Disusun Oleh :
Septiani Satriani P.P 180431624571
Stevan Ditya E. 180431624633
Syafa’atin A.R 180431624617
Ubeid Fandi N. 180431624510
Puji syukur kami panjatkan kehadirat Tuhan yang Maha Esa yang telah melimpahkan
rahmat, hidayah, dan inayah-Nya kepada kami. Sehingga kami dapat menyelesaikan makalah
yang berjudul " Analisis Regresi Linier Berganda Permodelan" ini dengan tepat waktu.
Makalah ini disusun agar pembaca dapat memperluas ilmu dan pengetahuan tentang
reliabilitas. Pembuatan makalah ini tidak lepas dari bantuan dan kerjasama dari berbagai
pihak, oleh karena itu kami memgucapkan terima kasih yang sebesar-besarnya kepada semua
pihak yang telah membantu dalam penyusunan makalah ini hingga selesai tepat waktu.
Terlepas dari semua itu, kami menyadari bahwa di dalam makalah ini masih tersimpan
berbagai permasalahan baik dari segi susunan kalimat maupun tata bahasanya. Maka dari itu
dengan lapang dada kami menerima segala bentuk kritik dan saran demi kesempurnaan
makalah ini.
Akhir kata kami selaku penyusun dari makalah ini berharap semoga makalah ini dapat
memberikan wawasan yang lebih luas kepada pembaca dan bermanfaat bagi semua pihak
serta menjadi inspirasi bagi kemajuan ilmu pengetahuan.
Penyusun
2
DAFTAR ISI
3
BAB I
PENDAHULUAN
A. Latar Belakang
Sebagian besar nalisis statistika bertujuan untuk mengetahui apakah ada
hubungan antara dua atau lebih variabel. Bila hubungan tersebut dapat dinyatakan
dalam bentuk rumus matematika, maka kita dapat menggunakan untuk
kepentingan peramalan. Sebagai misal kita memberikan test kepada mahasiswa
baru untuk melihat keberhasilan mereka pada akhir perkuliahan.
Seberapa jauh peramalan itu dapat dipercaya, bergantuk pada keeratan
hubungan antara variabel-variabel tersebut. Untuk lebih cepat memahami topik
regresi ini, maka penguasaan materi pada pertemuan-pertemuan sebelumnya
sangatlah diperlukan dan menjadi syarat mutlak.
B. Rumusan Masalah
1. Bagaimana
2. Bagaimana
3. Bagaimana
C. Tujuan
1. Untuk
2. Untuk
3. Untuk
4
BAB II
PEMBAHASAN
1. Analisis Varians Dalam Regresi Linier Berganda Dan Peramalan Dengan
Menggunakan Regresi Linier Berganda
Didalam uraian tentang regresi linier sederhana pada Bab 4, dikemukakan bahwa
apabila variabel X dan Y yang diukur menurut rata-ratanya, dinyatakan dalam bentuk
simpangan ( x i=X I − X́ , y i =Y I −Ý ), maka
Ʃ xi yi
y i= ў i +e i → ei = y i− ў i , ў i =bx i → b=
Ʃ x i2
¿)
Ʃ xi yi Ʃ y i2
bƩ x i y i = . Ʃ xi y i .
Ʃ x i2 Ʃ y i2
Ʃ xi yi Ʃ xi y i
¿ 2 2
. 2 2
. Ʃ y i2
√Ʃ x √Ʃ y √Ʃ x √Ʃ y
i i i i
¿ r 2 Ʃ y i2=r 2 y T y
¿ r 2 y T y+ ( 1−r 2 ) y T y
Pada umumnya, kalau hubungan antara k variabel bebas dengan 1 variabel tak bebas (
yaitu antara Y dengan X 1 , X 2 ,… … . , X k ) untuk suatu sampel dengan n observasi,
Y i=B0 + B1 X 1 i+ …+ B j X ji +…+ B k X ki +ε p i=1,2 , … . ,n
j=1,2 ,… . , k
Karena koefesien B dan kesalahan penggangu ε tak diketahui, maka nilainya harus
diestimasi dari data hasil observasi. B dan ε diestimasi dengan b dan ε, sehingga
Y i=B0 + B1 X 1 i+ …+ B j X ji +…+ B k X ki +ε p i=1,2 , … . ,n
5
Dinyatakan dalam bentuk matriks:
Y = XB+ε
X 11 X j1 X k1
[] [ ] [][]
Y1 1 B1 ε1
⋮ ⋮ ⋮
Y2 1 ⋯ ⋯ B2 ε2
X 12 X j2 X k2
⋮ ⋯ ⋯
Y= ⋮ , X= B= ⋮ ε = ⋮
¿ Yi ¿1 ⋮ ¿¿⋯ ⋮ ¿¿⋯ ⋮ ¿ Bi ¿ εi
X X X
⋮ ⋮ 1 i ¿ ⋯ ji ¿ ⋯ ki ⋮ ⋮
Yn 1 ⋮ ⋮ ⋮
Bk εn
X1n X jn X kn
Apabila X dan Y diukur dari titk asal, maka dapat diringkaskan hal-hal sebagai berikut
:
Y = XB+ε, diestimasi dengan Xb+ e
−1
b=( X T X T ) X T Y
E ( b ) =B
−1
Var ( b )=σ 2 ( X T X T )
1
bX T Y − ( Ʃ y i )2
n
E ( e T e )=( n−k ) σ 2 ; dan R21.23 … .k =R 2=
1
Y T Y − ( Ʃ y i )2
n
Apabila X dan Y masing-masing diukur dari rata-rata, kemudian dinyatakan dengan
huruf latin x j= X j −¿ j , dan y i =Y i−Y ¿, maka hubungan tersebut akan menjadi
y i=b 0 +b1 x1 i +…+ b j x ji + …+b k x ki +e p i=1,2 , … . ,n
j=1,2 ,… . , k
Dinyatakan dalam bentuk matriks, akan diperoleh hubungan berikut.
Y = XB+ε, yang dapat diestimasi dengan Xb+ e (dapat dibuktikan bahwa e = 0)
x 11 x j1 x k1
[] [ ][]
y1 1 B1
⋮ ⋮ ⋮
y2 1 ⋯ ⋯ B2
x 12 x j2 x k2
⋮ ⋯ ⋯
y= ⋮ , X= B= ⋮
¿ yi ¿1 ⋮ ¿¿⋯ ⋮ ¿¿ ⋯ ⋮ ¿ Bi
x x x
⋮ ⋮ 1 i ¿ ⋯ ji ¿ ⋯ ki ⋮
yn 1 ⋮ ⋮ ⋮
Bk
x1 n x jn x kn
6
b1 ε1 e1
[] [] []
b2
b= ⋮ , ε =
¿ bi
⋮
bk
ε2
⋮
¿ εi
⋮
εn
, e=
e2
⋮
¿ ei
⋮
en
Perhatikan bahwa kita sukar sekali (tidak bisa) membedakan antara matriks/vektor
dengan elemen-elemen berupa variabel yang diukur dari titik nol (dinyatakan dengan
huruf latin besar) dan yang diukur dari rata-ratanya (dinyatakan dengan huruf latin
kecil), sebab matriks/vektor harus dinyatakan dalam huruf latin besar.
Apabila variabel diukur dari rata-ratanya, atau dinyatakan dalam bentuk
simpangan dengan huruf latin kecil, maka matrik X akan menjadi n baris dan k kolom;
sedangkan vektor B akan terdiri dari k komponen/elemen.
Semua rummus yang berhubungan dengan variabel yang dinyatakan dalam
bentuk simpangan (huruf kecil), mempunyai bentuk yang sama apabila dinyatakan
dalam bentuk persamaan matriks, kecuali R21.23 … .k =r 2, yang bentuknyaa kan berubah
dari
1
bT X T Y − ( Ʃ y i )2
2 n
R= (variabel X danY dinyatakan dalam huruf besar)
T 1 2
Y Y − ( Ʃ yi )
n
menjadi
2 bT X T Y (
R= variabel X dan Y dinyatakan dalam huruf kecil ) di mana
YTY
Ʃ x1 i yi
b T X T Y =( b1 ,b 2 , … … , b j , … … ,b k )
[ ]Ʃ x 2i y i
⋮
¿ Ʃ x ji y i
⋮
Ʃ x ki y i
b1 Ʃ x 1 i y i +b2 Ʃ x 2 i y i
¿ + …+b j Ʃ x ji y i
Sesuai denganuraian mengenai regresi linier sederhana untuk hubungan antara dua
+…+b k Ʃ x ki y i
variabel dari Bab 5 yang kemudian diuraikan lagi pada permulaan bab ini, maka:
b T X T Y =Y T Y ( R2)
e T e=Y T Y (1−R2)
e T e=Ʃ ei2
7
Y T Y =Ʃ y i2 → untuk mengukur variasi Y
(Regresi)
Residu/Error e T e=Y T Y ( 1−R 2) n–k–1 Y T Y ( 1−R 2) /¿ n – k – 1)
Total Y T Y =Ʃ y i2 n–1
k =banyaknya variabel X .
b T X T Y /k Y T Y ( R2 ) /k R2 /k
F 0= = =
eT e/(n – k – 1) Y T Y ( 1−R2 ) /(n – k – 1) ( 1−R2 ) /( n – k – 1)
R2 /k
F 0=
( 1−R2 ) /(n – k – 1)
F 0 mengikuti fung F dengan derajat kebebasan k dan ¿ n – k – 1). Statistik uji F yang
dihitung berdasarkan sampel ini, dipergunakan sebagai dasar pengujian hipotesis
dengan menggunakan Analisis Varians. Hipotesis yang akan diuji adalah:
H 0 :B1 =B 2=… B j=… B k =0
H a :B j ≠0 , j=2,3
b T X T Y =b1 Ʃ x 1 y i +b 2 Ʃ x 2 y i
i i
Y T Y =Ʃ y i2=1260,89
e T e=Ʃ ei2=Y T Y −T X T Y
¿ 1260,89−1183,3127
¿ 77,5773
Hasil perhitungan ini dapat disajikan pada Tabel ANOVA sebagai berikut:
Tabel 6-3 Tabel ANOVA untuk Pengujian Keberartian
Suber Variasi Jumlah Kuadrat Derajat Kebebasan Rata-rata Kuadrat
X1 X2 b X T Y =1183,3127
T
k=2 591,6564
(Regresi)
Residu/Error e T e=77,5773 n–k–1=9–2–1=6 12,9296
Total Y T Y =1260,89 n–1=9–1=8
9
591,6564
F 0= =45,7598
12,9296
F 0 juga dapat diperoleh dari rumus:
0,9384
R2 /k 2 0,4692
F 0= = = =45,5534
( 1−R ) / (n – k – 1) 1−0,9384 0,0103
2
6
(perbedaan merupakan kesalahan pembulatan)
F α k(n−k−1)=F 0,05(2)(6 )=5,14
¿ F 0,01(2)(6) =10,92
Karena F 0=45,5534 > F 0,05(2)(6) =5,14, maka H 0 ditolak. Berarti ada pengaruh
X 1 dan X 2 terhadap Y . Ternyata, F 0=45,5534 > F 0,01(2)(6) =10,92, maka H 0 ditolak.
atau
Y =b0 +b1 x 1+ b2 x 2 +…+b j x j +…+b k x k
Diman b 0=Y −b1 X 1−b2 X 2−…−b k x k dapat digunakan untuk meramalkan nilai Y,
jika nilai X 1 , X 2 , … , X k suadah diketahui.
Di dalam praktik, sering kali ingin menguji pendapat bahwa satu variabel
(katakanlah X k) atau suatu kelompok variabel (katakanlah X I , X 2 ,… , X j , … , X k) tidak
mempengaruhi Y. Kita dapat melakukan pengujian ini, dengan langkah-langkah
sebagai berikut:
a) Untuk satu variabel saja, katakanlah X k tak mempengaruhi Y, berarti,
H 0 :B k =0
H a :B k ≠ 0
10
Hipotesis ini dapat diuji dengan menggunakan statistik uji t sebagai berikut
(lihat Subbab sebelumnya).
bk bk
t 0= =
s b s e √ d jj
k
1
S=
√ (n−k −1)
Ʃ e i2
2
Atau, dapat juga menggunakan statistik uji F, karena t (n−k−1)=F 1(n−k−1),
sebagai berikut.
b2k b2k
F 0= =
s 2d kk
( (n−k1−1) Ʃ e )( d )
i
2
kk
b 2k 2
Apabila, =b ¿2 ¿2
k → bk =d kk . bk maka
F 0 menjadi
d kk
b¿k 2
F 0=
Ʃ e i2 /(n−k−1)
heteroskedastis
apabila matriks VC (variance – convariance) kesalahan pengganggu adalah sebagai berikut :
Vn 0 0
T 2 2
E ( ε )=σ V =σ 0 V 22 0
0 0 V nn
dan beberapa elemen pada diagonal utama tidak sama dengan satu (V II ≠1), maka
11
E ( ε T )=σ 2 X 2i ,i=1,2,3
Atau bia model regresi tersebut dinyatkan dalam bentuk matriks :
Y = XB+ε
Dimana seperti biasanya E
( 1 ) E ( ε )=0
X 2i 0 0
( 2 ) E ( ε T )=σ 2
{ 0
0
2
Xi 0
0 X 2n }
( 3 ) X suatu matriks konstan, artinya tak berubah dari sampel ke sampel.
Untuk memperoleh penduga parameter B dengan metode kuadrat terkecil, mula mula kita cari matriks
T sedemikian rupa sehingga.
2
E(T ε T T T ) ¿ σ Ln
Dalam hal ini matriks T adalah sebagai berikut
X 2i 0 0
T= 0
0{ 2
Xi 0
0 X 2n }
Kalau Y = XB + ε kita kalikan dengan T kita peroleh TY = TXB + T ε kemudian kalau b¿ sebagai
penduga B diperoleh dengan kuadrat terkecil maka kita peroleh rumus sebagai berikut
b∗¿ ¿
apabila kita hanya mempunyai hubungan antar dua vatiabel X dan Y dalam bentuk regresi linear
sederhana Y= B1+ B 2 X + ε , maka metode kuadrat terkecil akan mendapatkan rumus untuk b∗¿
sebagai berikut :
b¿0
b∗¿
{}
b¿1
b¿0
{}
Dimana ¿ =¿
b1
cara alternative untuk memperoleh angka penduga b∗¿ di atas dapat langsung terhadap data hasil
tranformasi sebagai berikut :
1
Y 1=B0 + B1 X i+ ε , kalikan dengan ¿ tranformasikan), akan diperoleh
Xi
Y 1 B0
= + B1+ v 1 , dimanaV i =ε / X i
X0 Xi
12
Cara mendapatkanya :
Yi
Y 0=a0 +¿ B0 X 0 ,dimana a 0=¿ B0 Y 0=
Xi
1
b 0=¿ b 0 dan X 0=
Xi
a 0=Ý 0−b0 X́ 0
n ∑ X 0 Y 0−∑ X 0 ∑Y 0
b 0=
n ∑ X 20 −¿ ¿
1 Yi
n ∑( )( )−∑ 1¿ X i ∑ Y 1 / X i
Xi Xi
b 0=
n ∑¿ ¿
Yi
n∑ 2
−∑1 ¿ X i ∑ Y 1 / X i
= X1
n∑¿¿
∑Y 0 ∑Y0
a 0=¿ Ý 0−b0 X́ 0 → Ý 0 = , X́ 0=
n n
∑Y 0 ∑ X0
= − ¿
n n
=n ∑ Y 0 ¿ ¿
= n ( ∑ Y ) ( ∑ X )−(∑ X )¿ ¿
0
2
0 0
( ∑ X 20 ) ( ∑Y 0 )−( ∑Y 0 )( ∑ X 0 Y 0 )
¿
n ∑ X 20−¿ ¿
∑ 1/ X 2i ∑ Y i / X i−∑ 1/ X i ∑ Y 2i / X 2i
¿ 2 di mana dalam hal ini, b 2=b∗¿
n ∑ 1/ X i −¿¿
13
jumlah ∑ X i =21 ∑ 1/ X i =3,3 ∑ Y i=101
∑ 1/ X 2i =2,55 ∑ Y i / X i =45,1 ∑ Y i / X 2i =32,15
¿n∑Y i / X 2i −∑ 1/ X i ∑Y i / X i
b =¿0
n ∑ 1 /X 2i −¿ ¿
¿ n ∑ 1/ X i2 ∑Y i /−∑1/ X i ∑ Y i / X i
b 1=¿
n ∑ 1/ X 2i −¿ ¿
σ2
¿
n ∑ 1/ X i−¿ ¿
Berdasarkan perhitungan di atas.
¿ σ 2 ( 2,55 )
var ( b )=
1
6 ( 2,55 ) −¿ ¿
2 eT TT T e
Se = =¿ ¿
n−k
Untuk k=1
( n−2 ) S 2e =∑ 1/ X 2i ¿
Atau
( n−2 ) S 2e=∑ 1 / X 2i (ei2)
14
Jadi,
Untuk menguji hipotesis bahwa B1=0 ,dengan alternative bahwa B1 ≠ 0 ,di mana α =0,05 , caranya
adalah sebagai berikut.
15