Sampel :
Y = b0 + b2 X2 + e1
e1 = Y b0 b2X2
= Y-Y
X1 = b0 + b2 X2 + e2
e2 = X1 b0 b2X2
= X1-X
3. Tahap ketiga: lakukan regresi e1 terhadap e2
e1 = a0 + a1e2 +e3
Besarnya a1 pada tahap ketiga inilah yangmerupakan nilai pasti atau net effect
dari perubahan satuunit X1 terhadap Y, atau menunjukkan kemiringan (slope)garis Y
atas variabel X1.Logika dari teori tersebut yang mendasari rumusyang dapat
digunakan untuk menentukan koefisien regresiparsial (partial regression
coefficients).
Nilai dari parameter b1 dan b2 merupakan nilai darisuatu sampel. Nilai b1
dan b2 tergantung pada jumlahsampel yang ditarik. Penambahan atau pengurangan
akan mengakibatkan perubahan rentangan nilai b. Perubahanrentang nilai b1 dan b2
diukur dengan standar error.Semakin besar standar error mencerminkan nilai
bsebagai penduga populasi semakin kurang representatif.Sebaliknya, semakin kecil
standar error maka keakuratandaya penduga nilai b terhadap populasi semakin
tinggi.Perbandingan antara nilai b dan standar error inimemunculkan nilai t, yang
dapat dirumuskan sebagaiberikut:
dimana:
b = nilai parameter
Sb = standar error dari b. Jika b sama dengan 0 (b=0) atauSb bernilai sangat besar,
maka nilai t akan sama denganatau mendekati 0 (nol).
dulu mencari nilai e. Nilai e adalahstandar error yang terdapat dalam persamaan
regresi.
Y = b0 + b1X1 + b2 X2 + e
Secara matematis, dari persamaan regresi di atas nilai edapat diperoleh, dengan cara
mengubah posisi tandapersamaan hingga menjadi:
Setelah diketahui semua nilai standar error (Sb0, Sb1, Sb2)melalui penggunaan
rumus-rumus di atas, maka nilai tuntuk masing-masing parameter dapat diperoleh,
karenanilai t merupakan hasil bagi antara b dengan Sb.
Nilai explained sum of square (ESS) atau variasiyang dijelaskan Y didapat dengan
menggunakan rumussebagai berikut:
Uji F
Seperti telah dikemukakan di atas, bahwa dalamregresi linier berganda
variabel penjelasnya selaluberjumlah lebih dari satu. Untuk itu, maka
pengujiantingkat signifikansi variabel tidak hanya dilakukan secaraindividual saja,
seperti dilakukan dengan uji t, tetapi dapat pula dilakukan pengujian signifikansi
semua variabelpenjelas secara serentak atau bersama-sama. Pengujiansecara serentak
tersebut dilakukan dengan teknik analisisof variance (ANOVA) melalui pengujian
nilai F hitungyang dibandingkan dengan nilai F tabel. Oleh karena itudisebut pula
dengan uji F.
Pada prinsipnya, teknik ANOVA digunakan untukmenguji distribusi atau
variansi means dalam variabelpenjelas apakah secara proporsional telah
signifikanmenjelaskan variasi dari variabel yang dijelaskan. Untukmemastikan
jawabannya, maka perlu dihitung rasio antaravariansi means (variance between
means) yangdibandingkan dengan variansi di dalam kelompokvariabel (variance
between group). Hasil pembandingankeduanya itu (rasio antaravariance between
meansterhadap variance between group) menghasilkan nilai F hitung, yang
kemudian dibandingkan dengan nilai F tabel.
Jika nilai F hitung lebih besar dibanding nilai F tabel,maka secara serentak
seluruh variabel penjelas yang adadalam model signifikan mempengaruhi variabel
terikat Y.Sebaliknya, jika nilai F hitung lebih kecil dibandingkandengan nilai F tabel,
maka tidak secara serentak seluruhvariabel penjelas yang ada dalam model
signifikanmempengaruhi variabel terikat Y.
Karena uji F adalah membandingkan antara nilai F hitungdengan nilai F tabel, maka
penting untuk mengetahuibagaimana mencari nilai F hitung ataupun nilai F
tabel.Nilai F hitung dapat dicari dengan menggunakan rumussebagai berikut:
Sedangkan nilai F tabel telah ditentukan dalam tabel.Yang penting untuk diketahui
adalah bagaimana caramembaca tabelnya. Seperti yang telah dituliskan
padapembandingan antara nilai F hitung dan nilai F tabel diatas, diketahui bahwa F
tabel dituliskan F;k-1; (n-k).
Arti dari tulisan tersebut adalah:
Simbolmenjelaskan tingkat signifikansi (level ofsignificance) (apakah
pada0,05atau0,01ataukah 0,10, dan seterusnya).
Simbol (k-1) menunjukkan degrees of freedom fornumerator.
Simbol (n-k) menunjukkan degrees of freedom fordenominator.
a) Populasi:
Y = A + B1X1 + B2X2 + B3X3 + + BnXn + e
Atau
Y = B0 + B1X1 + B2X2 + B3X3 + + BnXn + e
b) Sampel :
a. Coba uraikan arti dari notasi atas model yangtelah anda tuliskan!
Y = Variabel Terikat
b0= konstanta
b1,2,3= koefisien regresi
X1,2,3= Variabel Bebas
e= error term
b. Jelaskan informasi apa yang dapat diungkap pada konstanta!
Konstanta dapat disimbolkan dengan hurufb0 sering juga dituliskan
dengan huruf a, , atau juga0. Secara substansi penulisan itu mempunyai arti
yang sama, yaitu menunjukkan konstanta atau intercept yang merupakan sifat
bawaan dari variabel Y.Konstanta ini mempunyai angka yang bersifat tetap yang
sekaligus menunjukkan titik potong garis regresi padasumbu Y. Jika konstanta itu
bertanda positif maka titikpotongnya disebelah atas titik origin (0), sedang
bilabertanda negatif titik potongnya di sebelah bawah titikorigin. Nilai konstanta
ini merupakan nilai dari variabel Yketika variabel X bernilai nol. Atau dengan
bahasa yangmudah, nilai konstanta merupakan sifat bawaan dari Y.
Konstanta memberikan informasi tentang seberapa besar faktor-faktor
yang bersifat tetap mempengaruhi variabel Y, serta menjelaskan nilai variabel
terikat ketika masing-masing variabel bebasnya bernilai nol (0).
j. Jelaskan apakah rumus dalam mencari koefisien determinasi pada model regresi
linier berganda berbeda dengan regresi linier sederhana! kenapa?
Pengujian ini biasanya disimbolkan dengan koefisien regresi yang biasa
disimbolkan dengan R2. Uraian tentangkoefisien determinasi sedikit banyak telah
disinggungpada single linier regression. Pada sub bahasan ini hanyamenambah
penjelasan-penjelasan agar menjadi lebihlengkap saja.Koefisien determinasi pada
dasarnya digunakanuntuk mengkur goodness of fit dari persamaan regresi,melalui
hasil pengukuran dalam bentuk prosentase yangmenjelaskan determinasi variabel
penjelas (X) terhadapvariabel yang dijelaskan (Y). Koefisien determinasi
dapatdicari melalui hasil bagi dari total sum of square (TSS)atau total variasi Y
terhadap explained sum of square(ESS) atau variasi yang dijelaskan Y. Dengan
demikiankita dapat mendefinisikan lagi R2 dengan arti rasio antaravariasi yang
dijelaskan Y dengan total variasi Y.