MAKALAH

PROBABILITAS & STATISTIK

“REGRESI LINEAR DARAB (BERGANDA)”
Dosen Pengampu: Dian Yayan Sukma, S.T., M,T.

Oleh:

INDAH PERMATA SARI PULUNGAN 2107112356 (Mencari Materi)

YUNAS ABDUL RIZIEQ 2107124927 (Mencari Materi)
AGNES ANGELIKA 2107110728 (Mencari Materi)
ILHAM FAJAR 2107126540 (Membuat PPT)
RENDI SAPUTRA 2107110735 (Membuat Makalah)
M.GEOVAN NORISEVICK 1907155945 (Studi Kasus)

PROGRAM STUDI S1 TEKNIK ELEKTRO

FAKULTAS TEKNIK
UNIVERSITAS RIAU
2023
 KATA PENGANTAR

Puji syukur kehadirat Allah SWT yang telah memberikan rahmat dan Hidayah-
Nya sehingga kami dapat menyelesaikan tugas Makalah yang berjudul “Regresi
Linear Darab (Berganda)” tepat pada waktunya.

Adapun tujuan dari penulisan dari makalah ini adalah untuk memenuhi salah
satu tugas Probabilitas & Statistik. Selain itu,makalah ini juga bertujuan untuk
menambah wawasan tentang materi: “Regresi Linear Darab (Berganda)”bagi para
pembaca dan juga bagi penulis.

Saya mengucapkan terima kasih kepada Bapak Dian Yayan Sukma, S.T.,M,T.
selaku Dosen Pengampu Matakuliah Probabilitas dan Statistik, yang telah memberikan
tugas ini kepada kelas A S1 Teknik Elektro Angkatan 2021 yang dapat menambah
pengetahuan dan wawasan sesuai dengan bidang studi yang kami tekuni.

Kami juga mengucapkan terima kasih kepada semua pihak yang telah membagi
sebagian pengetahuannya sehingga kami dapat menyelesaikan makalah ini. Kami
menyadari,makalah ini masih jauh dari kata sempurna. Oleh karena itu, kritik dan saran
yang membangun akan kami nantikan demi kesempurnaan makalah ini.

Pekanbaru,22 Mei 2023

Penyusun

ii
 DAFTAR ISI

KATA PENGANTAR .............................................................................................. ii

DAFTAR ISI ............................................................................................................ iii
BAB I PENDAHULUAN ........................................ Error! Bookmark not defined.
1.1 Latar Belakang ........................................... Error! Bookmark not defined.
1.2 Rumusan Masalah ...................................... Error! Bookmark not defined.
1.3 Tujuan ........................................................ Error! Bookmark not defined.
BAB II PEMBAHASAN ......................................... Error! Bookmark not defined.
2.1 Regresi Linear Darab (Berganda) .............. Error! Bookmark not defined.
2.2 Studi Kasus ..................................................................................................6
BAB III PENUTUP ...................................................................................................8
3.1 KESIMPULAN ............................................................................................8
3.2 SARAN ........................................................................................................8
DAFTAR PUSTAKA ................................................................................................9

iii
 BAB I
PENDAHULUAN

1.1 Latar Belakang

Analisis regresi adalah suatu metode statistik yang digunakan untuk

mempelajari hubungan antara satu atau lebih variabel independen (juga dikenal
sebagai variabel penjelas) dengan satu variabel dependen (juga dikenal sebagai
variabel respons). Tujuannya adalah untuk memahami dan memodelkan hubungan
linier antara variabel-variabel tersebut, serta untuk melakukan prediksi atau
estimasi nilai variabel dependen berdasarkan nilai-nilai variabel independen yang
diberikan.

Analisis regresi dapat memberikan wawasan tentang bagaimana perubahan

dalam variabel independen mempengaruhi variabel dependen. Dengan
menggunakan model regresi, kita dapat menguji hipotesis tentang signifikansi
variabel independen, mengestimasi koefisien regresi, mengukur kekuatan
hubungan antara variabel, dan membuat prediksi atau estimasi nilai variabel
dependen untuk nilai-nilai variabel independen yang baru.

1.2 Rumusan Masalah

1. Apa itu Regresi Linear Darab (Berganda)?
2. Bagaimana cara menaksir koefisien regresi dalam sisa kuadrat terkecil?
3. Bagaimana model regresi dengan matriks?
4. Bagaimana Sifat penaksir kuadrat terkecil?
5. Bagaimana interferensi dalam regresi linear darab?

1.3 Tujuan
1. Mengetahui apa itu Regresi Linear Darab (Berganda)?
2. Mengetahui cara menaksir koefisien regresi dalam sisa kuadrat terkecil?
3. Mengetahui model regresi dengan matriks?
4. Mengetahui sifat penaksir kuadrat terkecil?
5. Mengetahui interferensi dalam regresi linear darab?

1
 BAB II
PEMBAHASAN

2.1 Regresi Linear Darab (Berganda)

a. Definisi Regresi Linear Darab (Berganda)
Regresi linear darab (berganda) adalah metode statistik yang digunakan untuk
memodelkan hubungan antara beberapa variabel independen (juga dikenal
sebagai prediktor atau variabel penjelas) dan sebuah variabel dependen (juga
dikenal sebagai variabel respons). Regresi linear darab berguna dalam melakukan
prediksi atau estimasi nilai variabel dependen berdasarkan nilai-nilai variabel
independen yang diberikan.
Dalam regresi linear darab, variabel dependen dianggap dipengaruhi oleh
kombinasi linear dari variabel independen. Model regresi linear darab mencoba
untuk menemukan hubungan linear terbaik antara variabel independen dan
variabel dependen dengan mengestimasi koefisien regresi yang sesuai.
Secara matematis, model regresi linear darab dapat dinyatakan sebagai:
Y = β₀ + β₁X₁ + β₂X₂ + ... + βₚXₚ + ɛ
Di mana : Y adalah variabel dependen.
X₁, X₂, ..., Xₚ adalah variabel independen.
β₀, β₁, β₂, ..., βₚ adalah koefisien regresi yang harus diestimasi.
ɛ adalah kesalahan acak yang menggambarkan ketidaktepatan
model dalam menjelaskan variasi dalam variabel dependen.
Tujuan utama dalam regresi linear darab adalah untuk mengestimasi koefisien
regresi yang paling baik sesuai dengan data yang ada, sehingga dapat digunakan
untuk melakukan prediksi atau penjelasan variabel dependen dengan
menggunakan variabel independen yang diberikan. Estimasi ini biasanya
dilakukan dengan menggunakan metode kuadrat terkecil (ordinary least squares)
untuk mengurangi jumlah kesalahan kuadrat antara nilai yang diobservasi dan
nilai yang diprediksi oleh model.
Regresi linear darab berganda merupakan perluasan dari regresi linear sederhana,
di mana terdapat lebih dari satu variabel independen yang mempengaruhi
variabel dependen. Dengan memasukkan lebih banyak variabel independen ke
dalam model, regresi linear darab mampu menggambarkan hubungan yang lebih
kompleks antara variabel-variabel tersebut.

b. Menaksir Koefisien Regresi dengan Sisa Kuadrat Terkecil

Metode kuadrat terkecil (least square) adalah metode yang meminimumkan
jumlah kuadrat error, sehingga :
𝑛 𝑛

𝐽𝐾𝐺 = ∑ 𝑒𝑖2 = ∑(𝑦𝑖 − 𝑏1 𝑥1𝑖 − 𝑏2 𝑥2𝑖 − ⋯ . −𝑏𝑘 𝑥𝑘𝑖 )2

𝑖=𝑖 𝑖=1

2
 Jika JKG diturunkan berturut-turut terhadap 𝑏0 , 𝑏1, 𝑏2, … , 𝑏𝑘 dan kemudian
disamakan dengan nol,maka kita memperoleh seperangkat persamaan normal
k+1

Persamaan ini dapat diselesaikan untuk 𝑏0 , 𝑏1, 𝑏2, … , 𝑏𝑘 dengan menggunakan

berbagai cara penyelesaian sistem persamaan linear

c. Model Regresi Linear menggunakan Matriks

Model regresi linear dapat diekspresikan menggunakan matriks untuk

mempermudah representasi dan manipulasi matematis. Dalam representasi
matriks,

3
d. Sifat Penaksir Kuadrat terkecil
Sifat-sifat penaksir kuadrat terkecil merujuk pada karakteristik
matematis yang dimiliki oleh metode penaksir ini dalam regresi linear. Berikut
adalah beberapa sifat penting dari penaksir kuadrat terkecil:

o Linearitas: Penaksir kuadrat terkecil mengasumsikan hubungan antara

variabel independen dan variabel dependen adalah linier. Ini berarti
bahwa model regresi linear yang digunakan didasarkan pada asumsi
bahwa perubahan dalam variabel independen akan menghasilkan
perubahan linier dalam variabel dependen.

o Unbiasedness (Tidak Bias): Penaksir kuadrat terkecil dianggap tidak bias

karena pada sampel yang besar, rata-rata estimasi koefisien regresi
cenderung mendekati nilai sebenarnya dari populasi. Ini berarti bahwa
rata-rata estimasi penaksir kuadrat terkecil tidak terlalu tinggi atau terlalu
rendah secara sistematis dibandingkan dengan nilai sebenarnya.

o Efisiensi: Penaksir kuadrat terkecil adalah penaksir yang efisien dalam

arti bahwa memiliki varian yang lebih rendah dibandingkan dengan
penaksir alternatif dalam kelas yang sama. Dalam hal ini, penaksir
kuadrat terkecil adalah penaksir yang memberikan perkiraan yang paling
akurat dan stabil.

4
e. Inferensi dalam Regresi Linear Darab (Berganda)
Analisis Inferensi yang terpenting yang dapat dibuat berkenaan dengan kualitas
prediksi respon y yang berpadanan dengan nilai x1, x2, … , xk ialah selang
kepercayaan pada rataan respon µy| x1, x2, … , xk, jika ingin membuat selang
kepercayaan pada rataan respon untuk pembatas yang diberikan oleh 𝑥 ′ =
[𝐼, 𝑥1 , 𝑥2 , … , 𝑥𝑘 ] , syarat pada x dibubuhi bilangan 1 agar memudahkan
penggunaan lambang matriks, seperti pada kasus k = 1, bila diberi syarat
tambahan bahwa galat saling bebas dan distribusinya normal, maka 𝑏𝑖 juga
normal.

Jadi juga berdistribusi normal dan merupakan penaksir takbias untuk rataan
respon yang ingin dicari selang kepercayaannya. Variansi yˆ yang ditulis dalam
lambang matriks sederhana sebagai fungsi dari σ2 ,(𝑋 ′ 𝑋)−1 dan vektor pembatas
𝑥′0 , ialah

σ2 = σ2 𝑋 ′ (𝑋′𝑋)−1 𝑥0

setelah σ2 diganti dengan S2 , maka selang kepercayaan 100(1-α)% untuk µy| x1,
x2, … , xk dapat dibuat statistic

𝑦̂µ𝑦 |𝑥1, 𝑥2 … , 𝑥𝑘
𝑇=
𝑆√𝑥′(𝑋 ′ 𝑋)−1 𝑥

Yang berdistribusi -t dengan derajat kebebasan n-l-1.

5
2.2 Study Kasus

6
 BAB III
PENUTUP

3.1 KESIMPULAN
Regresi Regresi linear berganda merupakan model regresi yang
melibatkan lebih dari satu variabel independen. Analisis regresi linear berganda
dilakukan untuk mengetahui arah dan seberapa besar pengaruh variabel
independen terhadap variabel dependen. Pada regresi linier berganda, variabel
bebasnya berjumlah lebih dari satu dan memengaruhi variabel yang tak bebas.
tujuan dari analisis regresi linier berganda adalah untuk memprediksi nilai
variabel tak bebas atau response (Y), apabila nilai-nilai variabel bebasnya atau
predictor (X1, X2,..., Xn) diketahui.

3.2 SARAN
Dalam pembuatan makalah ini tim penulis menyadari betul masih
terdapat banyak kesalahan dan kekeliruan maka dari itu tim penulis
mengharapkan kritk dan saran yang membangun kepada pembaca. Selai itu
tim penulis sampaikan kepada pembaca agar tidak merasa cepat puas dengan
materi yang ada karena masih banyak cara yang bisa di jadikan media belajar
dan penambahan wawasan.

7
 DAFTAR PUSTAKA

Supranto, J. STATISTIK:Teori dan aplikasinya.1988.Jakarta:Erlangga.

https://spada.uns.ac.id/pluginfile.php/438294/mod_resource/content/1/Pendekatan%2

0Matriks%20-regresi.pdf

Kutner, M. H., Nachtsheim, C. J., Neter, J., & Li, W. (2004). Applied Linear Statistical Models (5th
ed.). McGraw-Hill.

Montgomery, D. C., Peck, E. A., & Vining, G. G. (2012). Introduction to Linear Regression
Analysis (5th ed.). Wiley.