1. Pendahuluan
Permasalahan tersebut dapat diteliti dengan salah satu model dari statistik
yaitu menggunakan model regresi linier multivariate. Model ini memberikan lebih
dari satu variabel terikat (dependent) dan satu atau lebih variabel bebas
(independent). Sebelum menentukan model regresi linier multivariate dilakukan
pengujian data terlebih dahulu dengan melalui tahapan uji kenormalan data, uji
kelayakan data, dan uji indenpendesi residual.
Artikel ini dibuat bertujuan untuk mengetahui model persamaan regresi linier
multivariate dengan studi kasus laju inflasi dan pertumbuhan ekonomi. Selain itu,
akan ditunjukkan estimasi parameter dari data tersebut dengan metode maximum
likelihood estimation. Metode ini digunakan untuk estimasi dengan
memaksimalkan fungsi dengan bentuk logaritma natural dan kemudian
mendeferensialkan. Dalam artikel ini, perhitungan estimasi parameter data
1
dibentuk dengan cara matriks yang kemudian perhitungannya dibantu dengan
aplikasi microsoft excel.
2. Tinjauan Pustaka
2.1. Model Regresi
Regresi linier adalah hubungan antara satu variabel yang biasanya disebut
variabel terikat (dependent) dengan satu atau lebih variabel disebut variabel bebas
(independent). Data yang digunakan dapat berbentuk univariate maupun
multivariate. Model regresi linier terbagi menjadi dua model, yaitu model regresi
linier sederhana dimana variabel bebas (independent) dipengaruhi satu variabel
bebas, dengan model umum = + + . Dan model regresi linier
berganda dimana variabel bebas (independent) tidak dipengaruhi oleh satu
variabel bebas dengan kata lain dipengaruhi satu atau lebih dari satu variabel,
model umum
= + +⋯+ + .
= + + ⋯+ +
= + + ⋯+ +
⋮
= + +⋯+ +
2
1. Uji Normal Multivariate
Pada uji ini jika residualnya memenuhi asumsi normal dengan ~ (0, Σ)
maka data yang diperoleh berasal dari populasi normal. Ada dua cara untuk
pengujian normal multivariate, yang pertama dengan membuat plot Chi
Square (untuk ≥ 2). Dengan hipotesis
: Residual data berdistribusi normal multivariate
: Residual data berdistribusi normal multivariate
2. Uji Kesamaan Matriks Varian Kovarian
Asumsi selanjutnya adalah residual yang memiliki matriks varian-kovarian
yang homogen. Untuk menguji kesamaan matriks varian-kovarian dengan
statistik uji Box’s M. Hipotesis yang digunakan adalah
: Σ = Σ = ⋯ = Σ (Matriks varian kovarian residual homogen)
: Minimal ada satu Σ ≠ Σ , untuk ≠ (Matriks varian kovarian residual
tidak homogen) (Johnson dan Wichern, 2007).
3. Uji Independensi Residual
Asumsi yang terakhir, yaitu jika matriks korelasi antar residual membentuk
sebuah matriks identitas maka residual , ,…, bersifat independent
(saling bebas). Untuk pengujiannya menggunakan uji Bartlett Sphericity.
Hipotesisnya yaitu (Basilevsky,1994):
: = (Residual bersifat saling bebas)
: ≠ (Residual bersifat tidak saling bebas)
( )= ( ; )
3
Untuk memaksimumkan ( ), maka dicari dengan mengubah fungsi likelihood
dalam bentuk ln sehingga menjadi :
ln ( ) = ( ; ) = ln ( ; )
ln ( ) = 0
1 ∑ ( − )
( , , ,…, )= −
√2 2
Kemudian logaritma dari distribusi tersebut dapat ditulis:
1 ∑ ( − )
ln ( , , ,…, )= + −
√2 2
ln ( , , ,…, )
= 0+2 ( − )
( − )=0
∑
=
∑
Maka, = memaksimumkan ln L( ) (Herman,dkk, 1999).
4
3. Metodologi Penelitian
3.1. Sumber Data
Data yang digunakan adalah data mengenai laju inflasi dan tingkat
pertumbuhan ekonomi Indonesia dari tahun 1990 sampai tahun 2013 dalam satuan
persen (%). Data laju inflasi dan tingkat pertumbuhan ekonomi ini dipengaruhi
oleh banyaknya jumlah uang yang beredar, hasil ekspor, dan hasil impor dalam
satuan miliar rupiah. Data ini bersumber dari Badan Pusat Statistik (BPS) dan
Bank Indonesia (BI).
Dalam contoh kasus ini terdapat dua jenis variabel penelitian yang digunakan,
yaitu variabel dependen (terikat) dan variabel independen (bebas). Variabel
dependen yang digunakan adalah laju inflasi dan perumbuhan ekonomi tahun
1999-2013, sedangkan untuk variabel independen adalah faktor banyaknya jumlah
uang yang beredar, hasil ekspor, dan impor dengan sampel untuk masing-masing
variabel sebanyak 24 data.
5
3. Menguji independensi residual menggunakan uji Bartlett dengan bantuan
aplikasi SPSS.
4. Menentukan model regresi linier multivariat menggunakan metode MLE
dengan cara matriks.
5. Menentukan estimasi parameter.
6. Menentukan estimasi parameter β.
7. Menentukan estimasi parameter σ2.
8. Membentuk model persamaan regresi dan menentukan nilai estimasi
parameter dari contoh kasus dengan bantuan perhitungan microsoft excel.
Uji KMO digunakan untuk mengetahui data layak dianalisis atau tidak. Nilai
yang diharapkan untuk nilai KMO adalah lebih besar dari 0,5, artinya jika nilai
KMO lebih dari 0,5 maka data tersebut layak untuk dianalisis. Dengan hipotesis
sebagai berikut:
H0 : Data layak dianalisis
H1 : Data tidak layak dianalisis
Dari tabel hasil pengujian diatas, diperoleh nilai KMO sebesar 0,537. Dengan
nilai tersebut, artinya nilai KMO lebih besar dari 0,5 sehingga dapat dikatakan
bahwa uji gagal menolak H0 artinya terima H0. Jadi, kesimpulan yang diperoleh
adalah data yang digunakan layak untuk dianalisis.
6
4.2. Uji Multivariat Normal
Berikut adalah hasil uji multivariate normal yang dilakukan dengan
menggunakan macro Minitab.
Scatterplot of q vs dd
14
12
10
8
q
0
0 5 10 15 20 25
dd
Gambar 2. Scatterplot
7
4.3. Uji Indepenensi Residual
…
. = 1 …
.
.
8
Keterangan :
Y= vektor dependen berukuran n x q
x = matriks dengan variabel independen berukuran n x ( p+1 )
β = vektor koefisien regresi dengan matriks ( p+1 ) x q
= vektor error berukuran n x q
1 ( ) ( )
f(Y) =
√2
( )
=
√
n ( )
L(Y) =
√
( )
=
( ) ( )
( )
ln L(Y) = ln
( ) ( )
= ln ln
( ) ( )
( )
= - ln (2 ) ( ) + ln
( )
= - ln (2 ) – ln ( ) + ln
= - ln (2 ) – ln ( ) - ( −2 + )
= − ln(2 ) − ln( )− + 2 −
9
4.6. Estimasi Parameter
( ) ( )
=
= −0 − 0 − 0 + − − − ( )
= − ( )
( )
=0
− ( ) =0
− ( ) =−
( ) =
( ) =
( ) ( ) =( )
=( )
=( )
=( )
10
( ) ( )
=
= −0 − − + 2 −
( ) ( ) ( )
=− − + 2 −
( ) ( ) ( )
0 =− − + 2 −
( ) ( ) ( )
=− + 2 −
( ) ( ) ( )
=− + 2 −
( ) ( ) ( ) ( )
=− +2 −
=( −2 + )
= ( − )( − )
= ( − )( − )
4.8. Model Regresi Linier Multivariat dan Nilai Estimasi Parameter dari
Contoh Kasus yang Digunakan
11
matriks yang dihitung dengan bantuan microsoft excel sehingga didapatkan hasil
sebagai berikut:
15,03918227
0,0000045416
=
−0,00000851888
−0,00012605
Dengan cara yang sama digunakan untuk mencari model persamaan variabel
pertumbuhan ekonomi (Y2) dengan hasil sebagai berikut:
5,9599461
−0,000002396
=
−0,000000419
0,000044058
Kemudian, dari langkah ketujuh telah diperoleh nilai estimasi untuk varians.
Sehingga, untuk mencari dari dan diperoleh hasil sebagai berikut:
= − ( − )
= 229,1569
12
Dari hasil perkalian matriks diperoleh = 229,1569 yang artinya nilai
variansi atau keragaman yang semakin besar berarti data semakin bervariansi.
= − ( − )
= 0,004508
5. Kesimpulan
13
Daftar Pustaka
Basilevsky, A. 1994. Statistical Factor Analysis and Related Methods, Theory and
Application. John Wiley & Sons Inc. New York.
14