P. 1
Regresi Linier Berganda

Regresi Linier Berganda

|Views: 215|Likes:
Dipublikasikan oleh abduwl

More info:

Published by: abduwl on Feb 22, 2011
Hak Cipta:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PPT, PDF, TXT or read online from Scribd
See more
See less

03/02/2015

pdf

text

original

Regresi Linier Berganda

1

Asumsi Analisis Regresi Linier
1. Data Y berskala minimal interval Data X berskala minimal nominal (jika data X berskala nominal / ordinal harus menggunakan bantuan variabel dummy) 2. Existensi untuk setiap nilai dari variabel x yang tetap, y adalah variabel random dengan distribusi probabilitas tertentu yang mempunyai mean dan varians.
2

nilai rata-rata y adalah sebuah fungsi garis lurus dari x 5. Distribusi normal pada beberapa nilai tertentu x. Linieritas. Varians dari y adalah sama pada beberapa x 6. Nilai y secara statistik saling bebas 4. y mempunyai distribusi normal 3 .Asumsi Analisis Regresi Linier 3. Homoscedasticity.

Asumsi Analisis Regresi Linier 4 .

Asumsi Analisis Regresi Linier 5 .

 F k X k Dimana Y = variabel terikat Xi = variabel bebas ( i = 1.. k) Model penduganya adalah Y ! b0  b1 X 1  b2 X 2  .Regresi Linier Berganda Model regresi linier berganda melibatkan lebih dari satu variabel bebas..  bk X k 6 . 3. 3. «.. «. Modelnya : Y ! F 0  F1 X 1  F 2 X 2  . k) F0 = intersep Fi = koefisien regresi ( i = 1. 2. 2..

i ! 1. X 2i . Yi .. 2 ...Regresi Linier Berganda Misalkan model regresi dengan kasus 2 peubah bebas X1 dan X2 maka modelnya : Y ! F 0  F1 X 1  F 2 X 2 Sehingga setiap pengamatan _ X 1i .. na .

Akan memenuhi persamaan Y ! F 0  F1 X 1  F 2 X 2  I i 7 .

.  bk § X 1i X ki ! § X 1iYi «.. b0 § X ki  b1 § X ki X 1i b2 § X ki X 2i .Menaksir Koefisien Regresi Dengan Menggunakan Matriks Dari hasil Metode Kuadrat Terkecil didapatkan persamaan normal : nb0  b1 § X 1i 2  b2 § X 2i .  bk § X ki ! § X kiYi 2 8 ...  bk § X ki ! § Yi b0 § X 1i  b1 § X 1i b2 § X 1i X 2i ....

2 ¼ X ki ¼ ½ 9 .. ¬ ¬ X ki ­ X 1i X 1i ... .. Membentuk matriks A. ..... b dan g « n ¬ ¬ X 1i A! ¬ . X ki » ¼ X 1i X ki ¼ ¼ .. X ki X 1i 2 X 2i X 1i X 2i .. X ki X 2i .... ..Menaksir Koefisien Regresi Dengan Menggunakan Matriks Tahapan perhitungan dengan matriks : 1...

¼ ¬ ¼ ­bk ½ 10 « g 0 ! Yi » ¼ ¬ g1 ! X 1iYi ¼ g!¬ ¼ ¬ . ¼ ¬ ¬ g k ! X kiYi ¼ ½ ­ .....Menaksir Koefisien Regresi Dengan Menggunakan Matriks «b0 » ¬b ¼ ¬ 1¼ b! ¬ .

Membentuk persamaan normal dalam bentuk matriks Ab=g 3. Perhitungan matriks koefisien b b = A-1 g 11 .Menaksir Koefisien Regresi Dengan Menggunakan Matriks 2.

misalkan model terdiri dari 2 variabel bebas § ei ! § .Metode Pendugaan Parameter Regresi Dengan Metode Kuadrat Terkecil.

b1 dan b2 x § ei ! 2. Dilakukan turunan pertama terhadap b0 .Yi  b0  b1 X 1i  b2 X 2i 2 i !1 i !1 n n 2 Tahapan pendugaannya : 1.

Yi  b0  b1 X 1i  b2 X 2i xb0 2 .

x § ei ! 2.

Yi  b0  b1 X 1i  b2 X 2i X 1i xb1 2 .

12 x § ei xb2 .

2 ! 2.

Y  b  b X i 0 1 1i  b2 X 2i X 2i .

Metode Pendugaan Parameter Regresi 2. Ketiga persamaan hasil penurunan disamakan dengan nol nb0  b1 § X i1  b2 § X i 2 ! § Yi b0 § X 1i  b1 § X i1  b2 § X 1i X i 2 ! § X 1iYi 2 b0 § X 2i  b1 § X i1 X 2i  b2 § X i 2 ! § X 2iYi 2 13 .

Nilai b1 dan b2 dapat diperoleh dengan memakai aturan-aturan dalam matriks n ¨ n ¸ ¨ n ¸¨ n ¸ 2 ¸¨ © § X 2 ¹© § X 1Y ¹  © § X 1 X 2 ¹© § X 2Y ¹ © ¹© ¹ © ¹© ¹ ª i !1 ºª i !1 º ª i !1 ºª i !1 º b1 ! 2 n n n ¨ ¸ 2 ¸¨ 2¸ ¨ © § X 1 ¹© § X 2 ¹  © § X 1 X 2 ¹ © ¹© ¹ © ¹ ª i !1 ºª i !1 º ª i !1 º n ¨ n ¸ ¨ n ¸¨ n ¸ 2 ¸¨ © § X 1 ¹© § X 2Y ¹  © § X 1 X 2 ¹© § X 1Y ¹ © ¹© ¹ © ¹© ¹ ºª i !1 º ª i !1 ºª i !1 º b2 ! ª i !1 2 ¸ ¸ ¨ n ¸¨ n ¨ n 2 2 © § X 1 ¹© § X 2 ¹  © § X 1 X 2 ¹ ¹ ¹ © ¹© © º º ª i !1 ºª i !1 ª i !1 b0 ! Y  b1 X 1  b2 X 2 14 .Metode Pendugaan Parameter Regresi 3.

« . Xk 15 . Dengan Koefisien Determinasi JKR R ! JKT 2 R2 menunjukkan proporsi variasi total dalam respon Y yang dapat diterangkan oleh model R2 ! r r merupakan koefisien korelasi antara Y dengan kelompok X1 . X3 .Uji Kecocokan Model 1. X2 .

« . F1. Hipotesis = H0 : F ! 0 H1 : F { 0 dimana F = matriks [ F0. Dengan Pendekatan Analisis Ragam Tahapan Ujinya : 1. Fk ] 16 .Uji Kecocokan Model 2. F2.

Uji Kecocokan Model 2. Tabel Analisis Ragam Komponen Regresi SS db MS Fhitung Regresi Galat Total JKR k JKR / k JKR /k s2 JKG n ± k ± 1 s2 = JKG / n-k-1 JKT n±1 17 .

Uji Kecocokan Model 3. Pengambilan Keputusan H0 ditolak jika Fhitung > Ftabel(1 . n-k-1) pada taraf kepercayaan E 18 .

Uji Parsial Koefisien Regresi Tahapan Ujinya : 1. Hipotesis = H0 : Fj ! 0 H1 : Fj { 0 dimana Fj merupakan koefisien yang akan diuji 19 .

Uji Parsial Koefisien Regresi 2. Statistik uji : t! bj  F j s c jj Dimana : bj = nilai koefisien bj s = J G / n  k 1 cjj = nilai matriks A-1 ke-jj 20 .

Uji Parsial Koefisien Regresi 3. Pengambilan keputusan H0 ditolak jika thitung > t E/2(db= n-k-1) pada taraf kepercayaan E 21 .

All Possible Regression Tahapan pemilihan : i. Lakukan analisa terhadap kenaikan R2 pada tiap kelompok 22 . Tuliskan semua kemungkinan model regresi dan kelompokkan menurut banyaknya variabel bebas ii. Periksalah untuk setiap kelompok apakah terdapat suatu pola variabel yang konsisten iv.Pemilihan Model Terbaik 1. Urutkan model regresi menurut besarnya R2 iii.

Pemilihan Model Terbaik Contoh : Akan dianalisis model regresi yang terdiri dari 4 variabel bebas Pembagian kelompoknya Kelompok A terdiri dari koefisien intersep Y ! F0 Y ! F 0  F i X i Kelompok B terdiri dari 1 variabel bebas Y ! F 0  Fi X i  F j X j Kelompok C terdiri dari 2 variabel bebas Y ! F0  Fi X i  F j X j  F k X k Kelompok D terdiri dari 3 variabel bebas Y ! F 0  F1 X 1  F 2 X 2  F 3 X 3  F 4 X 4 Kelompok E terdiri dari 4 variabel bebas 23 .

9% 97. X3.237% Persamaan terbaiknya adalah Y = f(X1 . X4) E Y = f(X1 . X4) R2 67.5% 97. X2 . X4) 24 .Pemilihan Model Terbaik Persamaan regresi yang menduduki posisi utama dalam setiap kelompok adalah Kelompok Model Regresi B Y = f(X4) C Y = f(X1 . X2 .2% 98.234% 98. X2) Y = f(X1 . X4) D Y = f(X1 .

Banding nilai t parsialnya a. Jika tL < tO maka buang variabel L yang menghasilkan tL. 25 . Backward Elimination Procedur Tahap pemilihannya : i. Tuliskan persamaan regresi yang mengandung semua variabel ii. kemudian hitung kembali persamaan regresi tanpa menyertakan variabel L Jika tL > tO maka ambil persamaan regresi tersebut b.Pemilihan Model Terbaik 2. Hitung nilai t parsialnya iii.

X2.266* Model terbaiknya Y = f(X1.337* 0.X4) 154.83* X1 X2 X4 26 F 157.X2) 229.X3.041* 166.Pemilihan Model Terbaik Contoh : Akan dianalisis model regresi yang terdiri dari 4 variabel bebas Model regresi yang mengandung semua variabel bebas Y ! F 0  F1 X 1  F 2 X 2  F3 X 3  F 4 X 4 Persamaan Regersi t parsial 4.X2.497* 0.008* 5.863 Y = f(X1.X2) Y = f(X1.026* 1.X4) X1 X2 X3 X4 Y = f(X1.018 0.5* .

Hitung korelasi parsial setiap variabel bebas tanpa menyertakan variabel bebas yang telah mauk model. jika tidak berpengaruh nyata keluarkan dari model iv. Hitung nilai t parsial variabel yang telah masuk model. Stepwise Regression Procedur Tahap pemilihannya : i. Hitung korelasi setiap variabel bebas terhadap variabel Y.Pemilihan Model Terbaik 3. Kembali ke langkah ii 27 . Variabel bebas dengan nilai korelasi tertinggi masukkan dalam model regresi (syarat uji F menunjukkan variabel ini berpengaruh nyata) ii. Masukkan variabel bebas dengan korelasi parsial tertinggi ke dalam model iii.

Pemilihan Model Terbaik Contoh : Akan dianalisis model regresi yang terdiri dari 4 variabel bebas 28 .

002 229.504* Model terbaik Y = f(X1 .320 X1 = 108.008* X2 = 5.4 0.798* r1y.863 r3y.223* X4 = 159.731 0. X2) .816 -0.295* 166.14 r3y.Model Variabel riy r2y r3y r4y Korelasi 0.124 0.X4) 29 Y = f(X1.821 t parsial F Y = f(X4) 22.026* X4 = 1.627* r2y.X4) Y = f(X1.4 r3y.832* X1 = 154.915 0. X2) Y = f(X1.017 0.358 0.801 176.535 -0. X2.4 r2y.14 0.

You're Reading a Free Preview

Mengunduh
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->