Pokok
Bahasan
Pengujian
pada Regresi Ganda
Ganda
Mode Regresi
Linier
Y f(X)
Y f ( X1 , X 2 ,..., X
Berganda
Y n ) X X ... X
i
1i
2i
ki
dimana:
Yi = variabel dependent/respon/output
Xi = variab independent/prediktor/input/f
regresi
el
xed
= parameter/koefsien
i = unsur gangguan yang diasumsikan
i
independen
dan berdistribusi normal atau
identik,
i ~ IIDN(0,2)
peubah penjelas :
Y 0 1X1 2 X 2 k Xk
Parameter regresi sebanyak k+1 diduga melalui data.
Untuk regresi berganda, perhitungannya menjadi
y i b0 b1x1i b 2 x 2i bk x ki
Y 0 1X1 2 X 2 k Xk
X)
b
(X'
( k 1) 1 ( k 1)
(k
1)
(k 1)
X'n
y
1
lanjutan
X) X'
1
cov(b1 , b0 ) V (b1 )
...
...
V (b)
s2
...
b j c jj s
dengan :
s2 = KT sisaan
PENGUJIAN MODEL
Uji t
Uji F
Uji Paramet
er
Uji-t
untuksatu
menguji
setiap peubah
peubah dimaksudkan
penjelas secara
per pengaruh
satu terhadap
Y 0 1X1 2 X 2 k Xk
H0:
H1:
atau j 0
atau j 0
Uji Paramet
er : uji-t
Regres Linie Bergand
lanjutan
i
r
a
Model Regresi-nya:
Y 0 1X1 2 X 2 k Xk
Hipotesis :
Statistik uji-nya :
1.
H 0 : 1 0
.
.
k.
H 1 : 1 0
0
atau 1
0
.
.
:
H .
atau 1
, s jj
bj
j
c = sn k - 1
Derajat bebasnya
sb
0
0
H1 : k
atau k 0
0
t hit
bjj
atau k 0
Uji Paramet
er : uji-t
Regre Linie Bergand
lanjutan
si
r
a
Kaidah Keputusan :
H 0: i 0
H1: i < 0
untuk i = 1, 2, ., k
H 0: i = 0
0
H:
H0: i 0
H1:
i > 0
a
-t
a
tolak H0 jika t < -tn-2, a
tta
Tolak H0 jika t > tn-2, a
a/2
-t- a/2
a/2
ta/2
n-2, a/2
Uji
Parameter
Regres Linie
i
r
Interpretasi hasil keputusan
: i =: 1,
2,
Berganda
uji-t
., k
lanjutan
H 0: i 0
1
i
Peubah
penjelas
TOLAK H0: X berpengaruh
i
nyata thdp
peubah respon Y
secara linier dan
hubungannya
Peubah
negatif penjelas Xi
TERIMA H0: tidak berpengaruh
negatif thdp
peubah respon Y
secara linier
H:
<0
H0:
i 0
H1:
>0
i
Peubah
penjelas
Xi berpengaruh
nyata thdp
peubah respon Y
secara linier dan
hubungannya
Peubah
positif penjelas Xi
tidak berpengaruh
positif thdp
peubah respon Y
secara linier
H0:
H1:
i = 0
i
Peubah penjelas Xi
berpengaruh nyata
thdp peubah
respon Y secara
linier
Peubah penjelas Xi
tidak berpengaruh
nyata thdp peubah
respon Y secara
linier
berpengaruh = memiliki
hubungan
ry1,2
ry 2,1
ry1 ry 2r12
2
(1 ry 2 )(1 r12 )
ry 2 ry1r12
2
Uji
Parameter
lanjutan
CONTOH
:: DATA
TEKANAN
DARAH
CONTOH
DATA
Regresi
Linier
Berganda
Orang Tekanan Ukuran
Mero
Umur
ke
Darah Tubuh
kok
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
135
122
130
148
146
129
162
160
144
180
166
166
138
152
138
140
134
2,876
3,251
3,1
3,768
2,979
2,79
3,668
3,612
2,368
4,637
3,877
4,032
4,116
3,673
3,562
2,998
45
41
49
42
54
47
60
48
44
64
59
59
51
64
56
54
50
0
0
0
0
1
1
1
1
1
1
11
0
0
1
1
145
142
135
142
150
144
137
132
149
132
120
126
161
170
152
162
3,36
3,024
3,171
3,401
3,628
3,751
3,296
3,21
3,301
3,017
2,789
2,789
2,956
3,8
4,132
3,962
4,01
49
46
57
56
56
58
53
50
54
48
43
43
63
63
62
65
1
1
0
0
1
0
0
0
1
1
0
10
0
1
0
0
: uji-t
Uji
Parameter
Bergand
: uji-t
lanjutan
a
Regresi
Linier
50
60
180
170
Tekanan
Darah
160
150
140
130
120
2,4
3,2
Ukuran
Tubuh
4,0
0,0
Umu
r
0,5
Me
ro
ko
k
1,0
Plot di samping
menunjukkan
bahwa :
1. Ukuran tubuh memiliki hub linier
positif dg tek darah
2. Umur memiliki hub
linier pos dg
tekanan darah
3. Stat merokok memiliki hub lin positif dg tek darah
Uji
Parameter
Regres Linie Bergand
: ujiRegresi
Linier
i
r
a
t
Constant
Ukuran Tubuh
Umur
Merokok
Coef
SE Coef
50,54
11,19
4,52
0,000
12,841
4,256
3,02
0,005
0,8481 0,2928
2,90
0,007
9,113 2,805
3,25
0,003
t tabel : t 28; 0,025 =
0,683
lanjutan
KEPUTUSAN:
Ke-3 p.penjelas nyata tolak H
0.
= 5%
KESIMPULAN:
KESIMPULAN:
Ukuran tubuh,
umur,
:
Memiliki hub
linier dengan
tek. darah
Uji Paramet
er : uji-t
Regres Linie Bergand
(lanjutan)
i
r
a
Untuk j=1 t hit = 3.02 tolak H0
Untuk j=2 t hit = 2.90 tolak H0
a/2=.025
a/2=.025
KESIMPULAN :
-tn-4,/2
Tolak H0
tn-4,/2
Terima H0
-0,683
d.b. = 32 3-1 = 28
Tolak H0
0,683
t28,.025 = 0,683
Uji Paramet
er : uji-F
Regres Linie Bergand
i
r
a
Dengan uji F ini kita dapat mengetahui :
H 0 : 1 2 ... k 0uji-F
t
Bebas
(db)
k
memp
Sisaan
Total
n k-1
n-1
JK sisaan
YY bXY
YY Y11Y
n kk
-1
ke-k
Fhit
(terkoreksi)
KRITERIA PENOLAKAN :
KT
KT
regresi
lanjutan
H0 : 1 2 ... k 0
H : min ada1 0, j
1
j
1,2,..,k
R-Sq = 72,6%
Source
DF
SS
Analysis
of Variance
Regression
3
4610,3
1536,8
62,2
24,71 0,000
F tabel : F
tolak H0. = 5%
KESIMPULAN:
R-Sq(adj) =
MS
KEPUTUSAN:
(3,28), 5%
=2,95
Tekanan darah
memiliki
hubungan linier
dg min satu
peubah penjelas
H 0 : 1 2 3 0
H1 : min ada satu j 0, j
1,2,3
F tabel : F
(3,28) 5%
,
Statistik uji-nya:
lanjutan
KT regresi
24 ,71
Fhit
KT sisaan
Keputusan:
=2,95
Tolak H0
Kesimpulan:
= .05
F
Terima H0
F.05 = 2,95
Tolak H0
Y 0 1 x 1 k x k 1 z 1 r z r
Untuk melihat pengaruh r peubah penjelas tambahan
tsb dpt dilakukan sebagai berikut :
1. Model lengkap dengan k+r peubah penjelas,
Uji-F Parsial
dan
uji-F Sekuensi
lanjutan
al
Y 0 1x1 2x2 3 x3
Y 0
x 2 3
2 x 2 3 x 3
Y 0 1x1
Y 0
Y 0 1x1
Y 0 1x1 2 x 2
Uji-F PARSIAL
Model dibangun dengan
mengeluar- kan satu peubah
penjelas yg akan
diuji pengaruhnya dari model lengkap.
Diuji
pengaruhnya.
Y 0 1x1 2x2 2 Z2
Uji-F SEKUENSIAL
Model dibangun dengan
menambah- kan satu persatu
peubah penjelas baru ke dalam
model .
Diuji pengaruhnya
Uji-F Parsi
Model lengkap : k+r peubah penjelas al
Y 0 1 x 1 k x k 1 z 1 r z r
Model tidak lengkap : k peubah penjelas
e
2
r,n k r 1,
, s e KTsisa
Uji-F Parsi
lanjutan
al
( JKs(r) - JKs ) /
F
s2
r
Uji-F Parsi
lanjutan
al
YG
Y 0 1X1 3X3
X3
X2
2Xr=1
Y 0k=2,
2 3X3
X1
JK sisa (JKs(r) )
JK sisa (JKs)
2
KT sisa (se )
=1
( JKs - JKs) / r
(r)
s2
Fr, n -k -r-1;
X3 thdp Y
F3 untuk menguji pengaruh peubah penjelas
e
Uji-F Sekuensi
al
Penambahan satu peubah baru (r=1) ke model secara bertahap
Model Lengkap
k=1 , r=1
k=2 , r=1
Y 0 1x1 k x k j z j , j 1,2,...
Y 0 1x 1
H1 : 1 0
Y 0 1x 1 1z 1
0
k=3 , r=1
H 0 : 1 0
H0:2 0
2
Y x x z
H1 : 2 0
Y 0 1x 1 2x 2 3x 3 3z 3
Tolak H jika
0
JK( a | b 1 , b 2 ,.., b k )
KT sisa ( b 1 , b 2 ,.., b k , a )
H 0 : 3 0
H1 : 3 0
F
1, n k 11,1 -
Uji-F
Sekuensial
JK( a1 | b1 )
F
KT sisa (b1 , a1 )
F tabel F(1, n 3 ), 1-
lanjutan
k=1 , r=1
Y 0 1x 1
H 0 : 1 0
H1 : 1 0
Y 0 1x 1 1z 1
JK regresi EKSTRA
F JK( aa 2| | b,1 , b) 2
KT
) sisa (b 1 , b2 , a2 ) H 0 : 2 0
H1 : 2 0
F tabel F
(1, n 4 ), 1-
Tolak H0 jika F
tabel
hit
>F
k=2 , r=1
Y x x2
0
1
1
2
Y 0 1x 1 2x 2 2z 2
Uji-F Sekuensi
lanjutan
al
MENGHITUNG
MODEL AWAL
JK regresi EKSTRA
MODEL SETELAH
PENAMBAHAN
Y 0 1x 1 Y x z
1 1
0
1
1
JK ( b1 )
JK ( b1,a1 )
F JK( aa1 | |b 1 ))
KT sisa (b 1 , a1 )
F tabel
F(1, n 3 ), 1
KTsisa (b1,a1)
lanjutan
Jika kita memasukkan peubah advertising lebih dulu,
berapakah sumbangannya terhadap model ?
lanjutan
Contoh
lain:
uji-F sekuensi
al
lanjutan
Suhu plat pembungkus dan jarak plat pembungkus
dalam mesin sabun mempengaruhi
pembungkus
mempengaruhi persentasesabun
sabun
yang lolos inspeksi.
terbungkus
Y 0 1 X 1 2 X 2
Y 0 (X1 - X 2 )
Y X X
0
1 2 H 0 : 1 2 H 0 : 1 2 0
HIPOTESIS
LINIER
H 1 : 1 2 0
Model:
lanjutan
E[Y] = 0 + 1X1 + 2X2 + + kX
k
Dalam Notasi
Matriks
H0 : C 0
H1 : C 0
linier
0, 1, 2, ,k yang belum tentu semuanya bebas
Full model: Y = X +
(db n - p)
(db n - p
sebesar r.
Statistik Uji
:
JK / r
F
JK Re s (FM ) /(n p)
~F
r ,n
p
atau
sisa(FM ) /(n p)
JK sisa
maka
(C
F
~F
r ,n p
MULTIKOLINIERITAS
multikolinieritas.
X
yang
model konfgurasi
Jika
kitaakan
inginmemasuki
mempertahankan
variabel
Gunakan metode estimasi diluar metode
X yang
akan terkecil,
memasuki
model
kuadrat
seperti
Ridge Regression,
Principal Component Regression, Partial
Least Square
Loans
Descriptive Statistics
Mean
1.19808
.29611
.12470
Std. Deviation
2.998614
.299745
.094526
.96362
.407539
104
.16785
.157325
104
N
104
104
104
Model Summaryb
Change Statistics
Model
1
1
R
.980a
.980
R Square
.960
.960
Adjusted
R Square
.959
.959
Std. Error of
the Estimate
.610612
.610612
R Square
Change
.960
.960
F Change
596.244
596.244
df1
4
df2
4
99
99
Sig. F Change
.000
.000
DurbinW atson
2.120
2.120
a. Predictors: (Constant), Ratio Non Performing Loans to Total Loans, Operating Efficiency Ratio, Gross Profit Margin, Interest Margin on Loans
b. Dependent Variable: Perubahan Laba Bank
ANOVAb
Model
1
Regression
Residual
Residual
Total
Sum of
Squares
889.232
36.912
36.912
926.144
df
4
9
99
9
103
Mean Square
222.308
.373
.373
F
596.244
Sig.
.000a
Coefficientas
Unstandardized
Coefficients
Standardized
Coefficients
Beta
B
Std. Error
-5.633
.373
Model
1
(Constant)
Gross Profit Margin
Interest Margin on Lo
.637
.405
.687
-2.486
3.759
-37.410
.064
-1.179
-5.659
.000
-50.527
8.680
.549
1.180
15.816
.000
17.531
2.990
.920
.920
5.864
5.864
.000
.000
Partial
Collinearity Statistics
Part
Tolerance
VIF
-24.293
.915
.873
.041
-.494
.008
-.114
.016
.009
61.470
107.871
7.591
9.769
.972
.846
.317
.072
13.820
11.599
11.599
23.463
23.463
.854
.854
.508
.508
.118
.118
.016
.016
61.114
61.114
Persamaan Regresi:
Y=-5,633 +
0,637X1
Correlations
Sig.
Lower BoundUpper BoundZero-order
.000
-6.373
-4.892
1.57
4
6.611
Operating Efficiency R
Ratio Non Performing
Loans to Total Loans
Histogram
Pe
meriksaan
40
30
20
F
10
Mean = 8E-15
Std. Dev. = 0.98
0
N = 104
-4
-2
Scatterplot
Regression Standardized
Residual
0.6
0.4
0.2
0.0
s
e
r
6
0.8
0.0
0.2
0.4
0.6
0.8
1.0
-2
-4
g
e
R
0.000
5.000
10.000
15.000
20.000