PROGRAM STUDI MATEMATIKA

UNIVERSTAS BALE BANDUNG

METODE STATISTIKA
3 SKS
Pertemuan 08. Regresi Linier Berganda

Dadang Ruhiat
 REGRESI LINIER BERGANDA (MULTIPLE)
➢ Model Populasi egresi Multile Populasi
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋1𝑖 + 𝛽2 𝑋2𝑖 + ⋯ + 𝛽𝑘 𝑋𝑘𝑖 + 𝜀𝑖 , 𝑖 = 1,2 … . , 𝑛

➢ Model Sampel
𝑌෠𝑖 = 𝛽መ0 + 𝛽መ1 𝑋1𝑖 + 𝛽መ2 𝑋2𝑖 + ⋯ + 𝛽መ𝑘 𝑋𝑘𝑖 + 𝑒𝑖 , 𝑖 = 1,2 … . , 𝑛

➢ Model Dugaan
𝑌෠𝑖 = 𝛽መ0 + 𝛽መ1 𝑋1𝑖 + 𝛽መ2 𝑋2𝑖 + ⋯ + 𝛽መ𝑘 𝑋𝑘𝑖 , 𝑖 = 1,2 … . , 𝑛

Dengan :
“^” = dibaca sebagai “hat” atau “topi”
Yi^ = penduga (estimator) E(Y|Xi)
𝛽መ𝑖 = Penduga 𝛽𝑖
i = Error (Kekeliruan) ei = Residual (Sisa)
 PERHITUNGAN TAKSIRAN KOEFISIEN
REGRESI LINIER BERGANDALINIER
Metode Kuadrat Terkecil MULTIPLE
෍𝑌 𝑛 ෍ 𝑋1 ෍ 𝑋2 … ෍ 𝑋𝑘

෍ 𝑋1 𝑌 … ෍ 𝑋𝑘 𝑋1 𝛽መ0
෍ 𝑋1 ෍ 𝑋12 ෍ 𝑋2 𝑋1
𝛽መ1
= 𝛽መ2
෍ 𝑋2 𝑌 ෍ 𝑋2 ෍ 𝑋1 𝑋2 ෍ 𝑋22 … ෍ 𝑋𝑘 𝑋2 ⋮
⋮ 𝛽መ𝑘
⋮ ⋮ ⋮ ⋮ ⋮
෍ 𝑋𝑘 𝑌 ෍ 𝑋𝑘 ෍ 𝑋1 𝑋𝑘 ෍ 𝑋2 𝑋𝑘 … ෍ 𝑋𝑘2

Y = X b

−1

𝑛 ෍ 𝑋1 ෍ 𝑋2 … ෍ 𝑋𝑘 ෍𝑌

𝛽መ0 … ෍ 𝑋𝑘 𝑋1 ෍ 𝑋1 𝑌
෍ 𝑋1 ෍ 𝑋12 ෍ 𝑋2 𝑋1
𝛽መ1
𝛽መ2 =
෍ 𝑋2 ෍ 𝑋1𝑋2 ෍ 𝑋22 … ෍ 𝑋𝑘 𝑋2 ෍ 𝑋2 𝑌
⋮
𝛽መ𝑘 ⋮
⋮ ⋮ ⋮ ⋮ ⋮
෍ 𝑋𝑘 ෍ 𝑋1𝑋𝑘 ෍ 𝑋2 𝑋𝑘 … ෍ 𝑋𝑘2 ෍ 𝑋𝑘 𝑌

𝒃 = 𝑿−𝟏 𝒀
 UJI KEBERARTIAN REGRESI :
Uji keberatian :
1. Uji keberartian koefisien regresi Simultan
2. Uji keberatian koefisien regresi parsial
 UJI KEBERARTIAN REGRESI :
Langkah-langkah Uji keberatian Simultan :
1. Tentukan hipotesis uji keberatian koefisien
Ho : Regresi linier berganda tidak berarti 4. Kriteria pengujiaan ::
H1 : Regresi linier berganda berarti Tolak Ho, Jika : F > 𝐹𝛼;𝑘,𝑛−𝑘−1
2. Tentukan Taraf signifikan (α) 5. Pengambilan Kesimpulan
3. Gunakan Uji Statistik f :

𝐽𝐾(𝑅𝑒𝑔)/𝑘
𝐹=
𝐽𝐾(𝑆)/(𝑛 − 𝑘 − 1)

dimana :
𝐽𝐾 𝑅𝑒𝑔 = 𝑏1 ෍ 𝑥1 𝑦 + 𝑏2 ෍ 𝑥2 𝑦 + ⋯ + 𝑏𝑘 ෍ 𝑥𝑘 𝑦

𝐽𝐾 𝑆 = σ 𝑦 2 − 𝐽𝐾 𝑅𝑒𝑔
σ𝑌 2
• σ 𝑦2 = σ 𝑌2 −
𝑛
σ𝑋 2
• σ 𝑥2 = σ 𝑋2 −
𝑛
σ𝑋 σ𝑌
• σ 𝑥𝑦 = σ 𝑋𝑌 −
𝑛
 UJI KEBERARTIAN REGRESI PARSIAL:
Langgkah Uji K : 1 𝑟12 … 𝑟1𝑘
1. Tentukan hipotesisUji keberatian koefisien 𝑟21 1 … 𝑟2𝑘
. . . .
Ho : Koefisien regresi bi tidak berarti 𝑅=
.. .. .. ..
untuk digunakan
H1 : Koefisien regresi bi berarti untuk digunakan 𝑟𝑘1 𝑟𝑘2 … 1

2. Tentukan Taraf signifikan (α) Anggk

𝟏𝟏 𝒓 𝑟12 … 𝑟1𝑘
𝑟 21 𝐫 𝟐𝟐 …. 𝑟 2𝑘
3. Gunakan Uji Statistik t : 𝑅 −1 = . . .
𝐛𝐢 .. .. .. ..
𝐭=
𝐬𝐛𝐢 𝑟 𝑘1 𝑟 𝑘2 … 𝒓𝒌𝒌
Dimana :
2
𝐽𝐾 𝑆
𝑠𝑦.12…𝑘 = 4. Kriteria pengujiaan
𝑛−𝑘−1
Tolak H0 jika : t hitung > t tabel
2
𝑠𝑦.12…𝑘
𝑠𝑏2𝑖 = 5. Kesimpulan
σ 𝑥𝑖2 1− 𝑅𝑖2

1
𝑅𝑖 2 = 1 −
𝑟11
 PERHITUNGAN TAKSIRAN KOEFISIEN
Contoh : REGRESI LINIER BERGANDALINIER
Misal diketahui data 1 peubah tak bebas dan 2 Matrik untuk dua peubah bebas X1MULTIPLE
dan X2 :
peubah bebas yang disajikan pada tabel berikut : ෍𝑌 𝑛 ෍ 𝑋1 ෍ 𝑋2
Objek X1 X2 Y 𝛽መ0
1 11 8 24 ෍ 𝑋1 𝑌 = ෍ 𝑋1 ෍ 𝑋12 ෍ 𝑋2 𝑋1 𝛽መ1
2 3 4 8
3 5 4 16 𝛽መ2
4 7 5 18 ෍ 𝑋2 𝑌 ෍ 𝑋2 ෍ 𝑋1 𝑋2 ෍ 𝑋22
5 9 7 24
6 8 6 23 180 10 70 49 𝛽መ0
7 5 3 11
1361 = 70 536 369 𝛽መ1
8 7 3 15
947 49 369 265 𝛽መ2
9 7 5 21
10 8 4 20 𝛽መ0 10 70 49 −1
180
a. Tentukan persamaan Regresi linier berganda 𝛽መ1 = 70 536 369 1361
dan interpretasikan hasilnya. 𝛽መ2 49 369 265 947
b. Berapa nilai Y apabila diketahui X1=10 dan X2=9 𝛽መ0 1,25 −0,10 −0,09 180
c. Lakukan Uji keberartian Regresi Linier Ganda መ
𝛽1 = −0,10 0,05 −0,06 1361
𝛽መ2 −0,09 −0,06 0,10 947
Penyelesaian cara 1:
𝛽መ0 1,899
Tabel hitung መ
𝛽1 = 1,757
Objek X1 X2 Y X12 X1Y X1X2
2
X2 X2Y Y2
𝛽መ2 0,775
1 11 8 24 121 264 88 64 192 576
2 3 4 8 9 24 12 16 32 64
3 5 4 16 25 80 20 16 64 256 a. ෡ = 𝟏, 𝟖𝟗𝟗 + 𝟏, 𝟕𝟓𝟕𝑿𝟏 + 𝟎, 𝟕𝟕𝟓𝑿𝟐 + 𝒆
𝒀
4 7 5 18 49 126 35 25 90 324
5 9 7 24 81 216 63 49 168 576 Apabila X1 ertambah 1 unit maka Y akan bertambah sebesar
6 8 6 23 64 184 48 36 138 529 1,757 dengan asumsi X2 konstan, demikian pula jika X2 bertambah 1
7 5 3 11 25 55 15 9 33 121 unit maka Y akan bertambah 0,775 dengan asumsi X1 konstan.
8 7 3 15 49 105 21 9 45 225
9 7 5 21 49 147 35 25 105 441 b. ෡ = 𝟏, 𝟖𝟗𝟗 + 𝟏, 𝟕𝟓𝟕 𝟏𝟎 + 𝟎, 𝟕𝟕𝟓 𝟗 = 𝟐𝟔, 𝟒
𝒀
10 8 4 20 64 160 32 16 80 400
Jumlah 70 49 180 536 1.361 369 265 947 3.512
 PERHITUNGAN TAKSIRAN KOEFISIEN REGRESI LINIER
BERGANDAMULTIPLE
Tabel Hitung
X12 2
Y2
Contoh Penyelesaian cara 2
Objek X1 X2 Y X1Y X1X2 X2 X2Y
1 11 8 24 121 264 88 64 192 576
2 3 4 8 9 24 12 16 32 64

Untuk perhitungan koefisien Regresi Linier 3

4
5
7
4
5
16
18
25
49
80
126
20
35
16
25
64
90
256
324
berganda 1 peubah tak bebas (Y) dan 2 peubah 5
6
9
8
7
6
24
23
81
64
216
184
63
48
49
36
168
138
576
529
bebas (X1 dan X2) juga dapat menggunakan 7 5 3 11 25 55 15 9 33 121
8 7 3 15 49 105 21 9 45 225
rumus berikut : 9 7 5 21 49 147 35 25 105 441

𝑏0 = 𝑌ത − 𝑏1 𝑋ത1 − 𝑏2 𝑋ത2 10
Jumlah 70
8 4
49
20
180
64
536
160
1.361
32
369
16
265
80
947
400
3.512
Berdasarkan tabel diatas diketahui :
σ 𝑥22 σ 𝑥1 𝑦 − σ 𝑥1 𝑥2 σ 𝑥2 𝑦 ෍ 𝑥12 = 536 −
70 2
= 46
𝑏1 = 10
σ 𝑥12 σ 𝑥22 − σ 𝑥1 𝑥2 2 49 2
෍ 𝑥22 = 265 − = 24,9
10
σ 𝑥12 σ 𝑥2 𝑦 − σ 𝑥1 𝑥2 σ 𝑥1 𝑦 ෍ 𝑥1 𝑦 = 1361 −
70 180
= 101
𝑏2 = 10
σ 𝑥12 σ 𝑥22 − σ 𝑥1 𝑥2 2
49 180
෍ 𝑥2 𝑦 = 947 − = 65
10
Dimana : 70 49
σ 𝑋𝑖 2 ෍ 𝑥1 𝑥2 = 369 − = 26
10
෍ 𝑥𝑖2 = ෍ 𝑋𝑖2 −
𝑛
24,9 101 − 26 65
𝑏1 = = 1,757
σ 𝑋𝑖 σ 𝑋𝑗 46 24,9 − 26 2
෍ 𝑥𝑖 𝑥𝑗 = ෍ 𝑋𝑖 𝑋𝑗 −
𝑛 46 65 − 26 101
𝑏2 = = 0,775
σ 𝑋𝑖 σ 𝑌 46 24,9 − 26 2
෍ 𝑥𝑖 𝑦 = ෍ 𝑋𝑖 𝑌 − 𝑏0 = 𝑌ത − 𝑏1 𝑋ത1 − 𝑏2 𝑋ത2 = 4,9 − 1,757 7 − 0,775 4,9 = 1,899
𝑛
෡ = 𝟏, 𝟖𝟗𝟗 + 𝟏, 𝟕𝟓𝟕𝑿𝟏 + 𝟎, 𝟕𝟕𝟓𝑿𝟐 + 𝒆
Persamaan Regresi : 𝒀
 UJI KEBERARTIAN REGRESI :
Langkah-langkah Uji keberatian Simultan :
𝐽𝐾 𝑅𝑒𝑔 = 𝟏, 𝟕𝟓𝟕 . 101 + 𝟎, 𝟕𝟕𝟓 . 65
1. Rumusan Hipotesis uji keberatian koefisien 𝐽𝐾 𝑅𝑒𝑔 = 227,832
Ho : Regresi linier berganda tidak berarti
K=2
H1 : Regresi linier berganda berarti
2. Tentukan Taraf signifikan (α)
𝐽𝐾 𝑆 = ෍ 𝑦 2 − 𝐽𝐾 𝑅𝑒𝑔
3. Uji Statistik F : 𝐽𝐾 𝑆 = 272 − 227,832 = 44,168
𝐽𝐾(𝑅𝑒𝑔)/𝑘 n-k-1=10-2-1 = 7
𝐹=
𝐽𝐾(𝑆)/(𝑛 − 𝑘 − 1)
dimana : 227,832/2
𝐽𝐾 𝑅𝑒𝑔 = 𝑏1 ෍ 𝑥1 𝑦 + 𝑏2 ෍ 𝑥2 𝑦 𝐹= = 18,05
44,16/7
𝐽𝐾 𝑆 = σ 𝑦 2 − 𝐽𝐾 𝑅𝑒𝑔 Ftabel=F0,05;k;(n-k-1)= F0,05;2,7 =4,74
180 2
• σ 𝑦 2 = 3512 − = 272 4. Kriteria uji :
10
70 2
• σ 𝑥12 = 536 − = 46 F > Ftabel, maka H0 ditolak
10

• σ 𝑥22 = 265 −
49 2
= 24,9 5.Kesimpulan
10
70 180 Dengan tingkat kepercayaan 95% peubah-
• σ 𝑥1 𝑦 = 1361 − = 101
10 peubah bebas berpengaruh signifikan terhadap
• σ 𝑥2 𝑦 = 947 −
49 180
= 65 terhadap peubah tak bebas Y, sehingga
10 persamaan regresi linier berganda mempunyai
• σ 𝑥1 𝑥2 = 369 −
70 49
= 26 keberartian untuk digunakan.
10
 UJI KEBERARTIAN REGRESI PARSIAL:
Langgkah Uji K : 𝑅=
1
𝑟21
𝑟12
1
1. Tentukan hipotesisUji keberatian koefisien nggk
Ho : Koefisien regresi b1 tidak berarti 2,44 −1,87
𝑅 −1 =
untuk digunakan −1,87 2,44
H1 : Koefisien regresi b1 berarti untuk digunakan
1
𝑅1 2 = 1 − = 0,59
2,44
2. Taraf signifikan (α)= 0,05
Sehingga :
3. Gunakan Uji Statistik t : 6,31
𝑠𝑏21 = = 0,3346
𝐛𝟏 (46) 0,59
𝐭=
𝐬𝐛𝟏 𝑠𝑏1 = 0,5784
Dimana :
𝐽𝐾 𝑆 44,16 𝑏1 1,757
2 𝑡= = = 3,308
𝑠𝑦.12…𝑘 = = = 6,31 𝑠𝑏1 0,5784
𝑛−𝑘−1 7
𝑡𝑡𝑎𝑏𝑒𝑙 = 𝑡0,05;,7 = = 1,895
2
𝑠𝑦.12…𝑘 4. Kriteria pengujiaan
𝑠𝑏21 = Tolak H0 jika : t hitung > t tabel
σ 𝑥12 1 − 𝑅12
5. Kesimpulan
1 Dengan tingkat keperecayaan 95%, diketahui
𝑅1 2 = 1 − bahwa peubah bebas X1 berarti/ berpengaruh
𝑟11 signifikan terhadap peubah tak bebas Y
 PEMILIHAN MODEL
• Model persamaan regresi yang terpilih ada model yang
memiliki koefisien-koefisien regresi yang berarti.
• Misalkan ingin diuji hipotesis :
H0 : β=0
H1 : β≠0
Pada α tertentu.
Maka untuk menguji hipotesis diatas hitung nilai :
𝐽𝐾(𝑅)/1 𝐽𝐾𝑅
𝐹= =
𝐽𝐾(𝑆)/(𝑛−2) 𝑆2
Tolak H0 apabila F > 𝐹 α;1,𝑛−2
 Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 ,915a ,838 ,792 2,51006
a. Predictors: (Constant), X2, X1

ANOVAa
Model Sum of Squares df Mean Square F Sig.
1 Regression 227,897 2 113,949 18,086 ,002b
Residual 44,103 7 6,300
Total 272,000 9
a. Dependent Variable: Y
b. Predictors: (Constant), X2, X1
TUGAS
Y = Kadar Atherosclerosis
Berikut diketahui data beberapa
X1 = Dosis Cholesterol (gr/hari)
kondisi yang diduga mempengaruhi X2 = Kadar Cholesterol (mg)
kadar atherosclerosis dalam darah. X3 = Berat Permulaan
Jika hubungan variabel tak bebas X4 = Rasio berat permulaan terhadap berat akhir
dengan Variabel bebas
diasumsikan linier, No. X1 X2 X3 X4 Y
1 30 424 2.46 0.9 2
a. Tentukan persamaan Regresi 2 30 313 2.39 0.91 0
linier berganda dan 3 35 243 2.75 0.95 2
4 35 365 2.19 0.95 2
interpretasikan hasilnya. 5 43 396 2.67 1 3
b. Berapa nilai Y apabila diketahui 6 43 356 2.74 0.79 2
X1=10 dan X2=9 7 44 346 2.55 1.26 3
8 44 156 2.58 0.95 0
c. Lakukan Uji keberartian Regresi 9 44 278 2.49 1.1 4
Linier Ganda, baik Simultan 10 44 349 2.52 0.88 1
maupun parsial 11 44 141 2.36 1.29 1
12 44 245 2.36 0.97 1
13 45 297 2.56 1.11 3
14 45 310 2.62 0.94 2
15 45 151 3.39 0.96 3
 SUMBER
• Walpole, Ronald E. & Raymond H. Myers. (1990). Probability and
Statistics for Engineers and Scientist, MacMillan Publishing Company,
New York
• Miller, Irwin & John E. Freud. (1998). Probability and Statistics for
Engineers, Prentice Hall International, New York.
• Sudjana.(2003).Teknik Analisis Regresi dan Korelasi.Tarsito,
Bandung.