atau : n n
n b0 b1 X i Yi ............... (1)
i Yi Yˆi Yi b0 b1 X i i 1 i 1
Y X b X b X
R-Sq 65,4%
9 R-Sq(adj) 58,5%
i i 0 i 1 i
2
0
8
i 1 i 1 i 1
n n n
7
X iYi b0 X i b1 X i2 0
Y
6 i 1 i 1 i 1
n n n
b0 X i b1 X i2 X iYi ........
5
4
i 1 i 1 i 1
3 (2)
10 15 20 25 30 35 40 45
X Persamaan (1) dan (2) dinamai persamaan normal.
Titik-titik merah adalah nilai hasil eksperimen, di- iii. Menghitung b0 dan b1 berdasarkan dua persama-
notasikan Yi , yang diduga membentuk garis lurus an yang terbentuk. Dari persamaan (1) didapat-
berwarna biru. Garis inilah model yang akan di- kan formula b0,
n n
taksir, dengan cara menaksir koefisiennya, yaitu b0
n b0 b1 X i Yi
dan b1, sehingga terbentuk persamaan Yˆi b0 + b1 i 1 i 1
Xi.
Garis tegak lurus sumbu horisontal yang menghu- 1 n n
bungkan titik eksperimen dengan garis lurus dugaan b0 = Yi b1 X i Y b1 X
dinamai error.
n i 1 i 1
Metode least square bertujuan mendapatkan penak- Formula b0 ini kemudian disubstitusikan ke
sir koefisien regresi, yaitu b0 dan b1, yang menjadi- persamaan (2),
n
kan jumlah kuadrat error, yaitu
i 1
i
2
sekecil
n
b0 X i b1 X i2 X iYi
n n
i 1 i 1 i 1
mungkin. Prosedur metode kuadrat terkecil adalah
sebagai berikut :
n n n
i. Membentuk
n
i
2
sebagai fungsi b0 dan b1, Y b X X 1 i b1 X X iYi i
2
i 1 i 1 i 1
i 1
n n n n
Y X i b1 X X i b1 X i2 X iYi
n n
Y b b1 X i
2 2
S = f(b0,b1) = i = i 0
i 1 i 1 i 1 i 1 i 1 i 1
1
dan didapatkan penaksir koefisien regresi, yaitu b :
n n n
X Y Y X
i i i X Y nXY i i
S
b = A-1g
b1 i 1
n
i 1
n
i 1
n
XY dengan b = (b0 , b1 , ... , bk)T
S XX
X
i 1
i
2
X Xi
i 1
Xi 1
i
2
nX 2
Latihan 1
Buktikan persamaan berikut :
Model regresi linier multiple dinyatakan dengan 1. Yˆ Y b1 ( X X )
persamaan berikut :
2. Buktikan titik ( X , Y ) terletak pada garis regresi.
Yi = 0 + 1X1i + ... + kXki + i, n
i 1 i 1 i 1 i 1 i 1 n
X i X Yi X i X Y
Untuk mempermudah menghitung penaksir koefisi- i 1
en regresi maka persamaan normal diubah ke ben- n n
tuk matrik, X i X Yi X i X Y
i 1 i 1
n
n
n
X i X Yi
n
n X 1i X Yi
ki
b0 n i 1
i 1
n i 1 i 1
X
n n
X X Y1 X 2 X Y2 ... X n X Yn
X 1i X k1 b1 X 1iYi 1
X 2
1i 1i
i 1
i 1 i 1 i 1
Formula variansi b1 menjadi sebagai berikut :
n b n n
2 k
n n
X ki
i 1
X 1i X k1 X ki
X ki i
Y X i Yi nXY
i 1 var i 1 1 n
i 1 i 1 var X i Yi nXY
A( k 1)( k 1) b( k 1)1 = n 2
i 1
X nX 2 X 2 nX 2
n
2
i
g ( k 1)1 i 1 i 1
i
Pada satu matrik dan dua vektor di atas, masing-ma-
n
sing dinamai : matrik A (berukuran (k+1)(k+1)), var X i Yi nXY
vektor b (berukuran (k+1)1), dan vektor g (juga i 1
berukuran (k+1)1), sehingga persamaan normal var X 1 X Y1 X 2 X Y2 ... X n X Yn
menjadi :
=
A b = g,
2
X 1 X var Y1 X 2 X var Y2 ... X n X var Yn
2 2 2
n
X iYi nXY
=
n
X X 2 X 2 X 2 ... X n X 2 =
2 2 2 var i 1n
n
1
2
2
Xi X
2
X i nX
1
X i2 nX 2
2 2 i 1
i 1 i 1
2 Xi X
n
2
i 1
n
X iYi nXY 1 n
2 Xi X
2
var i 1n 2
2
X i nX
n
(Xi X )
2 2 i 1
i 1 i 1
2
n
( X i X )2
i 1
2 ˆ 2 s2
var(b1 ) n
; bila 2 tidak diketahui, maka menjadi : ˆ b1 )
var( n
n
(X
i 1
i X )2 (X
i 1
i X )2 (X
i 1
i X )2
s
Penaksir Simpangan Baku ( b1) = 1/ 2
( X i X ) 2
n
i 1
s2 = jumlah kuadrat error/n-2
1 n n
b0 = Yi b1 X i Y b1 X
n i 1 i 1
1 n
2
var( Yi ) X 2 n
= n2 i 1
(X
i 1
i X )2
2
1 2
= n2
2 ... 2 X 2 n
(X
i 1
i X )2
1 2
2
( n 2 ) X 2 n
= n
(X
i 1
i X )2
Setelah ke dua suku disamakan penyebutnya, dan 2 diganti dengan s2, didapatkan penaksir var(b0) sebagai
berikut :
n n
s ( X i X ) 2 nX 2
2
s 2 X i2
vâr(b0 ) i 1 n
n
i 1
n ( X i X ) 2 n ( X i X ) 2
i 1 i 1
3
1/ 2
n
s 2 X i2
Penaksir simpangan baku (b0) = n i 1
n ( X i X )
2
i 1
Diketahui : Yi variabel random saling independen dan identik, dengan var(Yi) = 2, i = 1, 2, ... , n.
Akan dilakukan penurunan cov(a,b), a dan b masing-masing fungsi variabel random Yi., sbb :
n n
a= a i Yi a1Y1 a 2Y2 ... a n Yn ,
i 1
b= b Y
i 1
i i b1Y1 b2 Y2 . . . bn Yn
a 2
= 2
i
i 1
b 2
= 2
i
i 1
4
n n n
(a a b
2 2
= 2 i bi ) 2 2 i 2 i
i 1 i 1 i 1
n n n
= (ai bi 2aibi ) 2 ai 2 b
2 2 2 2 2
i
i 1 i 1 i 1
n
= 2 2a b
i 1
i i
n
cov(a,b) = 2
a b
i 1
i i
Penurunan cov(b0,b1)
Cara Pertama,
cov(b0,b1) = cov ((Y b1 X ), b1 ) cov(Y Xb1 , b1 ) , digunakan review rumus 6, dengan 1 = Y ,
1 = X , 2 = 0, dan 2 = 1.
X 2
= cov( X cov(b1 , b1 )) X var(b1 ) = n
(X
i 1
i X )2
Cara Kedua,
Menggunakan logika penurunan cov(a,b). Cara ini lebih panjang, tetapi merupakan latihan pemahaman
operasi variabel random yang sangat baik. Variabel random b0 dan b1 masing-masing merupakan fungsi
variabel random Yi.
Logika penurunan ini kemudian digunakan untuk mendapatkan cov(b0,b1); keduanya merupakan fungsi
variabel random Yi..
n n
n ( X i X )Yi (X X )Yi
i
cov(b0,b1) = cov n Yi n
1 i 1
X, i 1
n
i 1 2
i 1
(Xi X ) 2
i 1
(Xi X )
n
(X
i 1
i X ) 2 tidak memuat variabel random, dan hasilnya sudah tertentu, sehingga dapat dianggap
konstanta, dinotasikan k. Begitu pula dengan X , juga konstanta, boleh dikeluarkan dari sigma.
n n
n X ( X i X )Yi ( X i X )Yi
cov(b0,b1) = cov 1n Yi i 1 , i 1
i 1 k k
1 n n n
n kYi X ( X i X )Yi ( X i X )Yi
= cov i 1 i 1 , i 1
k k k
1 n n n
n kYi X ( X i X )Yi ( X i X )Yi
= cov i 1 i 1
, i 1
k k
1 n
1 1 n
= cov ( 1n k ) X ( X i X ))Yi , ( X i X )Yi
i 1 k k i 1 k
5
2 1 1
n
1
= ( 1n k ) X ( X i X ) ( X i X )
i 1 k k k
n
1 1 2
= 2 1n k ( X i X ) 2 X ( X i X )
2
i 1 k k
2 2
n n
1 1
= 2 1n k ( X i X ) 2 X ( X i X )
i 1 k i 1 k
2 1 2
n n n
1
= 2 1n k ( X i X ) 2 X ( X i X ) dapat diturunkan bahwa (X i X) 0
k i 1 k i 1 i 1
2 2
n n
1
= 2 X (Xi X ) pada awal penurunan disebutkan k = (X i X )2
k i 1 i 1
X
= n
2
2
(Xi X )
i 1
X 2
n
=
( X i X )2
i 1
2X
n
cov(b0,b1) =
(X
i 1
i X )2
Apabila diketahui atau ditentukan nilai variabel bebas sebesar X0 , maka didapatkan penaksir atau dugaan nilai
respon, Ŷ0 sebesar :
Yˆi b0 b1 X i .
n
n ( X 0 X ) ( X i X )Yi
cov(Y , b1 ( X 0 X )) = cov(Y , ( X 0 X )b1 ) = cov n Yi ,
1
n
i 1
i 1
i 1
( X i X )2
6
n
n
(
0 X X ) (Xi X )
= ( 1n )
2 i 1
n
i 1
i 1
(Xi X ) 2
n
= 0, karena (X
i 1
i X) 0
2 2 ( X 0 X )2 2
( X 0 X ) 2 var(b1 ) n
var( Ŷ0 ) = var(Y ) var(b1 ( X 0 X ) 0 = n n
( X i X )2
i 1
s 2 ( X 0 X )2 s 2 2
n 2 1 (X X )
Penduga var( Ŷ0 ) = n 2 = s
n 0
i 1
(Xi X ) n
2
(Xi X )
i 1
1/ 2
1 (X X ) 2
Penduga simpangan baku Ŷ0 = s n 0
n 2
i 1
(Xi X )