1
Regresi Berganda
Menguji hubungan linier antara
1 variabel dependen (y) dan 2 atau lebih
variabel independen (xn)
Contoh
• Hubungan antara suhu warehouse dan viskositas cat dengan
jumlah cacat foam mark pada produk
Var. independen : suhu warehouse & viskositas cat
Var. dependen : jumlah cacat foam mark
• Hubungan antara kecepatan pelayanan dan kualitas produk
dengan kepuasan pelanggan
Var. independen : kecepatan pelayanan & kualitas produk
Var. dependen : kepuasan pelanggan
2
Model regresi linier berganda melibatkan lebih dari satu variabel
bebas bisa 2, 3 dan seterusnya namun masih menunjukkan diagram
hubungan yg linier
Variabel bebas : 2, 3 dan seterusnya sampai sejumlah n
Contoh
Hubungan antara bibit, pupuk, luas sawah, curah hujan dengan hasil produksi
padi
Yˆ a b1 x1 b2 x2 ... bn xn
a Y b1 X 1 b2 X 2
Y Y
X1 X 1
X2 X 2
n n n
Model Regresi Berganda
Menguji hubungan linier antara
1 variabel dependen (y) dan 2 atau lebih variabel independen (xn)
Model pd populasi:
Y-intercept Population slopes Random Error
y = α + β 1 x1 + β 2 x 2 + … + β n x n + ε
Estimasi model regresi berganda:
Estimasi Estimasi
(atau prediksi) Estimasi koofisien slope
intercept
Nilai y
ŷ = a + b1 x1 + b2 x2 +… + bn xn
4
Model Regresi Berganda
Model dgn 2 variabel independen
y
ŷ = a + b1 x1 + b2 x2
x2
x1
5
Model Regresi Berganda
Model dgn 2 variabel independen
y Sample
yi observation ŷ = a + b1 x1 + b2 x2
<
<
yi e = (y – y)
x2i
x2
<
x1i persamaan regresi y yang
terbaik diperoleh dengan
meminimumkan sum of squared
x1 error (jmh kuadrat error) e2
6
Asumsi Regresi Berganda
<
e = (y – y)
7
Regresi Berganda
8
Mencari Persamaan Regresi Berganda
Dapat
ditentukan • 1. Metode Kuadrat Terkecil
dengan • 2. Persamaan Normal
beberapa • 3. Sistem Matriks
cara sbb:
9
METODE KUADRAT TERKECIL
10
Metode Kuadrat Terkecil
(dgn 2 var independen)
ŷ = a + b1 x1 + b2 x2
a Y b1 X 1 b2 X 2
∑Y
Y=
n
∑X1 ∑X 2
X1 = X2 =
n n
11
1. Metode Kuadrat Terkecil
12
1. Metode Kuadrat Terkecil
2
∑ y = ∑Y - nY
2 2
2
∑x1 = ∑X 1 - n X 1
2 2
2
∑x2 = ∑X 2 - nX 2
2 2
∑x1 y = ∑X 1Y - n X 1 Y
∑x2 y = ∑X 2Y - n X 2 Y
∑x1 x2 = ∑X 1 X 2 - nX 1 X 2
13
Contoh Soal
Internal Revenue Service mencoba mengestimasi pajak aktual
yang tak terbayar tiap bulan di divisi Auditing. Dua faktor yang
mempengaruhinya adalah jumlah jam kerja pegawai dan
jumlah jam kerja mesin (komputer). Untuk menganalisis
seberapa besar kedua faktor itu mempengaruhi besarnya
pajak aktual tak terbayar tiap bulan, dilakukan pencatatan
selama 10 bulan dengan data ditunjukkan pada tabel berikut.
14
Contoh Soal
X1 X2 Y (Rp 1000)
Bulan Jam kerja Pajak aktual yang
Jam kerja pegawai
mesin/komputer tidak dibayar
Januari 45 16 29
Pebruari 42 14 24
Maret 44 15 27
April 45 13 25
Mei 43 13 26
Juni 46 14 28
Juli 44 16 30
Agustus 45 16 28
September 44 15 28
Oktober 43 15 27
15
Jawab
n ke X1 X2 Y X1Y X2 Y X1 X2 X12 X22 Y2
1 45 16 29 1.305 464 720 2.025 256 841
2 42 14 24 1.008 336 588 1.764 196 576
3 44 15 27 1.188 405 660 1.936 225 729
4 45 13 25 1.125 325 585 2.025 169 625
5 43 13 26 1.118 338 559 1.849 169 676
6 46 14 28 1.288 392 644 2.116 196 784
7 44 16 30 1.320 480 704 1.936 256 900
8 45 16 28 1.260 448 720 2.025 256 784
9 44 15 28 1.232 420 660 1.936 225 784
10 43 15 27 1.161 405 645 1.849 225 729
Rata2 44,1 14,7 27,2
Total 441 147 272 12.005 4.013 6.485 19.461 2.173 7.428
16
Jawab - lanjutan
2
∑x 2 = ∑X 2
- nX = 2.173 -(10 )( 14,7 )2 = 12,1
2 2 2
17
Jawab:
Jawab:
b2
Diperoleh persamaan:
Y = -13,828 + 0,564X1 + 1,099X2
Jawab - lanjutan
(∑x12 )(∑x2 y)- (∑x1 x2 )(∑x1 y) ( 12,9 )( 14,6 )-( 2,3 )( 9,8 )
b2 = = = 1,099
(∑x1 )(∑x2 )- (∑x1 x2 )
2 2 2
( 12,9 )( 12,1)-( 2,3 ) 2
20
Interpretasi persamaan regresi
berganda
Persamaan regresi linier berganda
Y = -13,828 + 0,564X1 + 1,099X2
Nilai a = -13,828
Jika jam kerja pegawai (X1) dan jam kerja mesin (X2) keduanya bernilai nol, maka
estimasi besarnya pajak tertunda (Y) sebesar -13,828
Nilai b1 = + 0,564
• Hubungan antara jam kerja pegawai (X1) dengan pajak tertunda (Y)
• Jika jam kerja mesin (X2) adalah konstan, maka setiap kenaikan nilai jam kerja
pegawai (X1) sebesar satu satuan akan meningkatkan pajak tertunda (Y) sebesar
0,564 satuan,
Nilai b2 = + 1,099
• Hubungan antara jam kerja mesin (X2) dengan pajak tertunda (Y)
• Jika jam kerja pegawai (X1) adalah konstan, maka setiap kenaikan nilai jam kerja
mesin (X2) sebesar satu satuan akan meningkatkan pajak tertunda (Y) sebesar 1,099
satuan 21
2. Persamaan Normal
∑ 𝑌 = 𝑛𝑎 + 𝑏1 ∑ 𝑋1 + 𝑏2 ∑ 𝑋2
∑ 𝑋1 𝑌 = 𝑎 ∑ 𝑋1 + 𝑏1 ∑ 𝑋12 + 𝑏2 ∑ 𝑋1 𝑋2
∑ 𝑋2 𝑌 = 𝑎 ∑ 𝑋2 + 𝑏1 ∑ 𝑋1 𝑋2 + 𝑏2 ∑ 𝑋22
22
Contoh (dari soal sebelumnya)
24
Jawab - lanjutan
Diperoleh persamaan:
Y = -13,828 + 0,564X1 + 1,099X2
25
3. Sistem Matriks
Dari persamaan
normal disusun
dalam bentuk
matriks
n
X X1 2
n
Y X 2
A X1 X X X
1
2
1 2
A2 X 1 X Y X X
1 1 2
X
X 2 X X X
1 2 2
2
2 X Y X
2 2
2
Y X X 1 2
n X Y
1
1 1 1 1 2 3 X 1 X X Y
1
2
1
X Y X
X X X X X X Y
2
2 1 2 2 2 1 2 2
Maka
27
Persamaan regresi berganda
dengan 3 variabel bebas
28
Persamaan regresi berganda
dengan 3variabel bebas
29
Persamaan regresi berganda
dengan 3 variabel bebas
30
Kesalahan Baku & Koefisien Regresi
Berganda
Kesalahan baku : nilai yang menyatakan seberapa jauh
menyimpangnya nilai regresi terhadap nilai yang sebenarnya
Se
y b x y b x y
2
1 1 2 2
m = k+1
k = jmh var bebas
nm
Se Se
Sb2
X 1 r
Sb1 =
(∑X 1
2
- n X1
2
)(1 - r
Y .1
2 ) 2
2
nX 2
2
Y .1
2
n X 1 X 2 X 1 X 2 Koefisien Korelasi
rY .1
n X 1
2 2
X 1 n X 2 X 2
2 2
antara X1 dan X2
n = jumlah observasi
m = jumlah konstanta dalam3p1 ersamaan regresi berganda
R esi & kor
Pendugaan dan Pengujian Koefisien Berganda
Kesalahan Baku Regresi & Koefisien Regresi Berganda
(10)(6485) (441)(147) 23
rY .1 0,184
(10)(19461) (441 ).(10)(2173(147 ))
2 2 124,93
2,39 2,39
Sb1 0,677
19461 (10)(44,1 )1 0,184
y b x y b x y
2
2 2 3,53
1 2 2
Se
1
2,39 2,39
nm Sb2 0,699
(2173) (10)(14,7 )1 0,184
2 2 3,42
29,6 (0,564)(9,8) 1,099(14,6)
Se
10 3
x1 X1 n.X 1 19461 (10)(44,1)2 12,9
2 2 2
Se = 2,39
x X n.X 2173 (10)(14,7) 12,1
2 2 2 2
2 2 2
0,564-(2,365)(0,677) ≤ B1 ≤ 0,564+(2,365)(0,677)
-1,037 ≤ B1 ≤ 2,165
Interval keyakinan bagi penduga B2 adalah
b2-t(α/2, n-m)Sb2 ≤ B2 ≤ b2+t(α/2, n-m)Sb2
1,099-(2,365)(0,699) ≤ B2 ≤ 1,099+(2,365)(0,699)
-0,554≤ B2 ≤ 2,75
33
Pengujian / Pendugaan Parameter
Koefisien Regresi Berganda
Bertujuan untuk menentukan apakah ada sebuah hubungan
linear antar variabel tidak bebas Y dengan variabel bebas X1,
X2,… ,Xk.
Ada 2 bentuk pengujian hipotesis bagi koefisien regresi
berganda:
1. Pengujian hipotesis serentak
2. Pengujian hipotesis individual
Pengujian Hipotesis Serentak
Merupakan pengujian hipotesis koefisien regresi berganda
dengan B1 dan B2 serentak atau secara bersama-sama
mempengaruhi Y.
Pengujian Hipotesis individual
Merupakan pengujian hipotesis koefisien regresi berganda
dengan hanya satu B (B1 atau B2 ) yang
34 mempengaruhi Y.
Pengujian Hipotesis Serentak
Langkah-langkah pengujian:
1. Menentukan formulasi hipotesis
» H0 : B1 = B2 = 0 (X1 dan X2 tidak mempengaruhi Y)
» H1 : B1 B2 0 (X1 dan X2 mempengaruhi Y atau
paling tidak ada X yang mempengaruhi Y
𝑏1 ∑𝑥1𝑦+𝑏2 ∑𝑥2𝑦
𝑅2 =
∑ 𝑦2
5. Membuat kesimpulan
Menyimpulkan apakah H0 diterima atau ditolak
38
Pengujian Hipotesis Individual
Langkah-langkah pengujian:
1. Menentukan formulasi hipotesis
H0 : Bi = 0 (tidak ada pengaruh Xi terhadap Y)
H1 : Bi > 0 (ada pengaruh positif Xi terhadap Y)
Bi < 0 (ada pengaruh negatif Xi terhadap Y)
Bi ≠ 0 (ada pengaruh Xi terhadap Y)
39
Pengujian Hipotesis Individual -
lanjutan
Langkah-langkah pengujian:
3. Menentukan kriteria pengujian
H0 diterima jika t0 ≥ t (n-m)
H0 ditolak jika t0 < t (n-m)
5. Membuat kesimpulan
40
Pengujian / Pendugaan Parameter Koefisien
Regresi Berganda
Pengujian Hipotesis Serentak
Langkah-langkah pengujian
1) Menentukan formulasi hipotesis
5) Membuat kesimpulan
43
R esi & kor
Pengujian / Pendugaan Parameter Koefisien Regresi Berganda
Penyelesaian:
Karena thitung
0,6746 dan 1,2735 < 2,365,
Maka kita harus menerima
hipotesis H0 : B1 = 0 maupun
Ho = B2 = 0
46
Pengujian / Pendugaan Parameter
Koefisien Regresi Berganda
Penyelesaian:
Karena thitung
0,6746 dan 1,2735 < 2,365,
Maka kita harus menerima hipotesis
H0 : B1 = 0 maupun Ho = B2 = 0