MULTIPLE LINEAR REGRESSION

Kuliah-14
 SASARAN

1. Menggambarkan hubungan antara variable bebas dan terikat

memakai multiple regression analysis.
2. Interpretai dan menerapkan tabel ANOVA
3. Menghitung dan menginterpretasikan multiple standard error
of estimate, coefficient of multiple determination, dan
adjusted coefficient of multiple determination.
4. Melakukan uji hipotesis untuk menentukan koefisien regresi.
5. Melakukan uji hipotesis pada tiap koefisien regresi.

2
 Multiple Regression Analysis

Betuk umum:

Kriteria least square dipakai untuk

mengembangkan persamaan. Karena penentuan
konstanta b1, b2, dst. Sangat melelahkan, maka
dipakai perangkat lunak khusus seperti MINITAB,
SPSS, Polymath, EXCEL, dll.
3
 Multiple Regression Analysis

Bentuk umum dua variable bebas:

• X1 dan X2 adalah variable bebas.

• a adalah intersep-Y
• b1 adalah perubahan neto dalam Y untuk tiap satuan
perubahan dalam X1 pada X2 konstan. Ini disebut
koefisien regresi parsial, koefisien regresi neto, atau
koefisien regresi aja.
4
 Bidang Regresi untuk 2 Variable Bebas

5
 Multiple Linear Regression

Biaya pemanasan bergantung pada tiga variable:

(1) Suhu rata-rata harian,
(2) Tebal insulasi
(3) Usia pemanas

6
 Multiple Linear Regression - Example

Masukkan Data (misal dalam EXCEL)

7
 Multiple Linear Regression - Example

(1) Pilih Data

(2) Pilih Data Analysis

8
 Multiple Linear Regression - Example

(2) Klik OK
(1) Pilih “Regression”

9
 Multiple Linear Regression - Example
(1) Pilih range inpu (X) dan output (Y)

(2) Klik OK

Bila pemilihan X dan Y

meliputi label di baris
pertama, jangan lupa
centang bagian LABEL

10
 Multiple Linear Regression - Example

Hasil regresi ganda Y = a + b1 X1 + b2 X2 + b3 X3

Perhatikan nilai: R, R2, Adj.R2 a = 427,1938

b1 = -4,5827
b2 = -14,8309
b3 = 6,1010

Hasil koefisien: a, b1, b2, b3

11
 Multiple Regression Equation

Koefisien regresi X1 adalah 4.583. Koefisien adalah

negative dan memperlihatkan hubungan terbalik antara
biaya dan suhu.
Variabel X2 juga memperlihatkan hubungan terbalik,
semakin besar insulasi, biaya pemanasan semakin
kecil
Variabel X3 memperlihatkan hubungan langsung. Dengan
pembakar semakin tua, biaya pemanasan semakin
besar.

12
 Menerapkan Model untuk Estimasi

Berapa biaya pemanasan jika suhu luar 30o, tebal

insulasi 5 inch, dan usia pemanas 10 tahun?

13
 Multiple Standard Error of
Estimate
Multiple standard error of estimate adalah mengukur
efektivitas persamaan regresi.
 Rumus:

14
15
 Regresi Ganda dan Asumsi
Korelasi

 Variabel bebas dan terikat memiliki hubungan linier.

Variabel bebas harus kontinyu paling sedikit dalam
skala intervalnya.
 Residual harus sama untuk seluruh nilai Y.
 Residual harus mengikuti distribusi normal dengan
rata-rata 0.
 Nilai dari variabel dependen harus tidak berkorelasi

16
 Tabel ANOVA

Tabel ANOVA menunjukkan variasi dalam

variable terikat. Variasi ini dibagi menjadi dua
komponen.
 Explained Variation yang diperhitungkan untuk
himpunan variable bebas.
 Unexplained atau Random Variation yang tidak
diperhitungkan untuk himpunan variable bebas.

17
 Koefisien Determinasi Ganda (R2)

Karakteristik koefisien determinasi ganda:

1. Disimbolkan dengan huruf besar R2.
2. Bernilai antara 0 dan 1.
3. Tidak dapat bernilai negatif.
4. Mudah diinterpretasikan.

18
 Koefisien Determinasi Ganda (r2)

Koefisien Determinasi Ganda (R2) adalah persen

(fraksi) perubahan dalam variabel terikat (Y) yang
dapat dijelaskan oleh himpunan variable; independent
(X1, X2, …. , Xk)

19
 Adjusted Coefficient of Determination

 Jumlah variable bebas dalam regresi ganda

membuat koefisien determinasi menjadi besar.

 Jika jumlah variabel, k, dan ukuran sampel, n,

adalah sama, maka koefisien determinasi 1.0.

 Penyeimbangan pengaruh jumlah variable bebas

yang memiliki koefisien determinasi ganda, dipakai
adjusted coefficient of multiple determination.

20
 Adjusted Coefficient of Determination

21
 Akhir Kuliah 14

22