DISUSUN OLEH
KELOMPOK 3
1
Kata Pengantar
Segala puji dan syukur saya panjatkan ke khadirat Tuhan Yang Maha Esa karena
telah melimpahkan rahmat,hidayah,dan inayah-Nya kepada kami, sehingga kami dapat
menyelesaikan tugas Makalah Regresi Linear Berganda ini dengan baik untuk memenuhi
tugas dari mata kuliah Ekonometrika Dasar. Terimakasih juga saya ucapkan kepada pihak-
pihak yang telah membantu kami menyelesaikan tulisan ini,terutama kepada Dosen
Pengampu Ibu Putri Sari MJ Silaban, SE, M.Si.
Terlepas dari itu semua,kami menyadari sepenuhnya bahwa masih ada kekurangan dan
kesalahan baik dari segi susunan kalimat maupun tata bahasanya. Oleh karena itu, dengan
tangan terbuka saya menerima segala saran dan kritik dari pembaca agar saya dapat
memperbaiki tulisan ini menjadi lebih baik lagi ke waktu yang akan datang.
Akhir kata saya berharap makalah yang kami buat ini dapat memberikan manfaat
kepada semua pembaca.Terimakasih
Februari 2023
Penyusun,
Kelompok 3
2
DAFTAR ISI
1. Pendahuluan……………………………………….……………… 1
Koefisien Determinasi……...………..…….. 3
4. Penutup………………………………………..…………………… 16
5. Daftar Pustaka…………………………………………………… 17
ii
3
1
I. PENDAHULUAN
Latar Belakang
Rumusan Masalah
Tujuan
2
3
II. PEMBAHASAN 1
hubungan satu variabel tak bebas/ response (Y) dengan dua atau lebih variabel bebas/
predictor (X1, X2,…Xn). Tujuan dari uji regresi linier berganda adalah untuk
memprediksi nilai variable tak bebas/ response (Y) apabila nilai-nilai variabel
bebasnya/ predictor (X1, X2,..., Xn) diketahui. Disamping itu juga untuk dapat
variabel bebasnya.
Y = a + b1 X1 + b2 X2 + … + bn Xn
yang mana :
a = konstanta
Bila terdapat 2 variable bebas, yaitu X1 dan X2, maka bentuk persamaan regresinya
adalah :
Y = a + b1X1 + b2X2
3
4
Nilainya negative. Disini terjadi hubungan dengan arah terbalik antara variabel
Nilainya positif. Disni terjadi hubungan yang searah antara variabel tak bebas
menggunakan rumus :
yang mana :
X 2
x X
2 2 1
1 1
n
X
2
x 2
2 X2 2
n
2
Y 2
y 2
Y 2
n
x y X Y X Y
1 1
1
n
X 2 Y
x2 y X 2Y n
X1 X 2
X1 X 2
x x 1 2
n
4
5
digunakan untuk menentukan nilai a, b1 dan b2. Metode ini dilakukan dengan cara
an b1 X1 b2 X 2 Y
a X 1 b1 X 12 b2 X 1 X 2 X 1Y
a X 2 b1 X 2 X1 b2 X 2 X 2Y
2
det M1
a
det M
det M 2
b1
det M
det M 3
b2
det M
m11 h1 m13
M m h m
2 21 2 23
5
6
m11 m12 h1
M m m h
3 21 22 2
Contoh :
2a b1 4b2 16
3a 2b1 b 2 10
a 3b1 3b2 16
3 12
2 4 a 16
1b1 10
1 3 3 b2 16
2 1 4
M 3 2 1
1 3 3
16 1 4
M1 10 2 1
16 3 3
2 16 4
M 2 3 10 1
1 16 3
2 1 16
M 3 3 2 10
1 3 16
6
7
det M1 26
a 1
det M 26
det M 2 52
b1 2
det M 26
det M 3 78
b2 3
det M 26
variasi variable tak bebas Y tidak sedikitpun dapat dijelaskan oleh variasi
variable tak bebas Y secara sempurna dapat dijelaskan oleh variasi variable-
korelasi ganda.
7
8
Nilai r : -1 ≤ r ≤ +1.
Korelasi Parsial
variable dan variable lainnya dianggap konstan. Terdapat 3 macam bentuk korelasi
parsial, yaitu :
yang mana
8
9
yang terbentuk tepat/ kurang tepat dipakai untuk mengestimasi/ memprediksi variabel
response Y. Jika kesalahan bakunya besar, maka persamaan regresi yang dibentuk
kurang tepat dipakai untuk mengestimasi. Hal ini disebabkan karena selisih nilai antara
9
10
III. PEMBAHASAN 2
Pengujian Hipotesis
diajukan ditolak atau dapat diterima Hipotesis merupakan asumsi atau pernyataan yang
mungkin benar atau salah mengenai suatu populasi. Dengan mengamati seluruh
populasi, maka suatu hipotesis akan dapat diketahui apakah suatu penelitian itu benar
atau salah.
Untuk keperluan praktis, pengambilan sampel secara acak dari populasi akan
hipotesis nol. Hipotesis nol merupakan hipotesis yang akan diuji, dinyatakan oleh H0
uji signifikan hipotesis yang diajukan. Uji ini dapat menggunakan Uji-t ; Uji-F ; Uji-z
atau Uji Chi Kuadrat. Dengan uji signifikansi ini dapat diketahui apakah variable
bebas/ predictor/ independent (X) berpengaruh secara signifikan terhadap variable tak
bebas/ response/ dependent (Y). Arti dari signifikan adalah bahwa pengaruh antar
varible berlaku bagi seluruh populasi. Dalam modul ini hanya dibahas uji signifikansi
menggunakan Uji-F.
Uji - F
10
11
1. Menentukan Hipotesis
3. Menentukan F hitung
𝑟2⁄𝑘 𝑟2(𝑛−𝑘−1)
Rumus F hitung : 𝐹ℎ𝑖𝑡 = (1−𝑟2)⁄(𝑛−𝑘−1)
= 𝑘(1−𝑟2)
Apabila nilai Fhit < Ftab, maka hipotesis H1 ditolak dan H0 diterima.
Apabila nilai Fhit > Ftab, maka hipotesis H1 diterima dan H0 ditolak.
(X1 dan X2) berpengaruh signifikan terhadap variable tak bebas (Y).
11
12
Tahapan dalam melakukan Uji-t sama dengan pada regresi linear sederhana. (Lihat
R2 , Uji-F, Uji-t parsial dan Persamaan regresi berganda dari hasil pengolahan data
software statistik.
Dari tabel terlihat, r atau R = 0,729 dan R2 = 0,532. Hal ini berarti bahwa 53,2%
varians variabel tak bebas mampu dijelaskan oleh variabel bebas. Juga dapat dikatakan
bahwa 46,8% variable bebas belum mampu menjelaskan varians variabel tak bebas.
12
13
Nilai F-hitung adalah 9,658 dengan taraf signifikan 0,002. Nilai signifikan ini
lebih kecil dari 0,05 yang mengandung arti bahwa, secara serempak variable bebas
Uji - t Parsial
Berdasarkan hasil yang terdapat dalam table di atas, maka dapat dibentuk suatu
yang mana :
X1 = nilai matematika
X2 = nilai bahasa
13
14
Pada output paling pertama mengasilkan probabilitas konstan sebesar 0,8308 yang lebih besar
dari tingkat kesalahan yang ditetapkan 5% yang artinya variabel konstan tidak signifikan, pada
variabel ekspor probabilitas yang dihasilkan sebesar 0,0061 yang kurang dari tingkat kesalahan
yang ditetapkan 5% artinya variabel expor signifikan terhadap variabel dependent dan pada
variabel produksi didapat tingkat probabilitas sebesar 0,3946, probabilitas ini lebih besar jika
dibandingkan dengan tingkat kesalahan sebesar 5% artinya variabel produksi tidak signifikan ..
dari uji t / uji signifikan parameter model yang terbentuk adalah Y=0,887564x1 + e
Nilai 0,887564 didapat dari nilai koefisien dari variabel ekspor, selanjutnya uji f / uji
kecocokan model didapat probabilitas pada bari f-statistik sebesar 2,093667, probabilitas
tersebut lebih besar jika dibanding dengan tingkat kesalahan yang ditetapkan 5%, sehingga
14
15
dapat disimpulkan model terbentuk cocok.
Nilai koefisien korelasi dinyatakan pada baris R-Squared didapat nilai R-Squared sebesar
0,8388998 atau 84% artinya variabel independent berpengaruh pada variabel dependent sebesar
84% sedangkan sisanya sebesar 16% dipengaruhi oleh faktor lain.
15
16
IV. PENUTUP
Uji regresi linier berganda sangat membantu untuk mengetahui pengaruh secara
terhadap variable tak bebas. Hasil model persamaan regresi dapat dipergunakan
sebagai pedoman untuk memprediksi hubungan antar variabel diluar data yang
16
17
V. DAFTAR PUSTAKA
Supranto. J. 2001. Statistika Teori dan Aplikasi Edisi Ke-6 Jilid 2. Jakarta : Erlangga
Walpole. R.,.E. 1995. Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuawan.
Bandung : ITB
17