Disusun oleh
Kelompok 10
i
DAFTAR ISI
Halaman
BAB I PENDAHULUAN
1.1 Latar Belakang ........................................................................ 5
1.2 Rumusan Masalah ................................................................... 5
1.3 Tujuan ..................................................................................... 6
BAB II PEMBAHASAN
2.1 Pengantar..................................................................................... 7
2.2 Model Regresi Dua Variabel Bebas .......................................... 7
2.3 Interpretasi Terhadap Nilai b 0 , b 1 , b 2 .................................. 8
2.4 Kesalahan Baku Pendugaan ......................................................... 9
2.5 Koefisien Determinasi dan Koefisien Korelasi ........................ 14
2.6 Menaksir Variabel Terikat Y .................................................... 16
2.7 Pelaporan Hasil-hasil Analisis Regresi .....................................
16
DAFTAR PUSTAKA....................................................................................... 23
2
DAFTAR RUMUS
No. Halaman
10.1 ..................................................................................................................... 7
10.2 ..................................................................................................................... 8
10.3 ..................................................................................................................... 8
10.4 ..................................................................................................................... 8
10.5 ..................................................................................................................... 8
10.6 ..................................................................................................................... 8
10.7 ..................................................................................................................... 8
10.8 ..................................................................................................................... 9
10.9 ..................................................................................................................... 9
10.10 ................................................................................................................... 9
10.11 ................................................................................................................... 9
10.12 ................................................................................................................... 9
10.13 ................................................................................................................... 9
10.14 ................................................................................................................. 9
10.15 .................................................................................................................. 14
10.16 ................................................................................................................... 15
3
DAFTAR TABEL
11
18
No. Halaman
10.1 .................................................................................................................
10
10.2 ..................................................................................................................
15
10.3 ..................................................................................................................
16
10.4 ..................................................................................................................
17
4
BAB I
PENDAHULUAN
5
linear sederhana,terdapat satu variabel bebas dan satu variabel terikat. Sedangkan
pada regresi dan korelasilinear ganda, terdapat lebih dari satu variabel. Maka dari
itu, dalam makalah ini akan dibahastentang “Analisis Regresi dan Korelasi Linear
Ganda.”
1.3. Tujuan
6
BAB II
PEMBAHASAN
(Materi BAB 10)
10.1 Pengantar
Dalam Bab 10, telah dipelajari model regresi dua variabel, yaitu model
regresi yang hanya terdiri dari satu variabel bebas saja. Disini, pembahasan
diperluas yaitu mengenai model regresi berganda (majemuk) yaitu model regresi
yang melibatkan lebih dari dua variabel yaitu satu variabel terikat Y, dengan dua
atau lebih variabel bebas ( X 1 , X 2 , . . ., X k)
Namun dalam bab ini bahasan dibatasi pada model regresi berganda yang
paling sederhana yaitu model regresi tiga variabel atau model regresi dengan dua
variabel bebas. Model regresi ini terdiri dari satu variabel terikat Y, dan dua
variabel bebas ( X 1 , X 2 )
Tujuan bab ini. Setelah mempelajari bab ini, mahasiswa (peserta didik)
diharapkan dapat menyusun/membangun model regresi, memberikan interpretasi
koefisien regresi parsial, koefisien determinasi, koefisien korelasi ganda,
Simpangan baku dari dugaan dan memprediksi nilai variabel terikat berdasarkan
variabel bebasnya (dengan nilai tertentu).
7
10.2 Model Regresi Dua Variabel Bebas
Bentuk umum model regresi sampel dua variabel bebas atau model regresi
tiga variabel dapat dinyatakan sebagai:
(10.1)
Ŷ = bₒ + b₁ X₁ + b₂ X₂
Keterangan :
Ŷ = estimasi variable terikat Y
bₒ = suatu konstanta
b₁ = kofisien regresi parsial dari X₁
b₂ = kofisien regresi parsial dari X₂
Sistem persamaan berikut didapat melalui metode kuadrat terkecil (disini
tidak diuraikan)
(10.5)
(10.6)
8
( ∑ x 1 y ) ( ∑ x 22 )− ( ∑ x1 x 2 )( ∑ x 2 y )
b1 =
(∑ x 21 )(∑ x 22 )−( ∑ x 1 x 2 )2
(10.7)
( ∑ x 2 y ) ( ∑ x 21 )−( ∑ x 1 x 2 )( ∑ x 1 y )
b2 =
(∑ x 21 )(∑ x 22 )−( ∑ x 1 x 2 )2
Ŷ = bₒ + b₁ X₁ + b₂ X₂
(10.8)
2 2 2 2
1 X́ 1 ∑ X 2 + X́ 2 ∑ X 1−2 X́ 1 X́ 2 ∑ x 1 x 2 2
Var(b 0) =
[ n
+
∑ X 21 ∑ X 22 −(∑ x 1 x 2 )2 ]SY .12
(10.9)
Sb 0
= √ Var (b0 )
9
(10.10)
∑ X 22 2
Var(b 1) = 2 2 2
S Y .12
(∑ X ) (∑ X
1 2 )−(∑ x1 x 2)
(10.11)
Sb 1
= √ Var (b1 )
(10.12)
2
∑ X1 2
Var(b 2) = 2 2 2
S Y .12
(∑ X ) (∑ X
1 2 )−(∑ x1 x 2)
(10.13)
Sb 2
= √ Var (b2 )
(10.14)
∑ y 2−b1 ∑ yx 1−b2 ∑ yx 2
SY .12 =
√ n−3
10
Contoh 10-1
Lima rumah tangga petani dari suatu daerah pertanian tertentu dipilih
sebagai sampel acak, untuk diteliti tentang pengaruh pendapatan dan jumlah
anggota keluarga terhadap pengeluaran konsumsinya. Dari penelitian yang
dilakukan diperoleh hasil sebagai berikut (Anggaplah sebaran populasinya
normal).
Y 7 9 8 5 6
X1 8 12 9 6 6
X2 6 3 3 2 6
Penyelesaian
Y X1 X2 x 1= X 1 - X 1 x 2= X 2 - X 2 y = Y- Y
7 8 6 - 0,2 2 0
9 12 3 3,8 -1 2
8 9 3 0,8 -1 1
5 6 2 -2,2 -2 -2
11
6 6 6 -2,2 2 -1
35 41 20
y2 x 1y x 2y x 21 x 22 x1 x2
0 0 0 0,04 4 -0,4
4 7,6 -2 14,44 1 -3,8
1 0,8 -1 0,64 1 -0,8
4 4,4 4 4,84 4 4,4
1 2,2 -2 4,84 4 -4,4
10 15 -1 24,8 14 -5
∑Y = 35 → Y =
∑Y 35
= 5 =7
n
∑ X = 41 → X
1 1 =
∑ X1 41
= 5 = 8,2
n
∑ X = 20 → X
2 2 =
∑ X2 20
= 5 =4
n
Dari baris terakhir Tabel 10.1 diketahui bahwa :
∑ x 1y = 15 ∑ x 2y = -1 ∑ x 21 = 24,8 ∑x 2
2 = 14
∑x 1 x 2 = -15 ∑y 2
= 10
( ∑ x 1 y ) ( ∑ x 22 )− ( ∑ x1 x 2 )( ∑ x 2 y )
b1 =
(∑ x 21 )(∑ x 22 )−( ∑ x 1 x 2 )2
( 15 )( 14 )−(−5 )(−1) 205
=
( 24,8 )( 14 )−(−5 )2
= 322,2 = 0,6363
( ∑ x 2 y ) ( ∑ x 21 )−( ∑ x 1 x 2 )( ∑ x 1 y )
b2 =
(∑ x 21 )(∑ x 22 )−( ∑ x 1 x 2 )2
12
(−1 )( 24,8 )−(−5 ) (15) 50,2
= = = 0,1558
( 24,8 )( 14 )−(−5 )2 322,2
= 7 – 0,6363(8,2) – 0,1558(4)
= 1,1591
∑ y 2−b1 ∑ yx 1−b2 ∑ yx 2
SY .12 =
√ n−3
2 2 2 2
1 X́ 1 ∑ X 2 + X́ 2 ∑ X 1−2 X́ 1 X́ 2 ∑ x 1 x 2 2
Var(b 0) =
[ n
+
∑ X 21 ∑ X 22 −(∑ x 1 x 2 )2
SY .12
]
2 2
1 ( 8,2 ) ( 14 )+ (14 ) (24,8 )−2 ( 8,2 )( 4 ) (−5 )
Var(b 0) = [ 5
+
( 24,8 )( 14 )−(−5 )2
(0,3056)]
= 1,6414
Sb 0
= √ Var (b0 )
¿ √ 1,6414 = 1,2811
( ∑ X 22 )( SY2 .12 )
Sb 1
= √ Var (b1 ) =
√ ( ∑ X 21 )(∑ X 22 )−( ∑ x1 x 2) 2
13
( 14 )( 0,3056) 4,2784
¿
√ ( 24,8 )( 14 )−(−5 )
2 =
√ 322,2
= 0,1152
( ∑ X 21 )( SY2 .12 )
Sb 2
= √ Var (b2 ) =
√ ( ∑ X 21 )(∑ X 22 )−( ∑ x1 x 2) 2
= 0, 1534
Nilai b 0= 1,1591 memiliki arti bahwa pengeluaran konsumsi rata - rata per
rumah tangga petani per tahun sebesar 1,1591 juta rupiah, bila pendapatan
nol ( X 1 = 0) dan jumlah anggota keluarga ( X 2 = 0). Dalam teori ekonomi b 0
disebut konsumsi otonom.
Nilai b 1 = 0,6363, memiliki arti bahwa bila pendapatan rumah tangga ( X 1 )
petani tersebut naik satu juta rupiah, maka pengeluaran konsumsi rata-rata
per rumah tangga petani akan naik sebesar 0,6363 juta rupiah jika jumlah
anggota keluarga ( X 2 ) tetap.
Nilai b 0 = 0,1558, memiliki arti bahwa bila anggota keluarga rumah tangga
( X 2 ) petani tersebut bertambah satu orang, maka pengeluaran konsumsi
rata-rata per rumah tangga petani akan naik sebesar 0,1558 juta rupiah,
jika pendapatannya ( X 1 ) tetap.
(d) Interpretasi terhadap nilai SY .12 atau se
Dari jawaban butir (b) diketahui bahwa SY .12 = 0,5528. Nilai SY .12 =
0,5528 artinya sekitar 68% nilai residual terletak antara minus Rp 0,5528 juta
rupiah dan Rp 0,5528 juta. Sekitar 95% nilai residual terletak antara minus
14
Rp 1,1056 juta dan Rp 1,1056 juta. Hampir seluruh residualnya (sekitar
99,7%) terletak antara minus Rp 1,6584 juta dan Rp 1,6584.
∑ ( Y^ −Ý )2 b1 ∑ yx1 +b 2 ∑ yx 2
2 =
2
R=
∑ (Y i −Ý ) ∑ y2
Seperti r 2, nilai R2 juga terletak antara 0 dan 1. Jika R2 = 1, berarti 100% total
variasi variabel terikat dijelaskan oleh variabel bebasnya, dan menunjukkan
ketepatan terbaik. Bila R2= 0 berarti tak ada total variasi variabel terikat yang
dijelaskan oleh variabel bebasnya.
15
R = √ R2
Contoh 10-2
Untuk Contoh 10-1 hitunglah koefisien determinasinya dan berikan
interpretasinya.
Penyelesaian
Dari baris terakhir pada tabel 10.1 (contoh 10.1) dapat dipetik nilai-nilai ,
Interpretasi
Nilai R² = 0,9389, memiliki makna bahwa 93,89% dari total variasi (naik-
turunnya) pengeluaran konsumsi (Y) dapat dijelaskan secara serempak oleh
pendapatan ( X 1 ) dan anggota keluarga ( X 2 ) dan sisanya lagi 6,11% dipengaruhi
oleh factor-faktor lain yang tidak dimasukkan dalam model. Atau konstribusi
pendapatan ( X 1 ) dan jumlah anggota keluarga ( X 2 ) secara serempak terhadap total
variasi (naik-turunnya) pengeluaran konsumsi sebesar 93,89%. Sisanya lagi yaitu
6,11% merupakan konstribusi faktor-faktor lain, yang tidak dimasukkan dalam
model.
16
Menaksir nilai varibael terikat (Y) untuk nilai variabel bebas X 1 dan X 2
tertentu, dapat dilakukan setelah persamaan regresi disusun. Agar lebih jelas
perhatikan Contoh 10-3 berikut.
Contoh 10-3
Untuk Contoh 10-1, taksirlah konsumsi seorang petani yang berpenghasilan Rp 10
juta dengan 5 orang anggota keluarga.
Penyelesaian
Dari jawaban butir (a) Contoh 10-1, dapat diketahui persamaan/model regresi
sebegai berikut:
= 8,3011
Dalam Praktek hasil hasil analisis regresi yang dilaporkan adalah koefisien-
koefisien regresi disertai kesalahan standar atau simpangan bakunya dan
determinasi ( R2). Kesalahan standar ditempatkan (dalam kurung) dibawah
koefisien regresinya masing masing, sementara R2 ditempatkan di sebelah kanan
persamaan regresinya.
Bila hasil analisis regresi Contoh 10.1 dilaporkan dalam bentuk ringkas
formatnya sebagai berikut:
R2 = 0,9389
17
Sb = (0,2811) (0,1152) (0,1534)
j
Agar dapat lebih memahami pokok bahasan ini, berikut diberikan satu contoh
lagi.
Contoh 10-4
Diberikan data seperti berikut :
Y 70 66 62 56 54
X1 4 6 8 10 11
X2 20 30 40 50 60
X 1 = jarak daerah tujuan wisata dari kota asal wisatawan domestic (ratus km)
X 2 = harga kamar hotel per hari di daerah tujuan wisata (ratus ribu rupiah)
Penyelesaian
(a) Menyusun model regresinya (regresi sampel)
Tabel 10.2 Perhitungan Unsur-unsur Model Regresi
Y X1 X2 y = Y- x 1= X 1 - X 1 x 2= X 2 - X 2
70 4 20 8,4 -3,8 -20
66 6 30 4,4 -1,8 -10
62 8 40 0,4 0,2 0
18
56 10 50 -5,6 2,2 10
54 11 60 -7,6 3,2 20
308 39 200 0,4
y2 x 1y x 2y x 21 x 22 x1 x2
70,56 -31,92 -168 14,44 400 76
19,36 -7,92 -44 3,24 100 18
0,16 0,08 0 0,04 1 0
31,36 -12,32 -56 4,84 100 22
57,76 -24,32 -152 10,24 400 64
179,2 -76,4 -420 32,8 1.000 180
∑Y = 308 → Y =
∑Y =
308
n 5 = 61,6
∑ X = 39 → X
1 1 =
∑ X1 39
= 5 = 7,8
n
∑ X = 200 → X =
∑ X2 =
200
2
n
2
5 = 40
Dari baris terakhir Tabel 10.1 diketahui bahwa :
∑ x 1y = -76,4 ∑ x 2y = - 420 ∑ x 21 = 32,8 ∑x 2
2 = 1.000
∑x 1 x 2 = 180 = 179,2 ∑y 2
( ∑ x 1 y ) ( ∑ x 22 )− ( ∑ x1 x 2 )( ∑ x 2 y )
b1 =
(∑ x 21 )(∑ x 22 )−( ∑ x 1 x 2 )2
(−76,4)(1.000)−(180)(−420) −800
= ( 32,8 ) (1.000 )−( 180 )2 = 400 = -2,00
( ∑ x 2 y ) ( ∑ x 21 )−( ∑ x 1 x 2 )( ∑ x 1 y )
b2 =
(∑ x 21 )(∑ x 22 )−( ∑ x 1 x 2 )2
(−420 ) ( 32,8 )−(180)(−76,4)
= 2 = −24
400
= -0,06
(32,8)(1.000)−( 180 )
19
Selanjutnya per rumus (10.5), b 0 dapat dihitung,
b0 = Y – b1 X1 - b2 X2
∑ y 2−b1 ∑ yx 1−b2 ∑ yx 2
SY .12 =
√ n−3
2 2 2 2
1 X́ 1 ∑ X 2 + X́ 2 ∑ X 1−2 X́ 1 X́ 2 ∑ x 1 x 2 2
Var(b 0) =
[ n
+
∑ X 21 ∑ X 22 −(∑ x 1 x 2 )2
SY .12
]
2 2
1 ( 7,8 ) ( 1000 ) + ( 40 ) ( 32,8 ) −2 ( 7,8 )( 40 )( 180 )
Var(b 0) = [ 5
+
( 32,8 )( 1000 )− (180 )2
(0,6) ]
1 1000
= [ +
5 400 ]
(0,6) = 1,62
Sb 0
= √ Var (b0 )
¿ √ 1,62 = 1,273
( ∑ X 22 )( SY2 .12 )
Sb 1
= √ Var (b1 ) =
√ ( ∑ X 21 )(∑ X 22 )−( ∑ x1 x 2) 2
(1000)(0,6) 600
¿
√ ( 32,8 )( 1000 )− (180 )2
=
√ 400
20
= 0,1225
∑ X 21 )( SY2 .12 )
Sb 2
= √ Var (b2 ) =
√ (
( ∑ X 21 )(∑ X 22 )−( ∑ x1 x 2) 2
( 32 ,8 ) (0 , 6) 19,68
¿
√ ( 32 , 8 ) ( 1000 )−( 180 ) √
2
=
400
= 0, 222
(c) Dari jawaban butir (b) diketahui bahwa SY .12= 0,6. Nilai SY .12 = 0,6 artinya
sekitar 68% nilai residual (selisih kuantitas kamar pengamatan dan
estimasinya) terletak antara minus 6 unit (= 0,6 x 10 unit) dan Rp 6 unit.
Sekitar 95% nilai residual terletak antara minus 12 unit dan 12 unit kamar.
Hampir seluruh residualnya (sekitar 99,7%) terletak antara minus 18 unit dan
18 unit kamar.
(d) Interpretasi terhadap koefisien regresi parsialnya
b 1 = - 2.000, artinya bila tarif/harga kamar hotel per hari naik satu juta rupiah,
maka kuantitas kamar yang akan terjual secara rata-rata akan turun 2 unit, jika
jarak lokasi hotel dari kota asal tetap.
b 2 = - 0,06 artinya bila jarak lokasi hotel dari kota asal kebijaksanaan
(wisatawan domestik) bertambah seratus km, maka kuantitas kamar yang
akan terjual secara rata-rata berkurang / turun sebanyak 6 unit (= 100 x 0,06
unit), jika harga kamar per harinya tetap.
(e) Menghitung Koefisien Determinasi dan interpretasinya
21
178
¿
179,2
= 0,9933
Interpretasi
R2 = 0,993 artinya 99,3% total variasi (turun naiknya) kuantitas kamar hotel
yang terjual dijelaskan/dipengaruhi secara serempak oleh tarif per harinya
dan jarak lokasi hotel dari kota asal wisdom, dan sisanya lagi 0,7%
dijelaskan/dipengaruhi oleh faktor-faktor lain yang tidak dimasukkan dalam
model.
(g) Y^ = …? Bila X 1 = 3,5 dan X 2 = 7 (sesuaikan satuan data dengan satuan data
dalam soal)
Y^ = 79,6 – 2,00 X 1 – 0,06 X 2
¿ 79,6 – 2(10) – 0,06(7)
= 59,18
= 59 (dibulatkan)
Jadi bila kuantitas kamar yang dapat terjual jarak lokasi hotel dari kota
asal kebijaksanaan 10.000 km dan tarif kamar Rp 700 ribu ditaksir sebanyak
59 unit.
22
BAB III
PENUTUP
3.1 Kesimpulan
Jadi jelas analisis korelasi ini memungkinkan kita untuk mengetahui suatu
di luar hasil penyelidikan, Salah satu cara untuk melakukan peramalan adalah
dengan menggunakan garis regresi. Untuk menghitung parameter yang akan
dijadikan dalam penentuan hubungan antara dua variabel, terdapat beberapa cara,
yaitu: koefisien detreminasi, koefisien korelasi. Apabila terdapat data
berkelompok menggunakan koefisien data berkelompok dan bila menggunakan
23
data berganda maksudnya variabel bebas yang mempengaruhi variabel terikat ada
dua, maka menggunakan koefisien berganda.Sedangkan regeresi di bagi menjadi
dua, yaitu regresi linier dan regresi non linier. Dimana regresi linier juga dibagi
menjadi dua yakni regresi linier sederhana dan regresi linier berganda.
DAFTAR PUSTAKA
24
25