyata
0,01 dapat disimpulkan bahwa lingkar paha dan lingkar lengan dapat
dikeluarkan dari model regresi yang di dalamnya terdapat ketebalan
lipatan kulit trisep (X1).
13
Soal 1. Data Kesukaan terhadap merek

i
Xi1
Xi2
Yi
64
73
61
76
72
80
71
83
ANOVAb
Model
1
Xi1
Xi2
Yi
83
10
89
11
86
12
93
13
10
88
14
10
95
15
10
94
16
10
100
Sum of
Squares
1872.700
94.300
1967.000
Regression
Residual
Total
df
2
13
15
Mean Square
936.350
7.254
F
129.083
Sig.
.000a

Dalamsuatustudipercobaanskalakeciltentang
hubunganantaraderajatkesukaanterhadapmerek
(Y)dengankandunganuapair(X1)dankemanisan
produk(X2).Hasilsebagaiberikut:
14
Coefficientsa
Model
1
a) Tentukanpersamaan
regresidugaan!
j
p
1=
2=0
b)) Ujilahapakah
atautidak?
c) BuatlahtabelANOVA
penguraianJKEuntuk
keduapeubahbebas!
d) Ujilahapakah2 =0
atautidak?
(Constant)
X1
X2
Unstandardized
Coefficients
B
Std. Error
37.650
2.996
4.425
.301
4.375
.673
Standardized
Coefficients
Beta
t
12.566
14.695
6.498
.892
.395
Sig.
.000
.000
.000
95% Confidence Interval for B

Lower Bound Upper Bound
31.177
44.123
3.774
5.076
2.920
5.830
Coefficient Correlationsa
Model
1
Correlations
Covariances
X2
X1
X2
X1
X2
1 000
1.000
.000
.453
.000
X1
.000
000
1.000
.000
.091
Model Summary
Model
1
R
R Square
.976a
.952
Adjusted
R Square
.945
Std. Error of
the Estimate
2.693

15
16
Koefisien Determinasi Parsial
Untuk mengukur sumbangan marjinal satu peubah bebas X,

bila semua peubah bebas lain telah ada di dalam model.
Model
od regresi
g
ganda
ga
da o
ordo-pertama
do p a a dg 2 p
peubah
uba b
bebas
ba
Koefisien Determinasi Parsial
Koefisien Korelasi Parsial
Yi = 0 + 1 X i1 + 2 X i 2 + i
Maka koefisien determinasi parsial antara Y dan X

model sudah ada X2 adalah
rY21.2 =
bila dalam
JKR(X 1 X 2 )
JKG ( X 2 )
Ukuran ini mengukur proporsi penurunan keragaman Y yang

diakibatkan oleh dimasukkannya X1 dalam model yang
sebelumnya sudah ada X2.
18
Data Lemak Tubuh
Lanjutan Koefisien Determinasi Parsial

rY21.2 =
rY21.23 =
rY23.12 =
JKR( X 1 X 2 )
JKG ( X 2 )
JKR( X 1 X 2 , X 3 )
JKG ( X 2 , X 3 )
rY22.13 =
rY24.123 =
JKR( X 2 X 1 , X 3 )
rY22.1 =
JKG ( X 1 , X 3 )
JKR( X 2 X 1 )
JKG ( X 1 )
33,17
= 0,232
143,12
Artinya : Jika X2 dimasukkan ke dalam model regresi yang di dalamnya

sudah ada X1 maka JKG akan berkurang 23,2%.
JKR( X 4 X 1 , X 2 , X 3 )
JKG ( X 1 , X 2 , X 3 )
JKR( X 3 X 1 , X 2 )
11,54
=
= 0,105
JKG ( X 1 , X 2 )
109,95
A ti
Artinya
: Jik
Jika X3 dimasukkan
di
kk kke d
dalam
l
model
d l regresii yang di d
dalamnya
l
sudah ada X1 dan X2 maka JKG akan berkurang 10,5%.
rY23.12 =
JKR( X 3 X 1 , X 2 )
JKG ( X 1 , X 2 )
JKR( X 1 X 2 )
3,47
=
= 0,031
JKG ( X 2 )
113,42
Artinya : Jika X1 dimasukkan ke dalam model regresi yang di dalamnya
sudah ada X2 maka JKG akan berkurang
g 3,1%.
,
rY21.2 =
19
Koefisien Korelasi Parsial
20
Koefisien Regresi Tidak Dapat Dibandingkan
Koefisien korelasi parsial merupakan akar kuadrat koefisien

d
determinasi
i
i parsial.
i l
Biasanya koefisien regresi tidak dapat dibandingkan karena

satuannya berbeda.
Misalkan
a a d
diketahui
a u p
persamaan
a aa regresi
g
dugaan
dugaa
Seseorang mungkin menyimpulkan bahwa X adalah satu
satu-
Koefisien ini mempunyai tanda yang sama dengan koefisien

regresi padanannya di dalam fungsi regresi dugaannya.
Y = 200 + 20000 X 1 + 0,2 X 2
Untuk data lemak tubuh :

rY 2.1 = 0,232 = 0,482 rY 3.12 = 0,105 = 0,324 rY 1.2 = 0,031 = 0,176
b2 = 0,6594
b3 = 2,186
b1 = 0,2224
satunya peubah bebas yang terpenting daripada X2 sebab

g
y X2 hanya
y berpengaruh
p g
kecil
dilihat dari koefisien regresinya
terhadap peubah tak bebas Y. Hal tersebut tidak selalu benar
Misalkan satuan-satuannya adalah Y: dalam dolar, X1: dalam
ribuan dolar, X2: dalam sen dolar. Dalam hal ini pengaruh
terhadap nilai dugaan Y akibat kenaikan X1 sebesar $1000 bila
X2 konstan,
k
t
akan
k
sama persis
i sama dengan
d
pengaruh
h akibat
kib t
kenaikan X2 sebesar $1000 bila X1 konstan.
21
Soal 2
Telah diambil secara acak 25 mahasiswa untuk suatu penelitian tentang
tingkat kecerdasan IQ (X1), nilai ujian tengah semester (X2), nilai ujian
akhir
khi semester
t
(X3) terhadap
t h d
nilai
il i hasil
h il akhir
khi suatu
t mata
t kuliah
k li h (Y).
(Y)
Berikut beberapa output yang diperoleh :
a) Apakah peubah tingkat kecerdasan IQ dapat dikeluarkan dari model?

Gunakan = 0,05.
2
b) Tentukan koefisien determinasi parsial rY 1.23 beserta maknanya.
22
Soal 3
Seorang guru ingin mengetahui
S
h hubungan
h b
antara skor
k matematika
k siswa
(Y) dengan skor logika siswa (X1) dan skor verbal siswa (X2), yang diukur
dalam skala 1
1-10
10. Untuk keperluan tersebut,
tersebut telah dipilih secara acak 20
siswa dari suatu sekolah menengah pertama negeri. Beberapa output
berdasarkan data yang diperoleh sebagai berikut:
a) Tentukan persamaan regresi Y atas X1,

Y atas X2 dan Y atas X1, X2. Berikan makna
untuk masing-masing persamaan.
b) Apakah peubah skor logika siswa dapat
dikeluarkan dari model? Gunakan
=0
0,05.
05
c) Tentukan koefisien determinasi parsial
rY21.2 beserta maknanya.
UJI F UNTUK KECOCOKAN MODEL REGRESI LINEAR GANDA
Uji ini mengasumsikan bahwa pengamatan-pengamatan Y untuk
suatu X tertentu bersifat bebas, tersebar normal, memiliki ragam

yang sama.
ANALISIS VARIANSI
Uji ini menghendaki adanya pengamatan berulang pada satu atau

l b h nilai
lebih
l X.
UJI F UNTUK KECOCOKAN

MODEL REGRESI LINEAR GANDA
Bagaimana uji kecocokan model regresi linear ganda

dilakukan bila tidak ada pengamatan berulang pada nilai X?
Berikan penjelasan.
Formula Hipotesis
Jumlah Kuadrat Ketidakcocokan Model (JKKM)
Hipotesis
H0 : E{Y} = 0+ 1X1+ 2X2 + + p-1Xp-1
H1 : E{Y} 0+ 1X1 + 2X2 + + p-1Xp-1
Atau
H0 : Tidak ada ketidakcocokan model regresi linear ganda dengan
data
H1 : Ada ketidakcocokan model regresi linear ganda dengan data
Atau
H0 : Model
M d l regresii linear
li
ganda
d cocokk
H1 : Model regresi linear ganda tidak cocok
JKG = JKGM + JKKM

Perhatikan :
Yij Yij = Yij Y j + Y j Yij
Simpangan
galat
g
(Y
ij
Simpangan
g
galat
murni
) = (Y
2
Yij
JKKM
Data kesukaan terhadap merk
Statistik Uj
S
Uji
KTKM JKKM (k p )
=
KTGM JKGM (n k )
JKGM
F=
Y j ) + Y j Yij
2
ij
JKG =
Simpangan
ketidakcocokan
model
d l
JKGM = (Yij Y j )
JKKM = JKG JKGM

db(G) = n p; db(GM) = n k; db(KM) = k p
10
11
12
13
14
15
16
Xi1
10
10
10
10
Xi2
Yi
64
73
61
76
72
80
71
83
83
89
86
93
88
95
94
100
Xi1
Xi2
4
Yij
2
64; 61
73; 76
72; 71
80; 83
10
10
Xi1Yi=
Y
Yj
, Xi2Yi =
Y : derajat
d j t kkesukaan
k
tterhadap
h d merk
k
X1 : kandungan uap air
X2 : kemanisan produk
k = 8,
8 JKG = 94,3
94 3
Ujilah ketidakcocokan model regresi
linear ganda dengan taraf nyata 0,01!
0 01!
, Xi1=
,Xi2 =

= 37,650 + 4,425 X1 + 4,375 X2
5
, Yi =
, Yi2=
Hipotesis
H0 : E{Y}
{ } = 0+ 1X1+ 2X2
H1 : E{Y} 0+ 1X1+2X2
Statistik Uji: F=KTKM/KTGM
n 16 k
n=16,
k=8,
8 db(KM)
db(KM)=k-p=8-3=5
k p 8 3 5 ,db(GM)=n-k=16-8=8
db(GM) n k 16 8 8
F0,05(5,8)= 3,69
H0 ditolak jika Fhit >
Hitungan :
JKG =
JJKGM=(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2+(-)
( )2=
J
JKKM=JKG-JKGM=
J
J
F=(/5)/(/)=
Kesimpulan : Karena Fhit= ..
Jadi dengan taraf nyata 0
0,05
05 dapat disimpulkan bahwa model
regresi linear ...
7
Perhatikan gambar berikut
REGRESI POLINOMIAL KUADRATIK

Dosen Pengampu : Kismiantini
Kismiantini,, M.Si
M.Si..
2 < 0
2 > 0
Regresi Kuadratik
Regresi kuadratik termasuk dalam regresi non linear yang
menyatakan hubungan antara dua peubah yang terdiri
dari peubah tak bebas (Y) dan peubah bebas (X) sehingga
akan diperoleh suatu kurva yang membentuk garis
lengkung menaik (2 > 0) atau menurun (2 < 0). Bentuk
persamaan matematis model kuadratik secara umum
p
menurut Steel & Torrie (1980) adalah :
a. Polinomial : E(Y) = 0+1X+2X2
b. Eksponensial : E(Y) = 01X
c. Logaritma
g
: Log
g E(Y)
( )=
0
1X
Model Regresi Polinomial Kuadratik

iid
Y = 0 + 1 X + 2 X 2 + , ~ N 0, 2
P
Persamaan
regresii dugaannya
d
Y = b0 + b1 X + b2 X 2
Untuk memudahkan perhitungan dan mengatasi kekolinearan ganda

( d korelasi
(ada
k l i antara
t
X dan
d X2) digunakan
di
k nilai
il i simpangan
i
d t
data
terhadap rata-ratanya
Persamaan Normal
nbb0' + b1' xi + b2' xi2 = Yi
x=X X
b0' xi + b1' xi2 + b2' xi3 = xi Yi
Y = b0 + b1 X + b2 X 2
Dengan data x diperoleh : Y = b + b x + b x

'
0
2
Y = b0' + b1' (X X ) + b2' (X X )
'
1
'
2
b0' xi2 + b1' xi3 + b2' xi4 = xi2Yi
= b0' b1' X + b2' X 2 + b1' 2b2' X X + b2' X 2
=0
i
Karena
maka
k persamaan
normalnya menjadi sbb :
Sehingga :
nb0' + b2' xi2 = Yi
b0 = b0' b1' X + b2' X 2
b1' xi2 + b2' xi3 = xiYi
b1 = b1' 2b2' X
b0' xi2 + b1' xi3 + b2' xi4 = xi2Yi
b2 = b2'
5
Data Volume Penjualan Kopi di Kafetaria

Kafetaria
(i)
1
Banyaknya
Dispenser (Xi)
0
Volume Penjualan
(ratusan galon) Yi
508 1
508,1
498,4
568,2
577,3
651,7
657,0
,
713,4
697,5
755,3
,
10
758,9
11
787,6
12
792,1
13
841,4
14
831,8
a. Tentukan koefisien
k l i antara
korelasi
t
X
dengan X2.
b. Lakukan transformasi
x=XX
c. Hitunglah koefisien
korelasi antara x
dengan x2.
d Apa yang dapat
d.
disimpulkan dari hasil a
dan c?
e. Tentukan
T t k persamaan
regresi polinomial
kuadratik dugaan.
Jawab :
Yi
508.1
508
1
498.4
568.2
577.3
651.7
657
713.4
697.5
755.3
758.9
787 6
787.6
792.1
841.4
831.8
xi Xi^2 xi^2
-3
3
0
9
-3
0
9
-2
1
4
-2
1
4
-1
4
1
-1
1
4
1
0
9
0
0
9
0
1 16
1
1 16
1
2 25
4
2 25
4
3 36
9
3 36
9
Correlations: X,
Correlations: x, x2
Pearson correlation of x and x2 = 0,000
P-Value = 1,000
Scatterplot of Y vs X
850
800
750
St ti tik Uji : F = (JKR(

Statistik
(JKR(x2|x)/1)/(JKG(x,x
| )/1)/(JKG( 2)/(n-p))
)/( ))
= KTR(x2|x)/KTG(x,x2)
Kriteria Keputusan : H0 ditolak jika Fhit > F (1,n-p)
700
650
600
550
500
0

= 705,5 + 54,89 x 4,249 x2
Hipotesis :
H0 : 2 = 0
H1 : 2 0
Taraf Nyata :
St ti tik Uji : t = b2/s{b
/ {b2}
Statistik
Kriteria Keputusan : H0 ditolak jika |thit| > t/2(n-p)
Pearson correlation of X and X2 = 0,961

P-Value = 0,000
Xi
0
0
1
1
2
2
3
3
4
4
5
5
6
6
Uji
j Apakah
p
2 Sama dengan
g Nol
(Menyelidiki apakah suku kuadratik dapat dibuang dari model)
X2
3
X
JKG x, x 2 = Yi 2 b0 Yi b1 xi Yi b2 xi2Yi

= 502,6 + 80,39 X 4,249 X2
9
Analisis Ragam
Koefisien Regresi
Koefisien
Regresi
Koefisien
Regresi
Dugaan
Simpangan
Baku
Dugaan
thit
705,474
3,208
219,91
54,893
54 893
1,050
1 050
52,28
52 28
-4,249
0,606
-7,01
M t ik s2{b}
Matriks
SV
JK
db
KT
Regresi
R
i
171773
85887
x
x2|x
168741
3033
1
1
168741
3033
Galat
679
11
61,7
Total
172453
13
0
1,4702
10,2912
0
1
,
1026
0
0
0,3675
1,4702
( )
s 2 {b} = KTG x x
'
Fitted Line Plot
S
R-Sq
R-Sq(adj)
800
7.85795
99.6%
99.5%
750
700
Y
s 2 {b0 } s{b0 , b1 } s{b0 , b2 }
s {b} = s{b1 , b0 } s 2 {b1 } s{b1 , b2 }

2
s{b2 , b0 } s{b2 , b1 } s {b2 }
Hipotesis :
H0 : 2 = 0
H1 : 2 0
Taraf Nyata : = 0,05
Statistik Uji : t = b2/s{b2}
Kriteria Keputusan : t0,025(11) = 2,201
H0 ditolak jika |thit| > 2,201
Hitungan : thit = -4,249/0,606 = -7,012
Kesimpulan : Karena |thit| = 7,012 > 2,201 maka H0 ditolak. 2 0.
Jadi dengan taraf nyata 0,05 dapat disimpulkan bahwa pengaruh
g ada,, sehingga
gg suku kuadratik harus
kuadratik memang
dipertahankan di dalam model.
Y = 705.5 + 54.89 xi
- 4.249 xi**2
850
10
650
600
Hitungan: F = 3033/61,7 = 49,2

Kriteria Keputusan : F0,05(1,11) = 4,84
H0 ditolak
d l k jika
k Fhit > 4,84
(thit)2 = (-7,012)2 = 49,2 = Fhit
550
500
-3
3
-2
2
-1
1
0
xi
11
12
Koefisien Determinasi Ganda
Uji Kecocokan Model Regresi Polinomial Kuadratik

Hipotesis
H0 : E{Y} = 0+1x+2x2 (model regresi polinomial kuadratik cocok digunakan)
H1 : E{Y} 0+ 1x+2x2 (model
(
d l regresii polinomial
li
i lk
kuadratik
d ik tidak
id k cocok
k di
digunakan)
k )
R2 = JKR(x,x2)/JKT = 171773/172453 = 0,996

Artinya keragaman volume penjualan kopi bisa diturunkan
p 99,6%
,
bila hubungan
g
polinomial kuadratik terhadap
p
p
sampai
banyaknya mesin dispenser dimasukkan ke dalam model.
Taraf nyata :
Statistik Uji:
F=
k
ni
2
JKGM = (Yij Y j )
j =1 i =1
JKKM /(k p )
JKGM /( n k )
JKG x, x 2 = Yi 2 b0 Yi b1 xi Yi b2 xi2Yi
JKKM = JKG x, x 2 JKGM

Kriteria keputusan
p
: k = banyaknya
y
y xy
yang
g berbeda,,
p = banyaknya parameter
H0 ditolak jika Fhit > F(k-p, n-k)
13
14
Soal 2
Soal 1
Data Studi Efisiensi Bahan Bakar
Keefektifan suatu persneling baru dalam menurunkan konsumsi
b h bakar.
bahan
b k
Xi : kecepatan konstan (dalam km per jam)
Yi : km per liter yang diperoleh
Suatu penelitian ingin menyelidiki apakah ada hubungan kuadratik

antara berat larva (X) dengan banyaknya oksigen yang dikonsumsi
(Y). Data yang diperoleh sebagai berikut:
10
11
12
Xi
35
35
40
40
45
45
50
50
55
55
60
60
Yi
22
20
28
31
37
38
41
39
34
37
27
30
a. Buatlah diagram pencar antara X dan Y! Apa yang diketahui

dari diagram tsb?
b. Tentukan koefisien korelasi antara X dengan X2.
c. Bila diperlukan, lakukan transformasi terhadap X.
d Apakah model regresi kuadratik cocok digunakan?
d.
Gunakan = 0,05
0,519
0,610
0,114
0,477
0,033
0,744
0,140
0,855
0,053
0,482
0,137
0,551
0,049
0,711
0,204
0,932
0 190
0,190
0 516
0,516
0 230
0,230
0 588
0,588
0 210
0,210
0 927
0,927
0 265
0,265
0 914
0,914
0,210
0,561
0,240
0,561
0,215
0,914
0,346
0,973
0,260
0,580
0,470
0,718
0,462
1,000
0,544
0,800
0,389
0,674
0,521
0,754
0,468
0,998
0,004
0,654
a. Buatlah tabel Anava untuk regresi polinomial kuadratik

b Tentukan
b.
T t k persamaan regresii polinomial
li
i l kuadratik
k d tik d
dugaan
c. Apakah model regresi polinomial kuadratik cocok digunakan?
15
Soal 4
Soal 3
Suatu penelitian telah dilakukan untuk mengetahui hubungan

antara tentang tes kemampuan bahasa (X) dan nilai karya
ilmiah (Y) dari 10 siswa kelas I SMA. Diduga bahwa model
regresi polinomial kuadratik cocok digunakan.
Diketahui:
Untuk mengetahui hubungan antara pengeluaran untuk promosi (X,

dalam ribuan dolar) dan permintaan akan produk perusahaan (Y,
(Y
dalam ribuan dolar) di suatu daerah telah dilakukan penelitian dan
p
data sbb :
diperoleh
i
10
11
12
13
14
Xi
17
15
25
10
18
15
20
25
17
13
20
23
25
16
Yi
56,
15
54,
50
55,
27
52, 56, 55,

54 23 97
55,
55
54,
32
55,
14
54,
28
55, 55,
78 65
54,
96
55,
06
0,006212 0,002259
0,0032523 0,0001725
0,002259 0,0001725 0,0000627
0,1813176
(xx )1 = 0,006212
Y
a. Gambarkan diagram pencarnya

pencarnya!!
b. Tentukan persamaan regresi kuadratik dugaan!
dugaan!
c. Ujilah ketidakcocokan model regresi kuadratik!
kuadratik!
Gunakan = 0,05
= 458, Yi 2 = 21604, xiYi = 304, xi2Yi = 17252 , xi2 = 360, xi4 = 31620
a) Tentukan persamaan regresi polinomial kuadratik dugaan.

b) Tentukan koefisien determinasi ganda dan berikan
maknanya.
c) Apakah suku kuadratik dapat dibuang dari model? Gunakan
= 0,05.
0 05
17
MODEL REGRESI POLINOMIAL ORDE KEDUA
Y = 0 + 1 x1 + 2 x 2 + 11 x12 + 22 x 22 + 12 x1 x 2 +
REGRESI POLINOMIAL
DUA PEUBAH BEBAS, ORDO KEDUA
E{Y } = 0 + 1 x1 + 2 x 2 + 11 x12 + 22 x 22 + 12 x1 x 2
Y = 0 + 1 x1 + 2 x 2 + 11 x12 + 22 x 22 + 12 x1 x 2 +
~ N (0, 2 )
iid
Apakah model regresi polinomial

orde kedua cocok digunakan?
2
x1 =
CONTOH
X 1 X 1 X 1 1,0
=
0,4
0,4
x2 =
X 2 X 2 X 2 20
=
10
10
X1
X2
x1
x2
Yj
1
2
3
4
5
6
7
8
9
10
11
0,6
1,0
1,4
0,6
1,0
1,0
1,0
1,4
06
0,6
1,0
1,4
10
10
10
20
20
20
20
20
30
30
30
-1
0
1
-1
0
0
0
1
-1
1
0
1
-1
-1
-1
0
0
0
0
0
1
1
1
150
86
49
288
157
131
184
109
279
235
224
150
86
49
288
X 1 = 1,0
X 2 = 20
UJI KECOCOKAN
MODEL REGRESI POLINOMIAL ORDE KEDUA
Hi t i
Hipotesis
H0 : E{Y} = 0+1x1+2x2+11x12+22x22+12x1x2(model regresi
polinomial orde kedua cocok digunakan)
H1 : E{Y} 0+1x1+2x2+11x12+22x22+12x1x2 (model regresi
polinomial orde kedua tidak cocok digunakan)
Taraf nyata :
Statistik Uji:
157,33
F=
109
279
235
224
JKKM /(k p )
JKGM /(n k )
k
ni
2
JKGM = (Yij Y j )
j =1 i =1
JKKM = JKG JKGM
Kriteria keputusan : k = banyaknya x yang berbeda,

p = banyaknya parameter
H0 ditolak jika Fhit
h > F(k-p,
(k
n-k)
k)
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
55365.561
5240.439
60606.000
df
5
5
10
Mean Square
11073.112
1048.088
F
10.565
Sig.
.011a
a. Predictors: (Constant), x1x2, x2kuadrat, x2, x1, x1kuadrat

JKGM=(157-157,33)2+(131-157,33)2+(184-157,33)2=1404,676
JKKM=JKG-JKGM=5240-1404,67=3835,33
db1 = k-p = 9-6 = 3
db2 = n-k = 11-9 = 2
F0,05(3,2)=19,2,
19 2 H0 ditolak
dit l k jika
jik Fhit > 19,2
19 2
ANOVAb
Model
1
Regression
Residual
Total
Sum of
Squares
55365 561
55365.561
5240.439
60606.000
df
5
5
10
Mean Square
11073 112
11073.112
1048.088
a. Predictors: (Constant), x1x2, x2kuadrat, x2, x1, x1kuadrat

F
10 565
10.565
Fhit=(3835,33/3)/(1404,675/2)=1,82
Sig.
.011
011a
Karena Fhit=1
1,82<19,2
82<19 2 maka H0 diterima.
diterima
5
Jadi dengan taraf nyata 0,05 dapat disimpulkan bahwa

model regresi polinomial orde kedua cocok digunakan.
SOAL
|
Dalam suatu studi percobaan skala kecil tentang

hubungan antara derajat kesukaan terhadap merek (Y)
dengan kandungan uap air (X1) dan kemanisan produk
(X2). Hasil sebagai berikut :
Hipotesis:
H0 : 12 = 0
H1: 12 0
| Taraf nyata:
| Statistik Uji:
|
i
1 2 3 4 5 6
Xi1 4 4 4 4 6 6
Xi2 2 4 2 4 2 4
Yi 64 73 61 76 72 80
|
7 8 9 10 11 12 13 14 15 16
6 6 8 8 8 8 10 10 10 10
2 4 2 4 2 4 2 4 2
4
71 83 83 89 86 93 88 95 94 100
Berdasarkan data ini, ujilah apakah model regresi

polinomial ordo kedua cocok digunakan! Gunakan taraf
nyata = 0,05, JKG = 72,05.
|
7
Hipotesis:
H0 : 22 = 0
H1: 22 0
| Taraf nyata:
| Statistik Uji:
F=
)
) (n p )
JKR x1 x2 x1 , x2 , x12 , x22 1
JKG x1 , x2 , x12 , x22 , x1 x2
Kriteria Keputusan
H0 ditolak jika Fhit > F(1, n-p)
F=
JKR x22 x1 , x2 , x12 1
JKG x1 , x2 , x12 , x22
Kriteria Keputusan
) (n p )
F=
Y = 0 + 1 x1 + 2 x2 + 11 x12 +
Bagaimana untuk uji 11 = 0 atau tidak?
Hipotesis:
H0 : 11 = 22 = 12 = 0
H1 : tidak semua k (k = 11, 22, 12) dalam H0
sama dengan nol
Taraf nyata :
Statistik Uji :
JKR (x12 , x22 , x1 x2 x1 , x2 ) 3
11
JKG x1 , x2 , x12 , x22 , x1 x2
Kriteria Keputusan
) (n p )
10
Latar Belakang
Ingin membandingkan prestasi belajar murid
perempuan dan laki-laki
Ingin meneliti bagaimana pengaruh jenis makanan
terhadap berat ayam
y
Jenis kelamin dan jenis makanan merupakan
peubah yang sifatnya klasifikasi
Semua peubah dalam regresi bersifat kuantitatif
maka peubah kualitatif dijadikan kuantitatif agar
regresi dapat digunakan
DUMMY VARIABLE
((Peubah Boneka))
Dosen Pengampu : Kismiantini
Kismiantini,, M.Si
M.Si..
Perhatikan kasus berikut

Dua kelompok murid yang mempunyai tingkat inteligensi
yang kira-kira sama diberikan dua metode mengajar yang
b b d Kelompok
berbeda.
K l
k pertama
t
dib i metode
diberi
t d yang biasa
bi
sedangkan yang kedua diberikan metode yang modern.
Kelompok I
Kelompok II
1
2
3
4
5
6
7
8
9
10
81
69
51
59
56
78
53
65
53
57
103
104
92
100
98
105
99
102
101
99
11
12
13
14
15
16
17
18
92
84
76
72
60
81
72
52
105
106
103
98
92
101
101
92
Y : nilai hasil ujian akhir

X : skor IQ
Bila regresi linear sederhana antara X dan Y digunakan,

diperoleh persamaan regresi dugaannya :
= -145,5578 + 2,1272 X
dengan R2 = 53,70%
Apa yang salah dalam hal ini

ini?
?
Tabel diatas dapat disajikan sebagai berikut

No
X1
X2
81
103
69
104
51
92
59
100
56
98
78
105
53
99
65
102
0
53
101
10
57
99
11
92
105
12
84
106
13
76
103
14
72
98
15
60
92
16
81
101
17
72
101
18
52
92
dengan
p I
0 bila murid masuk kelompok
X1 =
1 bila murid masuk kelompok II
Sehingga diperoleh persamaan regresi sebagai berikut :
= -160,5817 + 12,6466 X1 + 2,2212 X2
dengan R2 = 79,25%.
Terlihat bahwa kecocokan model 2 lebih baik dari model
1, R2 naik sekitar 25,55%. (Keterangan model 1 adalah
model regresi linear sederhana, model 2 adalah model
regresi linear ganda dengan dua peubah bebas).
Untuk kelompok I, masukkan X1 = 0, maka diperoleh :
= -160,5817 + 2,2212 X2
Untuk kelompok II, masukkan X1 = 1, maka diperoleh :
= -147,9351 + 2,2212 X2
Dari gambar tersebut dapat diketahui bahwa metode

yang modern terlihat jauh lebih baik atau efektif
d l
dalam
meningkatkan
i k tk prestasi
t i belajar
b l j murid.
id
6
Persamaan Normal (2 peubah bebas)
Misalkan ada tiga metode mengajar yang ingin

dibandingkan maka diperlukan dua peubah boneka
sebagai berikut :
b0 n + b1 X i1 + b2 X i 2 = Yi
b0 X i1 + b1 X i21 + b2 X i1 X i 2 = X i1Yi
0 bila murid masuk kelompok I atau III

X1 =
1 bila murid masuk kelompok II
b0 X i 2 + b1 X i1 X i 2 + b2 X i22 = X i 2Yi
Koefisien Determinasi Ganda

0 bila murid masuk kelompok I atau II
X2 =
1 bila murid masuk kelompok III
R2 = JKR/JKT = 1- (JKG/JKT)
1
JKT = Y ' Y Y ' J Y
n

7
Sehingga misalkan ada 30 murid yang terbagi dalam tiga

kelompok tiap kelompok terdiri atas 10 murid
kelompok,
murid. Maka nilai X1
dan X2 yang mungkin terbentuk sebagai berikut
Kelompok
p
X1
X2
1
2
.
.
.
10
0
0
.
.
.
0
0
0
.
.
.
0
II
11
12
.
.
.
20
1
1
.
.
.
1
0
0
.
.
.
0
III
21
22
.
.
.
30
0
0
.
.
.
0
1
1
.
.
.
1
perempuan mempunyai nilai ujian matematika tahun pertama

di suatu universitas dan nilai matematika pada rapor kelas 3
SMA sebagai berikut :
Jenis kelamin
Nilai Matematika
Ujian
Rapor
10
11
Soal 1: Suatu penelitian telah dilakukan untuk mengetahui adanya

p
perbedaan
penggajian
p
gg j
((diskriminasi)) terhadap
p karyawan
y
wanita dan p
pria di
suatu perusahaan. Karyawan yang diteliti adalah yang memiliki tingkat
pendidikan yang sama.
Pria
Soal 2: Enam mahasiswa laki-laki dan lima mahasiswa
a. Tentukan persamaan regresi

dugaan yang sesuai untuk
permasalahan tsb.
tsb
b. Buat gambar garis regresi untuk
masing-masing jenis kelamin
mahasiswa. Apa yang dapat
disimpulkan.
Wanita
Gaji (dalam ratusan

ribu per minggu)
Lama Bekerja
(tahun)
1
2
3
4
5
6
7
8
9
10
11
28
28
28
21
28
29
33
36
39
39
43
1
2
4
6
6
8
15
20
25
24
30
Gaji (dalam ratusan

ribu per minggu)
Lama Bekerja
(tahun)
12
13
14
15
16
17
18
19
20
21
20
24
21
28
23
25
23
21
25
26
1
3
4
6
9
11
17
19
23
28
a. Tentukan p
persamaan regresi
g
dugaan
g
yang
y
g sesuai untuk p
permasalahan tsb.
b. Buat gambar garis regresi untuk masing-masing jenis kelamin karyawan. Apa
10
yang dapat disimpulkan.
Soal 3
Berikut
B
ik adalah
d l h data
d
sampell tentang hubungan
h b
antara lama
l
b l j
belajar
(dalam jam per minggu) terhadap nilai akhir ujian suatu mata
g terdiri dari enam mahasiswa lakikuliah dari 12 mahasiswa yyang
laki (L) dan enam mahasiswa perempuan (P).
Pengamatan
Lama belajar
Nilai akhir ujian
Jeniss kelamin
Je
ea
1
4
9
L
2
3
7
L
3
3
8
L
4
9
10
L
5
5
7
L
6
2
7
L
7
6
9
P
8
5
8
P
9
6
8
P
10
4
6
P
11
8
10
P
12
5
6
P
a)Tentukan persamaan regresi dugaan yang sesuai untuk

permasalahan tersebut.
p
b)Buat gambar garis regresi untuk masing-masing jenis kelamin
mahasiswa. Apa yang dapat disimpulkan.
11
12
Alasan jika ada k kategori maka ada k-1 peubah boneka
Yan, X. & Su, X.G. 2009.Linear regression analysis : theory and computing.
New Jersey: World Scientific Publishing.
Publishing
13
REGRESI NON LINEAR
2
1
Model Kuadratik
Model Kubik
2
Persamaan regresi dugaan : Y = b0 + b1 X + b2 X

Persamaan normal :
Persamaan normal :
nb0 + b1 X i + b2 X i2 = Yi
nb0 + b1 X i + b2 X i2 + b3 X i3 = Yi
x=X X
b0 X i + b1 X + b2 X = X iYi
2
i
3
i
x=X X
b0 X i + b1 X i2 + b2 X i3 + b3 X i4 = X iYi
b0 X i2 + b1 X i3 + b2 X i4 +b3 X i5 = X i2Yi
b0 X i2 + b1 X i3 + b2 X i4 = X i2Yi
b0 X i3 + b1 X i4 + b2 X i5 +b3 X i6 = X i3Yi
Data :
Data :
Y = 1,761+ 9,498X 0,5467X 2
Y = 4,805+12,13X 1,115X 2 + 0,0344X 3

3
Model Eksponensial
Mencari b0 dan b1 :
l b0 =
ln
ln Y (ln
X
l b)
i
Data :
X
Y = b0 b1
ln Y = ln b0 + (ln b1 )X
ln b1 =
n( X i ln Yi ) ( X i )( ln Yi )
Model Geometrik (Power)

Mencari b0 dan b1 :
ln b0 =
n X i2 ( X i )
ln Y
b1
ln X
b1 =
Data
Y = (377,495) X 0,286
Y = (11,240)(e 0,159 ) X
5
Y = b0 + b1 X + b2 X 2 + b1 X 3
Y = b0 X b1
ln Y = ln b0 + b1 ln X
n( ln X i ln Yi ) ( ln X i )( ln Yi )
n ln 2 X i ( ln X i )
Y =
Model Logistik
1
b0 b1
Model Hiperbola
Y =

1
ln = ln b0 + (ln b1 )X
Mencari b0 dan b1 :
Y
(
)
ln
1
Y
X
(
n
i (ln b ) i lnl b = X i ln(1 Yi )) ( X i )( ln(1 Yi ))
ln b0 =
1
1
2
2

Mencari b0 dan b1 :
(1 Yi )( X i2 ) ( X i )( X i Yi )
Data :
Data :
b0 =
n X i ( X i )
1
b0 + b1 X
1
= b0 + b1 X , jika Y 0
Y
n X i2 ( X i )
b1 =
n( X i Yi ) ( X i ) (1 Yi )
n X i2 ( X i )
160
140
120
100
Y
80
Yduga
60
40
20
Y =
1
(0,089)(0,853) X
Y =
1
0,0066+ 0,000013X
500
1000
1500
2000
Soal 1
Soal 2
Suatu perusahaan yang mengalami kemunduran ditunjukkan oleh

merosotnya hasil
h il penjualan
j l dari
d i tahun
h ke
k tahun
h sebagai
b
i berikut:
b ik
T h
Tahun
2001
2002
2003
2004
2005
2006
X : harga barang per unit dalam ribuan rupiah

Y : hasil penjualan barang tersebut dalam jutaan rupiah
2007
Kode Tahun
Hasil Penjualan
(dalam jutaan
rupiah)
83
60
54
21
22
13
13
20
35
60
100
150
300
500
800
150
125
105
100
92
77
62
58
Dengan menggunakan model eksponensial, berapa prediksi hasil

penjualan
j l kalau
k l X = 900? Gambarkan
G b k grafik
fik Y dan
d dalam
d l
satu
t
gambar.
Dengan menggunakan
D
k
model
d l kuadratik,
k d tik tentukan
t t k
b
berapa
prediksi
dik i
hasil penjualan untuk tahun 2008 dan 2009? Gambarkan grafik Y
dan dalam satu gambar.
Soal 3
10
Soal 4
X = kecepatan (dalam km) ketika rem mulai diinjak

Y = jarak (dalam m) yang masih ditempuh mobil dihitung mulai
rem diinjak hingga berhenti.
Pemeriksaan jarak berhenti sejak mobil direm pada tiap kecepatan
tidak dilakukan hanya sekali melainkan berulang-ulang
berulang ulang atau
terhadap beberapa mobil. Hasilnya seperti berikut:
X
10
20
30
40
50
60
70
80
9,2
8,7
,
9,0
8,9
16,4
15,2
,
16,7
27,3
28,2
,
26,8
27,0
41,8
40,2
,
62,4
63,1
,
60,9
88,5
86,2
,
120,0
119,1
,
120,4
141,8
140,1
,
138,9
Selidikilah model regresi mana yang lebih tepat diantara:

a. Eksponen
c. Logistik
e. Kubik
b. Geometrik
d. Hiperbola
Perkembangan industri rumah tangga dari suatu daerah selama 6

tahun,
h
adalah
d l h sebagai
b
i berikut:
b ik
Tahun
2002
2003
2004
2005
2006
2007
Kode Tahun
Banyaknya industri
12
18
18
20
Dengan menggunakan model logistik, berapa prediksi banyaknya

industri rumah tangga pada tahun 2010.
2010 Gambarkan grafik Y dan
dalam satu gambar.
11
12
Soal 5
Tabel Model Regresi
Suatu penelitian yang bertujuan untuk menentukan model regresi

yang paling
li
tepat dari
d i empat kemungkinan
k
ki
yaitu,
i
model
d l linear,
li
model kuadrat, model akar serta model logaritmik dalam
mengetahui pengaruh dari beberapa faktor yang berpengaruh
terhadap produktivitas tenaga kerja di suatu industri kecil. Jumlah
observasi ada 168. Data produksi per orang per minggu diperoleh
p
produktivitas (Y), lama bekerja
p
j
dari industri kecil tersebut meliputi
(X1), umur (X2), pendidikan (X3).
Model
regresi
Linear
Y = 15457,77 + 25,33 X 1 + 19,72 X 2 + 225,22 X 3
Kuadrat
((9,00))
((0,14))
(
(0,33)
)
((1,62))
R2 = 0,018; F = 1,01
Y = 30783,70 + 846,30 X 1 1107,20 X 2 784,20 X 3 61,90 X 12 + 18,00 X 22 + 119,10 X 32
Akar
T
Tentukan
t k model
d l regresii yang terbaik
t b ik dari
d i beberapa
b b
model
d l yang
telah dicobakan dengan memperhatikan nilai thitung, koefisien
determinasi (R2) dan nilai Fhitungg pada tabel diatas. Gunakan
taraf nyata 0,05 bila diperlukan melakukan pengujian.
Logaritmik
P
Persamaan
regresii dugaan,
d
nilai
il i uji
ji t dalam
d l kurung,
k
R2, F
((5,79)
, )
((1,02)
, )
((2,80)
, )
((1,48)
, )
((0,89)
, )
((2,75)
, )
((2,18)
, )
R2 = 0,174; F = 2,13
1
1
1
Y = 72602,7 232 X 1 + 2005 X 2 + 1534 X 3 + 1896 X 1 2 21770 X 2 2 3886 X 3 2
(3 63)
(3,63)
(0 20) (2,72)
(0,20)
(2 72)
(2 94)
(2,94)
(0 36)
(0,36)
R2 = 0,173; F = 2,15
ln Y = 9,90 + 0,013 ln X 1 0,068 ln X 2 + 0,002 ln X 3
(27 7) (0,22)
(27,7)
(0 22)
R2 = 0,006; F = 0,32
13
(0 54)
(0,54)
(2 77)
(2,77)
(2 44)
(2,44)
(0 25)
(0,25)
14
Latar Belakang
Regresi logistik adalah bagian dari analisis regresi yang
di
digunakan
k
k ik peubah
ketika
b h dependen
d
d
(
(respons)
) merupakan
k
peubah dikotomi. Peubah dikotomi biasanya hanya terdiri atas
dua nilai,
nilai yang mewakili kemunculan atau tidak adanya suatu
kejadian yang biasanya diberi angka 0 atau 1.
REGRESILOGISTIK
REGRESI LOGISTIK
ModelRegresi LinearSederhana Peubah respons biner
Nilai Harapan bagi Yi

E(Yi)=1(i)+0(1 i)=i
Sehingga 0 E(Yi) 1.
Yi = 0 + 1Xi + i , Yi = 0, 1
Karena E(i)=0maka E(Yi )=0 +1Xi
Yi merupakan peubah acak Bernoulli,sehingga fungsi peluangnya
Yi Peluang
1 P(Yi =1)
1) =
i
0 P(Yi =0)=1 i
dengan i menyatakan
d
k peluang
l
b h Yi =1,dan
bahwa
1 d 1
1 i menyatakan
k
peluang bahwa Yi =0.
Karena pengamatan Yisaling bebas,maka fungsi peluang bersama

adalah
d l h
ModelRegresi
Model
Regresi Logistik Sederhana
Modelregresi logistik sederhana:Yi =E(Yi)+i ,dengan Yi
mer pakan peubah
merupakan
pe bah acak Bernoullidengan
Berno lli dengan E(
E( i )=0.
) 0
E (Yi ) = i =
exp( 0 + 1 X i )
1 + exp( 0 + 1 X i )
Untuk mempermudah estimasi parameterdengan metode

maksimum likelihoodmaka
Peubah Xdiasumsikan konstanta yangdiketahui.

Bernoulli dengan fungsi peluang
Yii merupakan peubah acak Bernoullidengan
DataTugas Pemrograman (Hal566)
Sehingga fungsi likelihoodadalah sebagai berikut
Peubah bebas adalah pengalaman pemrograman dalam bulan.

Peubah tak bebas (peubah respons)adalah kesuksesan program,
dengan 1=sukses,0=gagal.
Dengan estimasi maksimum likelihooddiperoleh
Selanjutnya diturunkan terhadap masingmasing parameterdan

dimaksimumkan Sehingga diperoleh penduga bagi 0yaitu b0 dan
dimaksimumkan.Sehingga
penduga bagi 1yaitu b1.
g respons
p
logistik
g
dugaan
g
adalah
Fungsi
Fungsi respons logistik dugaan
exp( 3,0597 + 0,1615 X )

1 + exp( 3,0597 + 0,1615 X )
Misalkan seseorang selama 14bulan

14 bulan berpengalaman dalam
pemrograman maka peluang suksesnya adalah ..
7
Rasio Odds(OddsRatio
Odds(OddsRatio))
Secara umum, rasio peluang (odds ratios) merupakan sekumpulan
peluang yang dibagi oleh peluang lainnya. Rasio peluang bagi
prediktor (peubah bebas) diartikan sebagai jumlah relatif dimana
peluang hasil meningkat (rasio peluang > 1) atau turun (rasio
peluang
l
< 1) ketika
k ik nilai
il i peubah
b h prediktor
dik meningkat
i k sebesar
b
1 unit.
i
Pada data tugas pemrograman, diperoleh rasio odds
OR = exp(0,1615) = 1,175
Peluang menyelesaikan tugas naik sebesar 17,5%
17 5% = (117,5100)%
(117 5100)%
untuk setiap kenaikan 1 bulan pengalaman pemrograman.
9
10
Soal (Datakemampuan
(Datakemampuan bekerja
bekerja)
)
Regresi Logistik dgSPSS
Seorang psikologi ingin mengetahui hubungan antara stabilitas emosi

karyawan (X) dan kemampuan karyawan bekerja dalam kelompok (Y).
Stabilitas emosi diukur dengan uji tertulis dengan semakin tinggi skor
menyatakan
k stabilitas
bili
emosii semakin
ki tinggi.
i i Kemampuan
K
b k j dalam
bekerja
d l
kelompok (Y = 1 jika dapat, Y = 0 jika tidak dapat) dievaluasi oleh supervisor.
Berikut data dari 27 karyawan :
11
10
11
12
13
Xi
474
432
453
320
356
532
587
423
552
403
502
321
453
14
579
Yi
15
16
17
18
19
20
21
22
23
24
25
26
27
Xi
537
402
592
320
337
589
513
413
572
422
562
506
600
Yi
12
Dimisalkan modelregresi logistik dapat digunakan.

a. Tentukan fungsi respons dugaan.
b. Buatlah plotpencar dari datadan fungsi respons logistik
dugaannya.Apakah fungsi respons dugaan cocok?
c. Tentukan exp(b1)dan berikan maknanya.
d Berapa peluang
d.
l
b h karyawan
bahwa
k
d
dengan
skor
k stabilitas
bili emosii 550
akan dapat bekerja dalam kelompok?
ModelRegresi
Model
Regresi
g
Logistik
g
Berganda
g
Yimerupakan peubah acak Bernoulli
Sehingga
S hi
nilai
il i harapan
h
d i Yi adalah
dari
d l h
Dengan estimasi maksimum likelihooddiperoleh fungsi respons

logistik
g
dugaan
g
adalah
13
14

Handout Analisis Regresi

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Handout Analisis Regresi

Diunggah oleh

Hak Cipta:

Format Tersedia

HANDOUT

NIP. 19790816 200112 2 001

Analisis Regresi dan Analisis Korelasi

Apa itu analisis regresi?

Yi adalah nilai peubah tak bebas dalam pengamatan ke-i

Model regresi linear sederhana

Persamaan regresi linear dugaan :

b0 penduga bagi 0 dan b1 penduga bagi 1

= (Yi E (Yi )) = (Yi ( 0 + 1 X i )) = L

Bagaimana Pengujian terhadap model regresi ??

Plot data ternyata menunjukkan ada hubungan linear antara X dan Y

Apa makna b0 dan b1 pada konteks ini ?

= 100,0; Yi = 50,0; X = 509,12; Yi = 134,84; X iYi = 257,66

Suatu penelitian telah dilakukan untuk mengetahui hubungan

n = 10, X i = 120, Yi = 500, X iYi = 6106, X i2 = 1470, Yi 2 = 25440

Seorang guru matematika mencatat lama waktu (Y, dalam

a) Plot data dengan diagram pencar. Berikan penjelasan

Tabel ini menunjukkan

a) Plot data dengan diagram pencar. Berikan

MODEL REGRESI LINEAR SEDERHANA BERGALAT NORMAL

ASUMSI-ASUMSI DALAM ANALISIS REGRESI LINEAR SEDERHANA

Galat memiliki ragam yang konstan

ASUMSI-ASUMSI DALAM ANALISIS

i diduga oleh ei = Yi Yi !!!

GALAT MEMILIKI RAGAM YANG KONSTAN

GALAT MENYEBAR NORMAL

Plot sisaan (ei) dengan nilai dugaan (Yi )

Plot peluang normal bagi sisaan yaitu ei versus hi

Bila sisaan-sisaan tidak membentuk suatu pola tertentu maka

KTG = JKG /(n p )

hi adalah nilai harapan di bawah asumsi kenormalan

Galat memiliki ragam

Galat tidak memiliki ragam

GALAT BERSIFAT SALING BEBAS

PERHATIKAN TABEL BERIKUT

Bila data tidak diamati secara bersamaan,melainkan

Bila data diamati bersamaan, untuk melihat

a) Tentukan persamaan garis regresi linear dugaan

Normal Probability Plot of the Residuals

Normal Probability Plot

Apa yang dapat Anda simpulkan dari gambar 1, 2 dan 3? Berikan

Berdasarkan Gambar 1, apa tanda dari koefisien korelasinya? Berikan

Selang Kepercayaan bagi 1

s{b1} dengan s 2 {b1} =

Misalkan diperoleh selang kepercayaan 95% bagi 1

Perhatikan simpangan total berikut :

Uji bagi 1=0 lawan 10

Jumlah kuadrat simpangan-simpangan tersebut :

Uji Satu Arah Bagi 1

JKR = JKT JKG

Ujilah apakah 1 = a atau tidak?

Apakah 1 negatif atau tidak?

Selang Kepercayaan bagi 0

Uji bagi 0=0 lawan 00

Misalkan diperoleh selang kepercayaan 90% bagi 0

Suatu tes diberikan pada semua mahasiswa baru. Seseorang yang

Sum Square of Errors (SSE) JKG

SSE = Yi 2 2b0 Yi 2b1 X iYi + b0 Yi + b1 X iYi

Data Kredit Konsumen

Anggaplah bahwa model regresi ordo pertama layak digunakan.

a. Tentukan persamaan regresi dugaannya!

Ukuran Deskriptif bagi Hubungan

` JKT mengukur keragaman di dalam amatan-amatan Yi atau

` JKG mengukur keragaman dalam Yi dengan menggunakan model