4/19/2016

Regresi Berganda
Regresi Linier Berganda Menguji hubungan linier antara
1 variabel dependen (y) dan 2 atau lebih
variabel independen (xn)

Contoh
Program Studi Teknik Industri • Hubungan antara suhu warehouse dan viskositas cat dengan jumlah cacat
foam mark pada produk
Universitas Brawijaya Var. independen : suhu warehouse & viskositas cat
Var. dependen : jumlah cacat foam mark
• Hubungan antara kecepatan pelayanan dan kualitas produk dengan
kepuasan pelanggan
Var. independen : kecepatan pelayanan & kualitas produk
Var. dependen : kepuasan pelanggan
Ihwan Hamdala, ST., MT
SI 2 - Regresi & Korelasi Berganda 1 SI 2 - Regresi & Korelasi Berganda 2

Model Regresi Berganda Model Regresi Berganda

Menguji hubungan linier antara Model dgn 2 variabel independen
1 variabel dependen (y) dan 2 atau lebih variabel independen (xn) y

Model pd populasi: ŷ = a + b1 x1 + b2 x2
Y-intercept Population slopes Random Error

y = α + β1 x1 + β2 x2 +  + βn xn + ε
Estimasi model regresi berganda:
x2
Estimasi Estimasi
(atau prediksi) Estimasi koofisien slope
intercept
Nilai y

ŷ = a + b1 x1 + b2 x2 +  + bn xn x1
SI 2 - Regresi & Korelasi Berganda 3 SI 2 - Regresi & Korelasi Berganda 4

Model Regresi Berganda Asumsi Regresi Berganda

Model dgn 2 variabel independen

y
Error (residual) dari model regresi:
Sample
<

yi observation ŷ = a + b1 x1 + b2 x2 e = (y – y)

• Error berdistribusi normal

<

<

yi e = (y – y)
• Mean dari error adalah nol
x2i • Error memiliki variansi yang konstan
x2
• Error bersifat independen
<

x1i persamaan regresi y yang

terbaik diperoleh dengan
meminimumkan sum of squared
x1 error (jmh kuadrat error) e2
SI 2 - Regresi & Korelasi Berganda 5 SI 2 - Regresi & Korelasi Berganda 6

1
 4/19/2016

Regresi Berganda Mencari Persamaan Regresi Berganda

• Tentukan tujuan apa yang diinginkan dan pilih variabel Dapat ditentukan dengan beberapa cara sbb:
dependennya 1. Metode Kuadrat Terkecil
• Tentukan sejumlah variabel independen 2. Persamaan Normal
• Pengumpulan data sampel (observasi) untuk semua 3. Sistem Matriks
variabel

SI 2 - Regresi & Korelasi Berganda 7 SI 2 - Regresi & Korelasi Berganda 8

1. Metode Kuadrat Terkecil (dgn 2 var independen) 1. Metode Kuadrat Terkecil - lanjutan
b1 dan b2  Koefisien regresi dicari dgn persamaan
ŷ = a + b1 x1 + b2 x2
a  Y  b1 X 1  b2 X 2 (∑x2 2 )(∑x1 y) - (∑x1 x2 )(∑x2 y)
b1 =
∑Y (∑x12 )(∑x2 2 )- (∑x1 x2 )2
Y=
n

∑X 1 ∑X 2 (∑x12 )(∑x2 y) - (∑x1 x2 )(∑x1 y)

X1 = X2 = b2 =
n n (∑x12 )(∑x2 2 )- (∑x1 x2 )2
SI 2 - Regresi & Korelasi Berganda 9 SI 2 - Regresi & Korelasi Berganda 10

1. Metode Kuadrat Terkecil - lanjutan Contoh Soal

2 Internal Revenue Service mencoba mengestimasi pajak aktual
∑y 2 = ∑Y 2 - nY yang tak terbayar tiap bulan di divisi Auditing. Dua faktor yang
mempengaruhinya adalah jumlah jam kerja pegawai dan
2 jumlah jam kerja mesin (komputer). Untuk menganalisis
∑x12 = ∑X 12 - n X 1
seberapa besar kedua faktor itu mempengaruhi besarnya
2 pajak aktual tak terbayar tiap bulan, dilakukan pencatatan
∑x2 2 = ∑X 2 2 - n X 2 selama 10 bulan dengan data ditunjukkan pada tabel berikut.

∑x1 y = ∑X 1Y - n X 1Y
Cari persamaan regresi linier bergandanya!
∑x2 y = ∑X 2Y - n X 2 Y

∑x1 x2 = ∑X 1 X 2 - n X 1 X 2
SI 2 - Regresi & Korelasi Berganda 11 SI 2 - Regresi & Korelasi Berganda 12

2
 4/19/2016

Contoh Soal-lanjutan Jawab

2 2 2
X1 X2 Y (Rp 1000) n ke X1 X2 Y X1Y X2Y X1X2 X1 X2 Y
Bulan Jam kerja Pajak aktual yang 1 45 16 29 1.305 464 720 2.025 256 841
Jam kerja pegawai
mesin/komputer tidak dibayar 2 42 14 24 1.008 336 588 1.764 196 576
Januari 45 16 29 3 44 15 27 1.188 405 660 1.936 225 729
Pebruari 42 14 24 4 45 13 25 1.125 325 585 2.025 169 625
Maret 44 15 27 5 43 13 26 1.118 338 559 1.849 169 676
April 45 13 25 6 46 14 28 1.288 392 644 2.116 196 784
Mei 43 13 26 7 44 16 30 1.320 480 704 1.936 256 900
8 45 16 28 1.260 448 720 2.025 256 784
Juni 46 14 28
9 44 15 28 1.232 420 660 1.936 225 784
Juli 44 16 30
10 43 15 27 1.161 405 645 1.849 225 729
Agustus 45 16 28
Rata2 44,1 14,7 27,2
September 44 15 28
Total 441 147 272 12.005 4.013 6.485 19.461 2.173 7.428
Oktober 43 15 27

SI 2 - Regresi & Korelasi Berganda 13 SI 2 - Regresi & Korelasi Berganda 14

Jawab - lanjutan Jawab - lanjutan

2
∑y 2 = ∑Y 2 - nY = 7.428 - ( 10 )( 27 ,2 )2 = 29 ,6 (∑x2 2 )(∑x1 y)- (∑x1 x2 )(∑x2 y) ( 12,1 )( 9 ,8 ) - ( 2,3 )( 14 ,6 )
b1 =
2
(∑x12 )(∑x2 2 )- (∑x1 x2 )2 = ( 12,9 )( 12,1 ) - ( 2,3 )2 = 0 ,564
∑x12 = ∑X 12 - n X 1 = 19.461 - ( 10 )( 44 ,1 )2 = 12,9
(∑x12 )(∑x2 y)- (∑x1 x2 )(∑x1 y) ( 12,9 )( 14 ,6 ) - ( 2,3 )( 9 ,8 )
b2 =
(∑x12 )(∑x2 2 )- (∑x1 x2 )2 = ( 12,9 )( 12,1 ) - ( 2,3 )2 = 1,099
2
∑x2 2 = ∑X 2 2 - n X 2 = 2.173 - ( 10 )( 14 ,7 )2 = 12,1

∑x1 y = ∑X 1Y - n X 1Y = 12.005 - ( 10 )( 44 ,1 )( 27 ,2 ) = 9 ,8 a = Y - b1 X 1 - b2 X 2 = 27 ,2 - ( 0 ,564 )( 44 ,1 ) - ( 1,099 )( 14 ,7 ) = - 13,828

∑x2 y = ∑X 2Y - n X 2 Y = 4.013 - ( 10 )( 14 ,7 )( 27 ,2 ) = 14 ,6
Sehingga diperoleh persamaan regresi linier berganda yaitu:
∑x1 x2 = ∑X 1 X 2 - n X 1 X 2 = 6.485 - ( 10 )( 44 ,1 )( 14 ,7 ) = 2,3 Y = -13,828 + 0,564X1 + 1,099X2

SI 2 - Regresi & Korelasi Berganda 15 SI 2 - Regresi & Korelasi Berganda 16

Interpretasi persamaan regresi berganda 2. Persamaan Normal

Persamaan regresi linier berganda
Y = -13,828 + 0,564X1 + 1,099X2
𝑌 = 𝑛𝑎 + 𝑏1 𝑋1 + 𝑏2 𝑋2
Nilai a = -13,828
Jika jam kerja pegawai (X1) dan jam kerja mesin (X2) keduanya bernilai nol, maka
estimasi besarnya pajak tertunda (Y) sebesar -13,828

Nilai b1 = + 0,564 𝑋1 𝑌 = 𝑎 𝑋1 + 𝑏1 𝑋12 + 𝑏2 𝑋1 𝑋2

• Hubungan antara jam kerja pegawai (X1) dengan pajak tertunda (Y)
• Jika jam kerja mesin (X2) adalah konstan, maka setiap kenaikan nilai jam kerja
pegawai (X1) sebesar satu satuan akan meningkatkan pajak tertunda (Y) sebesar
0,564 satuan,
𝑋2 𝑌 = 𝑎 𝑋2 + 𝑏1 𝑋1 𝑋2 + 𝑏2 𝑋22
Nilai b2 = + 1,099
• Hubungan antara jam kerja mesin (X2) dengan pajak tertunda (Y)
• Jika jam kerja pegawai (X1) adalah konstan, maka setiap kenaikan nilai jam kerja
mesin (X2) sebesar satu satuan akan meningkatkan pajak tertunda (Y) sebesar 1,099
satuan
SI 2 - Regresi & Korelasi Berganda 17 SI 2 - Regresi & Korelasi Berganda 18

3
 4/19/2016

Contoh (dari soal sebelumnya) Jawab

n ke X1 X2 Y X1Y X2Y X1X2 X12 X22 Y2
1 45 16 29 1.305 464 720 2.025 256 841
2 42 14 24 1.008 336 588 1.764 196 576
3 44 15 27 1.188 405 660 1.936 225 729
4 45 13 25 1.125 325 585 2.025 169 625
5 43 13 26 1.118 338 559 1.849 169 676
6 46 14 28 1.288 392 644 2.116 196 784
7 44 16 30 1.320 480 704 1.936 256 900
8 45 16 28 1.260 448 720 2.025 256 784
9 44 15 28 1.232 420 660 1.936 225 784
10 43 15 27 1.161 405 645 1.849 225 729
Rata2 44,1 14,7 27,2
Total 441 147 272 12.005 4.013 6.485 19.461 2.173 7.428
SI 2 - Regresi & Korelasi Berganda 19 SI 2 - Regresi & Korelasi Berganda 20

Jawab – lanjutan
3. Sistem Matriks
Dari persamaan
normal disusun
dalam bentuk
matriks

 n
 X X
1 2 

 n
  Y  X  2

A    X1 X X X  A2    X 1 X Y X X 
2
1 1 2 1 1 2
 X
 X
 2 X X X 
 2  X Y  X 
2 2
1 2 2  2 2

 Y
 X X 1 2 

 n
 X  Y 
1
Diperoleh persamaan: A1    X 1Y X X X
2
1 1 2  A3    X 1 X X Y
2
1 1
 X Y   X
Y = -13,828 + 0,564X1 + 1,099X2  2 X X X  2  X X  X Y 
2
1 2 2  1 2 2

det A1 det A2 det A3

a b1  b2 
det A det A det A
=
SI 2 - Regresi & Korelasi Berganda 21 SI 2 - Regresi & Korelasi Berganda 22

Persamaan regresi berganda dengan 3

Mencari Determinan Matriks variabel bebas
Untuk mencari determinan matriks berordo 3 x 3 dapat dengan beberapa
metode, salah satunya dengan metode Sarrus. Misal ada sebuah matriks B.

Maka

SI 2 - Regresi & Korelasi Berganda 23 SI 2 - Regresi & Korelasi Berganda 24

4
 4/19/2016

Persamaan regresi berganda dengan Persamaan regresi berganda dengan 3

3variabel bebas variabel bebas

SI 2 - Regresi & Korelasi Berganda 25 SI 2 - Regresi & Korelasi Berganda 26

Kesalahan Baku & Koefisien Regresi Berganda Kesalahan Baku & Koefisien Regresi Berganda
Kesalahan baku : nilai yang menyatakan seberapa jauh Pada contoh soal sebelumnya
menyimpangnya nilai regresi terhadap nilai yang sebenarnya
Se 
 y  b  x y   b  x y 
2
1 1 2 2

nm

Se 
 y  b  x y   b  x y 
2
1 1 2 2
m = k+1
k = jmh var bebas 29 ,6 - ( 0 ,56( 9 ,8 ) + 1,10( 14 ,6 )
nm Se =
10 - 3
= 1,071

Se Se
Sb2 
 X 1  r 
Sb1 = Dgn persamaan pd slide
(∑X 1
2
- nX1
2
)(1 - r
Y .1
2 ) 2
2
 nX 2
2
Y .1
2
sebelumnya bisa diperoleh nilai
Sb1 dan Sb2:
n X 1 X 2   X 1  X 2 Koefisien Korelasi
rY .1 
n X 1
2 2

  X 1  n X 2   X 2 
2 2
 antara X1 dan X2

SI 2 - Regresi & Korelasi Berganda 27 SI 2 - Regresi & Korelasi Berganda 28

Interval Keyakinan Bagi penduga B1 dan Pengujian Parameter Koefisien Regresi

B2 Berganda
Pengujian menggunakan distribusi t dengan derajat bebas (db) = n – m,
Bertujuan untuk menentukan apakah ada sebuah hubungan linear antar
Dengan contoh soal sebelumnya, dgn ∝ =5%, db = n – m = n – k -1 = 10
variabel tidak bebas Y dengan variabel bebas X1, X2,… ,Xk.
– 2 - 1 = 7, maka:
Ada 2 bentuk pengujian hipotesis bagi koefisien regresi berganda:
Interval keyakinan bagi penduga B1 adalah 1. Pengujian hipotesis serentak
b1 – t(α/2, n-k-1).Sb1< B1 < b1 + t(α/2, n-k-1).Sb1 2. Pengujian hipotesis individual

0,564 – (2,365)(0,303) < B1 < 0,564 + (2,365)(0,303)

-0,153 < B1 < 1,281
Interval keyakinan bagi penduga B2 adalah
B2 – t(α/2, n-k-1).Sb2 < B2 < b2 + t(α/2, n-k-1).Sb2
1,099 – (2,365)(0,313) < B2 < 1,099 – (2,365)(0,313)
0,359 < B2 < 1,839
SI 2 - Regresi & Korelasi Berganda
Pengujian Hipotesis Serentak
Merupakan pengujian hipotesis koefisien regresi berganda dengan B1 dan
B2 serentak atau secara bersama-sama mempengaruhi Y.
Pengujian Hipotesis individual
Merupakan pengujian hipotesis koefisien regresi berganda
dengan hanya satu B (B1 atau B2 ) yang mempengaruhi Y.
29 SI 2 - Regresi & Korelasi Berganda 30

5
 4/19/2016

Latihan Soal

SI 2 - Regresi & Korelasi Berganda 31