Dimana i = b0 + b1X1i + b2X2i merupakan perkiraan yang dihitung dari regresi regresi

linear berganda dan juga merupakan pemerkira rata-rata Y, dengan syarat X1 dan X2 yaitu E(Y
X1 , X2). selanjutnya perhatikan perubahan yang terjadi kalua masing masing variable
dinyatakan dalam deviasi ( diukur dari rata-ratanya, dengan symbol huruf latin kecil y1 x1i dan
x2i dimana
y1 =Yi , x1i = X1i - 1 , x2i = X2i - 2i
melalui penurunan kalkulus diperoleh : yi = I + ei ( 7.22 )

Dimana I = b1x1i + b2x2i

Sekarang persamaan ( 7.22 ) dikuadratkan kemudian dijumlahkan:
2 = (2 + ei)2
= (2 + 2 i ei + ei 2) (7.23)
= i2 + ei2 sebab 2 i ei=0

Dengan perkataan lain,persamaan (7.23) berarti bahwa total jumlah kuadrat (TSS) sama
dengan jumlah kuadrat dari regresi (ESS) ditambah dengan jumlah kuadrat kesalahan
pengganggu (RSS). Dengan jalan mengganti 2 seperti dalam persamaan ( 7.23 )
2 = 2 + 2 b1 1iyI b2 2iyi

Setelah diadakan pengaturan kembali 2 akan lenyap, maka diperoleh persamaan :

ESS = 3 = b1 1iyi + b2 2iyi

Setelah rumus R2 diperoleh dengan menggunakan defenisi :
R2 = ESS/TSS = 2 / 2
b1 1iyi + b2 2yi
R2 = 2
( 7.25 )

Nilai R2 adalah ; 0R21

Kalau R2 = 1 berarti proporsi / persentase sumbangan X1 dan X2 terhadap variasi atau
naik turunnya Y sebesar 100%. Kalau R2 = 0, maka garis rekresi takdapat dipergunakan
untuk membuat ramalan Y, sebab variable-variabel bebas yang dimasukkan dalam persamaan
regresi tidak mempunyai pengaruh terhdap Y, sumbangan / konstribusinya terhadap variasi Y
nol. Makin dekat R2 dengan stu, makin tepat/cocok garis regresi untuk meramalkan Y, itulah
sebabnya baik r2 maupun R2 dipergunakan sebagai suatu kriteria untuk mengukur cocok tidaknya
suatu garis rekresi untuk memperkirakan/ meramalkan variable tak bebas Y ( goodness of fit
criteria )
 5. PERBANDINGAN DUA R2 ATAU LEBIH DAN R2 YANG
DISESUAIKAN
Untuk membandingkan dua nilai R2 , seseorang harus memperhitungkan banyaknya
variable bebas didalam model regresi. Hal ini bias dilakukan kalua kita mendefenisikan suatu
alternatif dari koefisien determinasi sebagai berikut :
2 ()
R-2 = 1 - 2 (1) ( 7.27 )

Dimana k = banyaknya parameter dalam model termasuk intercept. Didalam model regresi
Y = b0 + b1 X1 + b2 X2 , terdapat dua koefisien regresi b1 dan b2 satu intercept b0, jadi k = 3.
R-2 disebut R2 yang disesuikan ( adjusted R2 )
Kita sesuaiakan berati, bahwa R2 sudah disesuaiakan dengan derajat kebebasan ( df = degress of
freedom ) dari masing-masing jumlah kuadrat yang tercakup didalam perhitungan R-2.
2 mempunyai derajat kebebasan ( n-k ) dan 2 mempunya derajat kebebasan ( n-1 ).

Untuk hubungan 3 variabel X1,X2 dan Y, dalam menghitung 2 hanya diperlukan untuk
menghitung satu parameter saja, ingat :
2 = ( Y1 b0 b1X1 b2X2 )2

2 = ( Yi - )2