BAGIAN I
I. Pengertian
Regresi berganda linear adalah regresi dengan 2 atau lebih variabel bebas
yang memiliki hubungan linear dengan variabel terikatnya. Regresi berganda
menjadi penting jika banyak kasus nyata di masyarakat tidak sesuai dengan
regresi linear sederhana.
Contoh :
- Banyaknya wisatawan yang mengunjungi suatu daerah wisata ditentukan oleh
promosi dan pelayanan.
- Volume penjualan suatu produk ditentukan oleh harga produk, promosi,
saluran distribusi dan selera konsumen.
- Banyaknya penumpang suatu perusahaan penerbangan ditentukan oleh harga
tiket, ketepatan waktu, pelayanan oleh awak pesawat.
- Dan lain-lain.
1
Model di atas dapat diubah ke dalam persamaan regresi sebagai berikut :
Ŷ = a + b 1 X 1 + b2 X 2
dimana :
a = konstanta
b1 = koefisien regresi untuk variabel X1
b2 = koefisien regresi untuk variabel X2
I. 0 = 0
II. ∑ yx1 = b 1 ∑ x 21 + b 2 ∑ x1x2
III. ∑ yx2 =b 1 ∑ x1x2 + b 2 ∑ x 22 +
dimana :
∑ x i2 = ∑ X 2 −n X́ i2
∑ xi x j = ∑ X i X j – n X́ i X́ j
2
Contoh:
(3) (4)
(1) (2)
Rata-rata biaya Rata-rata biaya
Daerah Rata-rata penerimaan
pelayanan dalam promosi dalam
Pariwisata dalam milyar Rp = Y
milyar Rp = χ 1 milyar Rp = χ 2
01 96 6 20
02 83 22 30
03 126 18 40
04 61 8 10
05 59 12 10
06 90 10 10
07 82 17 30
08 88 11 20
09 86 16 20
10 76 23 30
11 102 7 20
12 108 12 30
13 96 24 40
14 70 16 20
15 80 9 10
16 115 11 30
17 76 22 20
18 74 11 10
19 98 16 20
20 80 8 20
Selanjutnya dari data di atas akan diolah dan dianalisis dengan regresi linier
berganda.
3
Tabel 2. Cara Mencari Besaran Variabel-variabel bagi Penentuan Konstanta a,
Koefisien Regresi b 1, dan b2 dari Regresi Linier Berganda dengan 2
Variabel Independen
(1) (2) (3) (4) (5) (6) (7) (8) (9)
Y χ1 χ2 Y❑
2
χ 2
1 χ 2
2
Y χ1 Y χ2 χ1 χ2
4
Σ y❑ x 2=ΣY X 2 −n Ý ❑ X́ 2=( 40.300 ) −( 20 ) ( 87,2 )( 22,0 ) =1.932
I : 606,95 0,0234−1,0413 b2 =b 1
II : 632 3,0570−2,7215b 2 =b 1
−3,0336+1,6802 b2=0
b 2=1,8054
Y^ ❑=73,3794−1,8565 X 1 +1,8054 X 2
Y^ ❑=¿ Rata-rata penerimaan dalam Rp milyar
b 1=−1,8565 = nilai koefisien regresi untuk variabel X 1 =¿ jika biaya
pelayanan naik Rp 1 miliyar, dengan asumsi biaya
promosi tetap penerimaan rata-rata akan turun Rp 1,8565
miliyar, dan sebaliknya.
b 2= 1,8054 = nilai koefisien regresi variabel X 2 =¿ jika biaya promosi naik
Rp 1 miliyar, dengan asumsi biaya pelayanan tetap maka
penerimaan rata-rata akan naik Rp1,804 miliyar , dan
sebaliknya
5
III. Variasi Sekitar Garis Regresi Berganda Linier, Koefisien Determinasi
Berganda, Koefisien Korelasi Berganda Linier, Koefisien Determinasi
Parsial, dan Koefisien Korelasi Parsial
2
∑ y 2¿−[b1 ( Σ yx 1 ) +b 2 ( Σ yx 2 ) ]
s Y ( x1 x2) = ¿
n−m
Dimana
2
Σ y❑ = variasi total dari variabel dependen Y
n = jumlah pasangan observasi
m = jumlah konstanta dalam persamaan regresi berganda
6
¿ 0,63456
7
Koefisien korelasi berganda linier dari data ialah sebesar
Y⏞❑=a+b 1 X 1+ b2 X 2
| Db | 23.273 .060
b 2= 2
= =1,805428762
| D| 12.890 .600
Y⏞❑=73,3794−1,8565 X 1+1,8054 X 2
8
Metode Cramer memberikan hasil yang sama dengan metide eliminasi. Tetapi
metode Cramer membutuhkan pengetahuan matriks dan operasinya.
9
Koefisien Determinasi dan Korelasi Parsial
2 1−r 2y (x 1 x 2)
r yx 1 ( x 2)
=1−
1−r 2y (x 2)
2
Dengan cara yang sama, r y 2 (1) dapat dirumuskan sebagai
2 1−r 2y (x 1 x 2)
r yx 2 ( x 1)
=1−
1−r 2y (x 1)
1−0,63456 0,36544
r 2yx 1 ( x 2)=1− =1− =1−0,60685=0,39315
1−0,39781 0,60219
1−0,63456 0,36544
r 2yx 2 ( x 1)=1− =1− =1−0,36546=0,63454
1−0,00006 0,99994
10
penerimaan dapat dijelaskan oleh rata-rata biaya pelayanan dengan
asumsi rata-rata biaya promosi tetap.
dan
r yx 2−¿r r
r yx 2. x 1= yx 1 x 1x 2
¿
√( 1−r ) √(1−r 2x 1 x 2)
2
yx 1
11
r x1 x2 =¿ Koefisien korelasi antara X 1 dan X 2
Patut diingat, notasi untuk koefisien korelasi antara 2 variabel yang saya
pergunakan dalam seksi yang lalu ialah r y (x 1) dan r y (x 2). Penggunaan r yx 1 dan r yx 2
di sini ialah sesuai dengan kelaziman notasi dalam buku teks ekonometrika. Beda
notasi juga dijumpai dalam penggunaan r yx 1. x 2 dan r yx 2. x 1. Notasi pada seksi yang
lalu ialah r yx 1 (2 ) dan r yx 2 (x 1).
20 ( 24.343 ) −(1.744)(279)
r yx 1=
√ 20 ( 157.532 )−(1.744)2 √ 20 ( 4.499 )−(279)2
¿ 0,0078038074
20 ( 6.770 ) −(279)(440)
r x1 x2 =
√ 20 ( 4.499 ) −(279)2 √20 ( 11.400 )−(440)2
¿ 0,618552258
Alhasil,
0,0078038074−(0,63072139)(0,61855258)
r yx 1. x 2= 2
√ [ 1−( 0,63072139 ) ] ¿ ¿ ¿
¿−0,6270434068
0,63072139−(0,0078038074)(0,61855258)
r yx 2. x 1= 2 2
√[ 1−( 0,0078038074 ) ] [ 1−( 0,6185522587 ) ]
¿ 0,796587248
12
Interpretasi Koefisien Korelasi Parsial:
13