Yudha Herlambang*)
ABSTRAK
Dalam suatu permasalahan yang kita amati tidak jarang antara variabel yang diteliti
dengan faktor-faktor yang mempengaruhinya terdapat hubungan saling keterkaitan.
Hubungan antara variabel yang diamati dengan faktor-faktor yang mempengaruhinya
seringkali dinyatakan dalam bentuk persamaan regressi. Hanya saja tingkat sampai
sejauh mana hubungan antara variabel yang diamati dengan faktor-faktor yang
mempengaruhinya tadi lebih mudah dinyatakan dalam bentuk persamaan regressi linier.
Karena hal-hal yang mempengaruhi terhadap suatu variabel yang diteliti terdiri dari
banyak fakor, maka seringkali kita nyatakan dalam bentuk persamaan regressi linier
berganda atau multiple regression. Tulisan ini mengemukakan suatu program komputer
dalam bahasa Pemrograman Pascal untuk mencari nilai-nilai parameter regressi linier
berganda, bila variabel bebas yang mempengaruhi terhadap variabel terikat adalah lebih
dari satu, sehingga membentuk persamaan regressi linier multiple. Program komputer
yang dirancang di sinis akan diuji validitasnya terhadap software aplikasi statistik yang
lain yang telah menjadi standar pemakaian, misalkan Microstat atau Minitab, sehingga
bila diberikan input nilai variabel dari permasalahan yang sama dan nantinya dapat
diperoleh hasil pemrosesan yang sama atau mendekati sama.
1. PENDAHULUAN
Regressi linier dan non linier untuk pengamatan yang terdiri atas dua variabel telah diba-
has dalam bagian-bagian yang lalu. Namun dalam kenyataan di lapangan, tampak bahwa
pengamatan seringkali terdiri atas lebih dari dua variabel. Misalnya harga beras tidak saja
hanya ditentukan oleh faktor adanya persediaan beras, tetapi juga oleh faktorlain misal-
kan harga bensin, upah buruh, dan sebagainya. Demikian juga misalkan produksi telur
ayam tidak saja tergantung banyaknya ayam petelur yang ada, namun juga banyak ma-
*)
Yudha Herlambang, SE,ST., adalah dosen Sekolah Tinggi Ilmu Ekonomi Indonesia (STIESIA) Surabaya.
196 Ekuitas Vol.3 No.4 Desember 1999 : 196-213
kanan atau tingkat kualitas makanan ternak yang diberikan dan barangkali masih ada fak-
tor lainnya. Sehingga dengan demikian, umumnya kita sekarang akan berhadapan dengan
hasil pengamatan variabel Y yang terjadi karena “pengaruh“ k buah variabel-variabel
bebas X1,X2,.................,Xk.
Salah satu hal yang dapat dilakukan adalah menentukan hubungan antara antara va-
riabel terikat yang diamati (Y) terhadap faktor-faktor yang mempengaruhinya berupa
variabel-variabel bebas (X1, X2, X3,.....Xk), yang dinyatakan dalam bentuk garis linier Y
atas X1, X2,.......,Xk. Maka persamaan umum untuk regressi linier multiple ini adalah :
Y = a0 +a1X1 + a2X2 + a3X3+........................akXk
Di mana a0, a1, a2,........ak harus ditentukan dari data hasil observasi. Maka tampak bah-
wa bahwa model regressi multiple di atas adalah merupakan perluasan dari model regresi
linier yang telah dibahas pada tulisan lalu. Untuk menentukan nilai parameter a0, a1, a2,
a3, dan seterusnya, dapat dipergunakan metode least squares (kuadrat terkecil).
Bila ditemui kasus yang melibatkan 1 variabel terikat dan 2 variabel bebas, maka mo-
del yang akan diregressikan adalah sebagai berikut : Y = a1X1 + a2X2 + a2X3, sehingga:
dF
F = Y-a0-a1X1-a2X2, syarat metode least squares 0 , maka dapat disusun
da0
persamaan :
0 2 (Y a 0 a1X 1 a 2 X 2) (1)
0 2 (Y a 0 a1X 1 a 2 X 2)
2 Y 2 a 0 2a1 X 1 2a 2 X 2
Y a 0n a1 X 1 a 2 X 2
dF
Kemudian syarat selanjutnya : 0 , akan menjadikan penurunan persamaan
da1
berikut:
0 2 (Y a 0 a1X 1 a 2 X 2) ( X 1).
0 2 X 1Y 2a 0 X 1 2a1 X 1X 1 2a 2 X 1X 2
2 XiY 2a 0 X 1 2a1 X 1X 1 2a 2 X 1X 2
X 1Y a 0 X 1 a1 X 1X 1 a 2 X 1X 2
dF
Terakhir adalah syarat : 0 , yang menjadikan penurunan persamaan berikut:
da2
0 2 (Y a 0 a1X 1 a 2 X 2) ( X 2).
0 2 X 2Y 2a 0 X 2 2a1 X 1X 2 2a 2 X 2 X 2
2 X 2Y 2a 0 X 2 2a1 X 1X 2 2a 2 X 2 X 2
X 2Y a 0 X 2 a1 X 1X 2 a 2 X 2 X 2
Perhitungan Regresi Linier Berganda (Yudha Herlambang) 197
Maka dengan demikian terbentuklah 3 persamaan linier simultan sebagai berikut :
Y a 0n a1 X 1 a 2 X 2
X 1Y a 0 X 1 a1 X 1X 1 a 2 X 1X 2
X 2Y a 0 X 2 a1 X 1X 2 a 2 X 2 X 2
Tiga persamaan di atas dapat dinyatakan dalam bentuk matriks koefisient (A) & matriks
konstanta (B) sebagai berikut :
n X1 X2 Y
X 1 X 1X 1 X 1X 2 A X 1Y = B
X 2 X 1 X 2 X 2 X 3 X 2Y
Selanjutnya bila terdapat kasus dengan 3 variabel bebas dan 1 variabel terikat, maka
terdapat 4 penurunan persamaan linier simultan yaitu dengan model regressi sebagai
berikut :
Y = a0 + a1X1 + a2X2 + a3X3, sehingga :
dF
F = Y-a0-a1X1-a2X2-a3X3, syarat metode least squares 0 , maka dapat disusun
da0
0 2 (Y a 0 a1X 1 a 2 X 2 a 3X 3) (1)
0 2 (Y a 0 a1X 1 a 2 X 2 a 3X 3)
2 Y 2 a 0 2a1 X 1 2a 2 X 2 2a 3 X 3
Y a 0n a1 X 1 a 2 X 2 a 3 X 3
dF
Kemudian syarat selanjutnya 0 , akan menjadikan penurunan persamaan :
da1
0 2 (Y a 0 a1X 1 a 2 X 2 a 3X 3) ( X 1).
0 2 X 1Y 2a 0 X 1 2a1 X 1X 1 2a 2 X 1X 2 2a 3 X 1X 3
2 XiY 2a 0 X 1 2a1 X 1X 1 2a 2 X 1X 2 2a 3 X 1X 3
X 1Y a 0 X 1 a1 X 1X 1 a 2 X 1X 2 a 3 X 1X 3
dF
Kemudian adalah syarat : 0 , yang menjadikan penurunan persamaan :
da2
0 2 (Y a 0 a1X 1 a 2 X 2 a 3X 3) ( X 2).
0 2 X 2Y 2a 0 X 2 2a1 X 1X 2 2a 2 X 2 X 2 2a 3 X 2 X 3
2 X 2Y 2a 0 X 2 2a1 X 1X 2 2a 2 X 2 X 2 2a 3 X 2 X 3
X 2Y a 0 X 2 a1 X 1X 2 a 2 X 2 X 2 a 3 X 2 X 3
198 Ekuitas Vol.3 No.4 Desember 1999 : 196-213
dF
Yang terakhir adalah syarat: 0 , yang menjadikan penurunan persamaan :
da3
0 2 (Y a 0 a1X 1 a 2 X 2 a 3X 3) ( X 3).
0 2 X 3Y 2a 0 X 3 2a1 X 1X 3 2a 2 X 2 X 3 2a 3 X 3X 3
2 X 3Y 2a 0 X 3 2a1 X 1X 3 2a 2 X 2 X 3 2a 3 X 3X 3
X 3Y a 0 X 3 a1 X 1X 3 a 2 X 2 X 3 a 3 X 3X 3
Sehingga dengan demikian terbentuklah 4 persamaan linier simultan sebagai berikut :
Y a 0n a1 X 1 a 2 X 2 a 3 X 3
X 1Y a 0 X 1 a1 X 1X 1 a 2 X 1X 2 a 3 X 1X 3
X 2Y a 0 X 2 a1 X 2 X 1 a 2 X 2 X 2 a 3 X 2 X 3
X 3Y a 0 X 3 a1 X 1X 3 a 2 X 2 X 3 a 3 X 3X 3
Empat persamaan linier simultan di atas dapat dinyatakan dalam bentuk matriks koefisien
(A) dan matriks konstanta (B) sebagai berikut :
n X1 X2 X3 Y
X 1 X 1X 1 X 1X 2 X 1X 3 X 1Y
A B=
X 2 X 2 X 1 X 2 X 2 X 2 X 3 X 2Y
X 3 X 3 X 1 X 3 X 2 X 3 X 3 X 3Y
Dalam struktur pemrograman dalam bahasa Pascal yang dirancang oleh penulis, bentuk
persamaan-persamaan linier simultan di atas akan diinputkan dalam bentuk matriks A dan
matriks B
Dalam setiap kasus berikut, penulis akan menyelesaikan dengan memakai software apli-
kasi statistik yang sudah biasa dipakai secara umum, yaitu : Minitab, SPSS for Windows,
dan Microstat, serta dengan memakai cara manual yang mempergunakan pendekatan me-
tode Eliminasi Gauss. Dari hasil simulasi software tersebut akan dibandingkan dengan
hasil output dari listing program yang telah disusun penulis. Bila diperoleh hasil pemro-
sesan data yang sama atau mendekati sama, maka dikatakan program yang disusun penu-
lis adalah terjamin validitasnya.
Akan dicari persamaan regressi linier multipel yang mencerminkan hubungan antara
Jumlah Omzet Sales / Penjualan alat berat [dalam U$$] atau variabel terikat (Y) terhadap
faktor-faktor yang mempengaruhinya antara lain var bebas : X1 = lama pengalaman sales
engineer (bln) dan X2 = Tingkat Penilaian Intelligence Quotient (IQ) dan logika dari calon
sales engineer saat test Recruitment.
Perhitungan Regresi Linier Berganda (Yudha Herlambang) 199
Tabel 1
Hasil Penjualan terhadap Lama Pengalaman Sales Engineer dan Tingkat Kecerdasannya
No. Sales Lama Pengalaman Hasil Test Kecerdasan & Logika Hasil Omzet
Engineer Sales Engineer (X1) Calon Sales Engineer Penjualan (Y)
1 34 12 18.4
2 38 14 20.1
3 45 17 22.7
4 39 14 19.6
5 30 15 21.8
6 37 20 23
7 27 19 19.8
8 38 22 25.7
9 39 18 28.4
10 32 17 29.1
11 40 15 31
12 44 23 36.9
13 33 14 27.8
14 35 18 29.7
Bila persoalan di atas kita selesaikan dengan memakai pendekatan metode least square,
maka kita tabulasikan dengan bantuan spreadsheet Lotus for Window atau Excell, akan
menjadi :
Tabel 2
Tabulasi Data untuk 2 variabel bebas
200 Ekuitas Vol.3 No.4 Desember 1999 : 196-213
Dari hasil tabulasi di atas, bila diterapkan pada persamaan linier simultan untuk 2 variabel
bebas seperti pada persaman hal 3 di atas, adalah sebagai berikut:
Maka dengan demikian bila deretan persamaan tersebut diatas diselesaikan dengan
metode Eliminasi Gauss secara manual, akan diperoleh prosedur-prosedur berikut :
a. Persamaan (b) dinormalkan dengan membaginya terhadap 511, akan menjadi :
a0 + 37,148 a1 + 17,1 a2 = 25,538 (d)
b. Persamaan (d) di atas dikalikan dengan 14, akan menjadi :
14a0 + 520.072 a1 + 239,4 a2 = 357,532. (e)
c. Langkah selanjutnya adalah mengurangkan persamaan (a) dengan (e), menjadi :
-9,072a1-1,4a2 =-3,532. (f)
d. Sekarang persamaan (c) dinormalkan dengan membaginya terhadap 238, akan menjadi :
a0 + 36,722a1 + 17,571428 a2 = 25,7731 (g)
e. Persamaan (g) di atas dikalikan dengan 14, akan menjadi :
14 a0 + 514,108 + 245,98 a2 = 360,8234 (h)
e. Persamaan (a) dikurangi persamaan (h), menjadi persamaan berikut :
-3,108 a1-7,98 a2 =-6,8234. (i)
f. Dengan mensubstitusi persamaan (f) ke dalam (I), maka diperoleh hasil a1 dan a2 berikut :
a1 = 0,27382 dan a2 = 0,7485
g. Dari hasil a1 dan a2 di atas, kita dapat memperoleh parameter a0 = 2,566
Sehingga dari hasil perhitungan manual dengan metode Eliminasi Gauss secara manual
ini akan diperoleh persamaan regressi linier berganda untuk kasus diatas :
Y = 2,566 + 0.27382X1 + 0,7485 X2
DEPENDENT VARIABLE : Y
VAR. REGRESSION COEFFICIENT STD.ERROR T(DF=11) PROB PARTIAL r^2
X1 0,2715 0,2735 0,993 0,34224 0,0822
X2 0,7508 0,4271 1,758 0,10649 0,2193
CONSTANT 2,6117
Maka hal ini berarti persamaan regressinya adalah : Y= 2,6117 + 0,2715 x1 + 0,7508 x2
Sekarang bila kasus di atas diselesaikan dengan menggunakan bantuan software Minitab
maka akan diperoleh hasil pemrosesan / output sebagai berikut :
The Regression Equation is : Y= 2,6 + 0,272 x1 + 0,751 x2
Perhitungan Regresi Linier Berganda (Yudha Herlambang) 201
Predictor Coef Stdev t-ratio p
Constant 2,61 10,86 0,24 0,814
x1 0,2715 0,2735 0,99 0,342
x2 0,7508 0,4271 1,76 0,106
Dan bila kasus di atas diselesaikan dengan bantuan software SPSS for Windows, akan
diperoleh hasil sebagai berikut :
* * * MULTIPLE REGRESSION * * *
----------------------------------------Variables in the Equation--------------------------------------
Variable B SE B Beta T Sig T
VAR00001 0.271515 0.273540 0.254080 0.993 0.3422
VAR00002 0.750807 0.427064 0.450020 1.758 0.1065
(Constant) 2.611701 10.856682 0.241 0.8143
Yang berarti menurut Software SPSS tsb, persamaan regressi mulitiple yg dicari adalah:
Y = 2.611701 + 0.271515 X1 + 0.750807 X2
Dan bila kasus di atas diselesaikan dengan program Pascal yang disusun penulis yang
listingnya tampak pada bagian berikut ini :
{ GAUSS ELIMINATION }
{ PROGRAMMED BY YUDHA HERLAMBANG }
uses crt;
type matrix=array [1..10,1..10] of real;
var matrix1,matrix2 : matrix;
A : array [1..10,1..10] of real;
B,X : array [1..10] of real;
jawab : char;
202 Ekuitas Vol.3 No.4 Desember 1999 : 196-213
normal,subs : real;
i,j,k,n,t : integer;
Begin
repeat
clrscr;
repeat
gotoxy(2,2);write('Ordo matriks A (nxn) = ');
{$I-}
readln(n);
{$I+}
until((ioresult=0)and(n<=10)and(n>0));
gotoxy (2,3);
write ('matrix A: ');
for i:=1 to n do
begin
for j:=1 to n do
begin
repeat
{$I-}
gotoxy(j*5,4+i);readln(A[i,j]);
{$I+}
until ioresult=0;
end;
end;
gotoxy(2*j+50,3);write('matriks B: ');
for i:=1 to n do
begin
repeat
{$I-}
gotoxy(j*3+50,4+i);readln(B[i]);
{$I+}
until ioresult=0;
end;
Perhitungan Regresi Linier Berganda (Yudha Herlambang) 203
B[k]:=B[k]-normal*B[i];
A[k,i]:= 0;
end;
for i:=1 to n do
begin
gotoxy(32,14+i);writeln('a(',i-1:4,') = ',X[i]:19:14);
end;
writeln;
repeat
write('Ulangi lagi <Ya/Tidak>?: ');readln(jawab);
until jawab in['Y','y','T','t'];
Until jawab in['T','t'];
end.
Apabila program di atas dijalankan dengan menekan tombol ALT-RUN akan diperoleh
hasil pemrosesan sebagai berikut :
204 Ekuitas Vol.3 No.4 Desember 1999 : 196-213
Tabel 3
Perbandingan hasil koefisien persamaan regressi berganda
untuk kasus A dengan berbagai macam software aplikasi
Tampak bahwa dari berbagai pemecahan di atas, baik dari cara manual, dengan soft-ware
aplikasi Statistik, maupun dengan memakai program buatan penulis di atas adalah
menghasilkan output yang hampir sama untuk kasus yang sama, atau dengan kata program
di atas menghasilkan persamaan regressi yang tidak jauh berbeda nilainya dengan bila kita
memakai cara manual atau software statistik yang lain, maka dikatakan program yang
telah disusun penulis di atas adalah teruji validitasnya. Dan sekarang akan diadakan
pengujian validitas untuk kasus yang melibatkan variabel bebas yang lebih banyak (3
variabel bebas) yaitu pada permasalahan sebagai berikut :
Sekarang akan dicari persamaan regressi linier multiple yang mencerminkan hubungan
antara Prestasi Hasil Omzet Penjualan (Y) terhadap Lama Pengalaman Sales Engineer
(X1), Hasil Penilaian Kecerdasaan dan Logika Calon Sales Engineer (X2), serta
Kemampuan Komunikatif (Personal Approach) dari Sales Engineer (X3), dengan data
tabulasi pada halaman berikut.
Perhitungan Regresi Linier Berganda (Yudha Herlambang) 205
Tabel 4
Tabel Prestasi Hasil Omzet Penjualan, Lama Pengalaman, Hasil Penilaian Kecerdasaan
dan Logika, serta Kemampuan Komunikatif (Personal Approach) dari Sales Engineer
Bila persoalan di atas kita selesaikan dengan memakai pendekatan metode least square,
maka kita tabulasikan dulu dengan bantuan spreadsheet Lotus for Window atau Excell,
akan menjadi :
Tabel 5
Tabulasi Data Untuk 3 Variabel Terikat
206 Ekuitas Vol.3 No.4 Desember 1999 : 196-213
Bila kasus di atas diselesaikan dengan menggunakan bantuan software Microstat, di-
peroleh hasil pemrosesan / output sebagai berikut :
DEPENDENT VARIABLE : Y
VAR. REGRESSION COEFFICIENT STD.ERROR T(DF=11) PROB PARTIAL r^2
X1 0,2341 0,2967 0,789 0,44842 0,0586
X2 0,7924 0,4536 1,747 0,11124 0,2338
X3 -0,0243 0.0554 -0,440 0,66948 0,0190
CONSTANT 4,3547
Maka hal ini berarti persamaan regressinya adalah :
Y= 4,3547 + 0,2341 X1 + 0,7924 X2-0,0243X3.
Sekarang bila kasus di atas diselesaikan dengan menggunakan bantuan software Minitab
maka akan diperoleh hasil pemrosesan / output sebagai berikut :
Dan bila kasus di atas diselesaikan dengan bantuan software SPSS for Windows, akan
diperoleh hasil sebagai berikut :
* * * MULTIPLE REGRESSION * * *
----------------------------------------Variables in the Equation-----------------------------------
Variable B SE B Beta T Sig T
VAR00001 0.234053 0.296652 0.219023 0.789 0.4484
VAR00002 0.792435 0.453627 0.474971 1.747 0.1112
VAR0004 -0.024344 0.055360 -0.119314 -0.440 0.6695
(Constant) 4.354690 11.954303 0.364 0.7232
Hasil ini berarti menurut Software SPSS tsb, persamaan regressi mulitiple yg dicari adalah
: Y = 4.354690 + 0,234053 X1 + 0,792435 X2-0,024344 X3
Sedangkan bila kasus 3 tersebut di atas dikerjakan dengan cara manual yang memakai
metode least squares dan Eliminasi Gauss, maka berdasar hasil tabulasi tabel 2 di atas,
adalah sebagai berikut :
Perhitungan Regresi Linier Berganda (Yudha Herlambang) 207
14a0 + 511a1 + 238a2 + 623 a3 = 354 (a)
511a0 + 18.983a1 + 8740a2 + 22.320 a3 = 13.050 (b)
238a0 + 8740a1 + 4.182a2 + 10.742 a3 = 6.134,5 (c)
623a0 + 22.320a1 + 10.742 a2 + 36.817 a3 = 15.553,1 (d)
Dengan demikian, paramater-parameter yang lain dapat dicari dengan mudah, yaitu :
a2 = 0, 79269632
a1 = 0,23346826
a0 = 4,372982729
208 Ekuitas Vol.3 No.4 Desember 1999 : 196-213
Sehingga dari hasil perhitungan manual dengan metode Eliminasi Gauss ini diperoleh
persamaan regressi linier berganda untuk kasus diatas :
Y = 4,372982729 + 0,23346826 X1 + 0,79269632 X2-0,024375222 X3
Dan bila kasus 3 tersebut di atas diselesaikan dengan program Pascal yang telah dibuat di
muka, dengan menekan tombol ALT + RUN akan tampak hasil pemrosesan data sbb.:
Dengan demikian, tampak bahwa persamaan regessi linier multipel menurut hasil
pemrosesan dari program buatan penulis tersebut adalah :
Perhitungan Regresi Linier Berganda (Yudha Herlambang) 209
Tabel 6
Perbandingan hasil koefisien persamaan regressi berganda
untuk kasus A dengan berbagai macam software aplikasi
Karena program ini dirancang untuk mencari persamaan regressi linier berganda, maka
sebenarnya program ini adalah kelanjutan dari program terdahulu, sehingga dapat
dikatakan bahwa program ini dapat pula untuk mencari persamaan regressi linier tunggal
dengan 1 variabel bebas (X) dan 1 variabel terikat (Y), dengan prosedur yang sama
dengan pemecahan 2 kasus di atas tadi. Dan program ini memang sudah dirancang untuk
dapat menyelesaikan hingga 9 variabel bebas (X1 s/d X9) dan 1 variabel terikat (Y).
210 Ekuitas Vol.3 No.4 Desember 1999 : 196-213
15 Perintah untuk menampilkan kalimat “ Orde Matriks A (nxn)” pada koordinat
2 baris dari atas pada layar monitor---> menyuruh user utk menginputkan
ukuran matrik A (kolom & baris)
16-18 Memerintahkan memory komputer untuk membaca dan menyimpan data yang
kita isikan sehubungan dengan baris 15 (berupa jawaban kita tentang dimensi
atau ukuran banyak kolom dan baris pada matriks A yg ditanyakan oleh
komputer pada kita)
19 Memerintahkan komputer untuk menolak hasil data yg kita inputkan,bila
ukuran matrik di luar ukuran dimensi (lebih dari 10 kolom & baris) atau kurang
dari 1 (negatif & nol)
20-32 Sederetan perintah prosedur pemasukan data berupa elemen-elemen matriks A
oleh user agar siap dibaca dan direkam memory komputer.
20-21 Memerintahkan komputer menuliskan tulisan “ matriks A “ pada koordinat 3
baris dari atas pada layar monitor, agar user memulai prosedur pengisian
elemen matriks A tersebut
22-32 Memerintahkan memory komputer membaca, menyimpan serta mengingat data berupa
elemen matrik A yang diisikan oleh user, menurut baris 1 kol 1, baris 1 kol 2, baris 1
kol 3...dst, baris 2 kol 1, baris 2 kol 2, baris 3 kol 3,......dst, baris 3 kol 1, baris 3 kol
2,...........dst
33-41 Sederetan perintah prosedur pemasukan data berupa elemen-elemen matriks B
oleh user agar siap dibaca dan direkam memory komputer.
33 Memerintahkan komputer menuliskan tulisan “ matriks B “ pada koordinat 3
baris dari atas pada layar monitor, agar user memulai prosedur pengisian
elemen matriks B tersebut
34-41 Memerintahkan memory komputer membaca, menyimpan serta mengingat data berupa
elemen matrik B yang diisikan oleh user,menurut baris 1, baris 2. baris 3,baris 4.....dst,
tanpa kolom. Karena memang matriks B adalah matriks kolom yang elemennya terdiri
hanya 1 kolom saja
42-50 Prosedur Perhitungan Eliminasi Gauss (menormalkan persamaan,
mengalikannya dengan elemen pertama, menguranginya dengan persamaan ke
satu, dan seterusnya) hingga terjadi hasil parameter An, yang kita cari.
Prosedur selengkapnya dpt dilihat pd sajian manual Prosedur Eliminasi Gauss
hal 5, 6, & 11
51-57 Prosedur untuk mencari paramater yg lain a0, a1, a2, a3, yg kita cari, sehingga
semua parameter terjawab hasilnya. Prosedur itu dilakukan dengan cara
substitusi persamaan.
58-63 Prosedur untuk menampilkan hasil parameter a0,a1, a2,.....a10 yg kita cari ke
layar monitor
64-67 Prosedur untuk menanyai user apakah ingin mengulangi perhitungan ?
64 Perintah menuliskan pertanyaan “ Ulangi lagi <Ya/Tidak> “ di layar monitor.
Jawaban yg kita berikan (Y atau T)disimpan dalam variabel “jawab” oleh
memory komputer.
Perhitungan Regresi Linier Berganda (Yudha Herlambang) 211
6. KETERKAITAN DENGAN ILMU EKONOMI
7.
Dengan disusunnya program Regressi Linier Berganda ini sebagai alternatif lain di sam-
ping software Statistik yang sudah ada (Microstat, Minitab, SPSS for Window), maka da-
pat diperoleh persamaan regressi linier berganda. Dengan diperolehnya persamaan linier
berganda ini, kita dapat memperkirakan/memprediksi “Response“ dari suatu variabel
terikat, bila diinputkan variabel–variabel bebas yang telah diketahui.
Sebagai contoh dari kasus di atas misalkan : kita dapat memprediksi omzet sales (pen-
dapatan penjualan) untuk salesman- salesman yang lain setelah kita mendapatkan persa-
maan linier berganda yang memuat hubungan antara omzet (Y) sales tersebut dengan fak-
tor-faktor yang mempengaruhinya antara lain lama pengalaman kerja seorang salesman
(X1), penilaian skill dan logika saat recruitment (X2), serta kemampuan komunikatif seo-
rang salesman yang bersangkutan (X3). Sedangkan yang disebut prediksi (forecast) me-
mang belum tentu benar, namun dapat dipergunakan sebagai patokan atau pedoman da-
lam pengambilan suatu keputusan.
8. SIMPULAN
Telah berhasil dirancang suatu program yang berfungsi untuk melakukan regressi linier
multiple dari sekumpulan data yang mengandung variabel terikat dan beberapa
variabel/faktor lain yang mempengaruhinya. Terhadap program tersebut telah dilakukan
pengujian validitas dengan cara membandingkan hasil pemrosesan berupa parameter-
paramater regressi linier berganda, dengan parameter- parameter serupa yang telah dipe-
roleh dari cara manual ataupun memakai software-software standard untuk aplikasi Statis-
tik Ekonomi yang lain. Ternyata dari contoh kasus yang diberikan, diperoleh hasil output
(parameter) yang mendekati sama antara hasil pemrosesan yang diperoleh dari program
buatan penulis dengan hasil yang diperoleh dari cara manual atau Software Statistik yg
lain (Microstat, Minitab, SPSS for Window) sebagai pembandingnya. Sehingga dapat di-
katakan bahwa validitas program telah diuji terhadap kasus yang sama.
Dengan selesainya program yang disusun penulis ini, maka diharapkan dapat membantu
dalam memecahkan persoalan – persoalan untuk mencari persamaan regressi linier
berganda. (multiple). Kelebihan yang didapat dari program ini adalah kita dapat
“mensetting “ (mengubah) supaya dapat menampilkan hasil pengolahan data yang kita
inginkan. Misalkan kita menginginkan hasil yang mengandung beberapa digit di belakang
koma, dengan maksud memperoleh tingkat ketelitian tertentu sesuai kehendak kita. Di
samping itu kita dapat “mensetting“ (mengubah) program tersebut untuk masukan yang
lebih dari 10 variabel bebas, yang selanjutnya secara otomatis akan mengubah dimensi/
ukuran matriks A dan B nya.
212 Ekuitas Vol.3 No.4 Desember 1999 : 196-213
9. DAFTAR PUSTAKA
Bambang Trihatmodjo, Dr, Ir, DEA, Metode Numerik, Balai Pustaka Jakarta 1998
Sudjana, Dr, MA, MS, Statistik untuk Ekonomi dan Niaga, Tarsito Bandung 1982
Perhitungan Regresi Linier Berganda (Yudha Herlambang) 213