Regresi Berganda

Model dengan Dua Variabel Independen

Disebut juga model tiga variable (dua variable independen,
satu dependen). Contoh, teori ekonomi merumuskan jumlah
permintaan untuk suatu komoditas tertentu (Y) tergantung
pada harganya ⑌㨩ଵ ⑍ dan pendapatan konsumen ⑌㨩ଶ ⑍ atau,
㨪 ᩛ 㨱⑌㨩ଵ Ζ 㨩ଶ ⑍
Dengan asumsi hubungan fungsi tersebut linear maka
model PR-nya
㨪௜ ᩛ 㢷଴ ᩟ ￦￦ 㢷ଵ￦￦￦￦ 㨩ଵ௜ ᩟￦ 㢷ଶ 㨩ଶ௜ ᩟ 㩀௜ ⑌㨴 ᩛ ‫ڵ‬Ζ‫ڶ‬Ζ    㨹⑍
Arti koefisien regresi parsial sbb:
㢷ଵ￦￦￦￦ mengukur nilai rata-rata perubahan 㨪 atau 㨖⑌㨪௜ ⑍ untuk
setiap unit perubahan 㨩ଵ dgn menjaga 㨩ଶ konstan
㢷ଶ sebaliknya dari 㢷ଵ￦￦￦￦
Pengertian tersebut sesuai dengan asumsi turunan parsial yt,
㣏㨪௜ 㣏㨩ଵ dan 㣏㨪௜ 㣏㨩ଶ
Sebagai model penduga PR yaitu SR,
㨪෠௜ ᩛ ￦ 㨭଴ ￦ ᩟ ￦ 㨭ଵ ￦㨩ଵ௜ ᩟ 㨭ଶ 㨩ଶ௜ or
㨪௜ ᩛ ￦ 㨭଴ ￦ ᩟ ￦ 㨭ଵ ￦㨩ଵ௜ ᩟ 㨭ଶ 㨩ଶ௜ ᩟ 㨰௜
Sebagaimana regresi sederhana maka penduga SR berganda
diperoleh dengan meminumkan 㨰௜ yaitu,
௡௜ 㨰 ଶ ᩛ ￦ ௡௜⑌㨪௜  㨪෠௜ ⑍ଶ ᩛ ￦ 㲙㲔 㲊㲔  㲍㷤  㲍㷥 㲉㷥㲔  㲍㷦 㲉㷦㲔 㷦
௡௜ 㨰 ଶ ᩛ 㨱⑌ 㨭଴ Ζ 㨭ଵ Ζ 㨭ଶ ⑍
Turunan parsial dari persamaan di atas dan menyamakannya
dengan nol adalah,
㣏  㨰௜ଶ 㣏 ⑌㨪௜  㨭଴  㨭ଵ 㨩ଵ௜  㨭ଶ 㨩ଶ௜ ⑍ଶ
ᩛ ᩛ‫ڴ‬
㣏㨭଴ 㣏㨭଴
ᩛ ‫ ڶ‬⑌㨪௜  㨭଴  㨭ଵ 㨩ଵ௜  㨭ଶ 㨩ଶ௜ ⑍⑌‫⑍ڵ‬
‫ ڶ‬ 㨪௜  㨭଴  㨭ଵ 㨩ଵ௜  㨭ଶ 㨩ଶ௜ ᩛ ‫ڴ‬
 㨪௜   㨭଴   㨭ଵ 㨩ଵ௜   㨭ଶ 㨩ଶ௜ ᩛ ‫ڴ‬
 㲊 ᩛ 㲙㨸㲍㷤 ᩟ 㲍㷥  㲉㷥㲔 ᩟ 㲍㷦 ￦￦￦  㲉㷦㲔 (1)
㨹 ᩛ 㨵㩀㨸㨷㨬￦㨺㨭㨾㨰㨽㩁㨬㨾㨴ϑ㨻㨰㨹㨲㨬㨸㨬㨿㨬㨹ϑ㨾㨬㨸㨻㨰㨷
㣏  㨰௜ଶ 㣏 ⑌㨪௜  㨭଴  㨭ଵ 㨩ଵ௜  㨭ଶ 㨩ଶ௜ ⑍ଶ
ᩛ ᩛ‫ڴ‬
㣏㨭ଵ 㣏㨭ଵ
ᩛ ‫ ڶ‬⑌㨪௜  㨭଴  㨭ଵ 㨩ଵ௜  㨭ଶ 㨩ଶ௜ ⑍⑌㨩ଵ௜ ) ᩛ￦0
‫ ڶ‬ 㨩ଵ௜ 㨪௜  㨭଴  㨭ଵ 㨩ଵ௜  㨭ଶ 㨩ଶ௜ ᩛ ‫ڴ‬
ଶ
 㨩ଵ௜ 㨪௜   㨭଴ 㨩ଵ௜   㨭ଵ 㨩ଵ௜   㨭ଶ 㨩ଵ௜ 㨩ଶ௜ ᩛ ‫ڴ‬
 㲉㷥㲔 㲊㲔 ᩛ 㲍㷤 㨸㲉㷥㲔 ᩟ 㲍㷥  㲉㷦㷥㲔 ᩟ 㲍㷦  㲉㷥㲔 㲉㷦㲔 (2)
㣏  㨰௜ଶ 㣏 ⑌㨪௜  㨭଴  㨭ଵ 㨩ଵ௜  㨭ଶ 㨩ଶ௜ ⑍ଶ
ᩛ ᩛ‫ڴ‬
㣏㨭ଶ 㣏㨭ଶ
ᩛ 2 㨪௜  㨭଴  㨭ଵ 㨩ଵ௜  㨭ଶ 㨩ଶ௜ ⑍⑌㨩ଶ௜ ) ᩛ￦0
‫ ڶ‬ 㨩ଶ௜ 㨪௜  㨭଴  㨭ଵ 㨩ଵ௜  㨭ଶ 㨩ଶ௜ ᩛ ‫ڴ‬
ଶ
 㨩ଶ௜ 㨪௜   㨭଴ 㨩ଶ௜   㨭ଵ 㨩ଵ௜   㨭ଶ 㨩ଵ௜ 㨩ଶ௜ ᩛ ‫ڴ‬
 㲉㷦㲔 㲊㲔 ᩛ 㲍㷤 㺨￦㲉㷦㲔 ᩟ 㲍㷥  㲉㷥㲔 㲉㷦㲔 ᩟ 㲍㷦  㲉㷦㷦㲔 (3)
Penyelesaian persamaan normal (1), (2) dan (3) dalam
bentuk simpangan:
㺨㲤㲔 㲣㷥㲔 㺨㲣㷦㷦㲔  㺨㲤㲔 㲣㷦㲔 㺨㲣㷥㲔 㲣㷦㲔
㲍㷥 ᩛ ￦
㨸￦㲣㷦㷥㲔 㺨㲣㷦㷦㲔  㺨㲣㷥㲔 㲣㷦㲔 㷦
㺨㲤㲔 㲣㷦㲔 㺨㲣㷦㷥㲔  㺨㲤㲔 㲣㷥㲔 㺨㲣㷥㲔 㲣㷦㲔
㲍㷦 ᩛ ￦
㨸￦㲣㷦㷥㲔 㺨㲣㷦㷦㲔  㺨㲣㷥㲔 㲣㷦㲔 㷦
㲍㷤 ᩛ 㲊 ഥ  㲍㷥 㲉
ഥ 㷥  㲍㷦 㲉
ഥ㷦
Koefisien Determinasi
㨪௜ ᩛ 㨭଴ ᩟ 㨭ଵ 㨩ଵ௜ ᩟ 㨭ଶ 㨩ଶ௜ ᩟ 㨰௜
￦￦￦￦￦ᩛ 㨪෡௜ ᩟ 㨰௜
Dalam bentuk simpangan dapat ditulis :
㩄௜ ᩛ 㨭ଵ 㩃ଵ௜ ᩟ 㨭ଶ 㩃ଶ௜ ᩟ 㨰௜
Dengan mengkuadratkan kedua sisinya dan
menjumlahkan semua nilai sampel :
·㩄௜ଶ ᩛ ·㩄ො௜ଶ ᩟ ￦·㨰௜ଶ ᩟ ‫ڶ‬￦·½ෝ୧ ©୧
㺨㲤㷦㲔 ᩛ 㨸￦㲤 ෝ㷦㲔 ᩟ 㨸￦㲐㷦㲔
TSS ᩛ ESS ᩟ RSS
Atau jumlah kuadarat total (TSS) = jumlah kuadrat yang
dijelaskan (ESS) + jumlah kuadrat residual (RSS)
·㩄௜ଶ ᩛ ·￦㩄ො௜ଶ ￦ ᩟ ￦·㩄௜ଶ  㨭ଵ ￦·￦½୧ ¼ଵ୧  㨭ଶ ￦·￦½୧ ¼ଶ୧
Jika disusun kembali maka,
ESS =·￦㩄ො௜ଶ ᩛ 㨭ଵ ￦·￦½୧ ¼ଵ୧ ᩟ 㨭ଶ ￦·￦½୧ ¼ଶ୧

㷦
㱶㲄㲄 㲍㷥 ￦㺨￦㲤㲔 㲣㷥㲔 ᩟ 㲍㷦 ￦㺨￦㲤㲔 㲣㷦㲔
㲃 ᩛ ᩛ
㲅㲄㲄 㨸㲤㷦㲔
Semakin banyak variabel 㨩 umumnya nilai￦㨣ଶ semakin
besar. Untuk membandingkan dua 㨣ଶ , perlu
diperhitungkan banyaknya variabel 㨩 dalam model.
Perbandingannya menggunakan 㨣ଶ alternatif yaitu 㨣ଶ adj
⑌㨣തଶ ⑍Ζ
 ௘೔మ ϑ⑌௡ିଵ⑍ ௡ିଵ
㨣തଶ ᩛ‫ڵ‬ or 㨣തଶ ᩛ ‫ ڵ‬ ⑌‫ ڵ‬ 㨣ଶ ⑍
௬೔మ ϑ⑌௡ିଵ⑍ ௡ି௞
Jika var 㨩 ᩢ ‫ڵ‬Ζ￦ maka 㨣ଶ ᩢ ￦ 㨣തଶ
Varians dan Kesalahan Standar
ଶ
·㩃ଶ௜ ଶ
㩁㨬㨽￦⑌㨭ଵ ⑍ ᩛ ଶ ଶ
㣆ො
·㩃ଵ௜ ·㩃ଶ௜  ⑌·㩃ଵ௜ ￦㩃ଶ௜ ￦⑍ଶ
ଶ
·㩃ଵ௜ ଶ
㩁㨬㨽￦⑌㨭ଶ ⑍ ᩛ ଶ ଶ
㣆
ො
·㩃ଵ௜ ·㩃ଶ௜ ￦⑌·㩃ଵ௜ ￦㩃ଶ௜ ⑍ଶ

‫ ڵ‬㨩തଵଶ  㩃ଶଶ ᩟ 㨩തଶଶ  㩃ଵଶ  ‫ڶ‬㨩തଵ 㨩തଶ  㩃ଵ 㩃ଶ ଶ

㩁㨬㨽￦ 㨭଴ ᩛ ᩟ ଶ ଶ ଶ
㣆ො
㨹 ·㩃ଵ௜ ·㩃ଶ௜  ⑌·㩃ଵ௜ ￦㩃ଶ௜ ⑍
㨤⑌㨭ଵ ⑍ ᩛ 㩁㨬㨽￦⑌㨭ଵ ⑍￦Ή￦￦㨤⑌㨭ଶ ⑍ ᩛ 㩁㨬㨽￦⑌㨭ଶ ⑍￦Ή￦
㨤⑌㨭଴ ⑍ ᩛ 㩁㨬㨽￦⑌㨭଴ ⑍
ஊ௘೔మ
ොଶ
㣆 ᩛ
௡ିଷ
㺨㲐㷦㲔 ᩛ 㺨㲤㷦㲔  㲍㷥 㺨㲤㲔 㲣㷥㲔  㲍㷦 㺨㲤㲔 㲣㷦㲔
㨭଴  㢷଴
㨿⑌㨭଴ ⑍ ᩛ
㨾㨰⑌㨭଴ ⑍
㨭ଵ  㢷ଵ
㨿⑌㨭ଵ ⑍ ᩛ
㨾㨰⑌㨭ଵ ⑍
㨭ଶ  㢷ଶ
㨿⑌㨭ଶ ⑍ ᩛ
㨾㨰⑌㨭ଶ ⑍
Contoh 3

n 㨪௜ 㨩ଵ 㨩ଶ
1 100 5 1000
2 75 7 600
3 80 6 1200
4 70 6 500
5 50 8 300
6 65 7 400
7 90 5 1300
8 100 4 1100
9 110 3 1300
10 60 9 300
 㨪௜ ᩛ 800  㨩ଵ ᩛ 60  㨩ଶ ᩛ 8000
㨪 ᩛ jumlah permintaan komoditas
㨩ଵ ᩛ￦harga komoditas ($/unit)
㨩ଶ ᩛ pendapatan konsumen ($)
㨪ത ᩛ ‫ڴڼ‬Ή￦㨩തଵ ᩛ ‫ں‬Ή￦㨩തଶ ᩛ ‫ڴڴڼ‬
 㨩ଵଶ ᩛ ‫ڴڽڷ‬￦Ή￦  㨩ଶଶ ᩛ ‫ڻ‬Κ‫ڴڼڽ‬Κ‫ڴڴڴ‬￦Ή￦￦  㨪 ଶ ᩛ ‫ڻں‬Κ‫ڴڹڸ‬￦
 㨪㨩ଵ ᩛ ‫ڸ‬Κ‫ڴڴڹ‬Ή￦  㨪㨩ଶ ᩛ ‫ڹڴڻ‬Κ‫ڴڴڴ‬￦Ή￦  㨩ଵ 㨩ଶ ᩛ ‫ڶڸ‬Κ‫ڴڴڵ‬
ଶ
㢮㩃ଵଶ ᩛ￦￦ 㨩ଵ   㨩ଵ ଶ ϑ㨹￦
ଶ
㢮㩃ଶଶ ᩛ￦ 㨩ଶ   㨩ଶ ଶ ϑ㨹￦
㢮㩄㩃ଵ ᩛ  㨪㨩ଵ  ( 㨪⑍⑌ 㨩ଵ ⑍ϑ㨹
㢮㩄㩃ଶ ᩛ  㨪㨩ଶ  ( 㨪⑍⑌ 㨩ଶ ⑍ϑ㨹
㢮㩃ଵ 㩃ଶ ᩛ  㨩ଵ 㨩ଶ  ( 㨩ଵ ⑍( 㨩ଶ ⑍ϑ㨹
 㩄 ଶ ᩛ  㨪 ଶ   㨪 ଶ ϑ㨹
 ‫ڴڴڼ‬ ଶ
·½୧ଶ ᩛ ‫ڻں‬Κ‫ ڴڹڸ‬ ᩛ ‫ڷ‬Κ‫ڴڹڸ‬￦￦
‫ڴڵ‬
ଶ
ଶ ‫ڴں‬
·¼ଵ୧ ᩛ ‫ ڴڽڷ‬ ᩛ ‫ڴڷ‬￦￦
‫ڴڵ‬
‫ڴڴڴڼ‬ ଶ
ଶ
·¼ଶ୧ ᩛ ‫ڻ‬Κ‫ڴڼڽ‬Κ‫ ڴڴڴ‬ ᩛ ‫ڵ‬Κ‫ڴڼڹ‬Κ‫ڴڴڴ‬
‫ڴڵ‬
଼଴଴ ⑌଺଴⑍
˼ 㩄௜ 㩃ଵ௜ ᩛ ‫ڸ‬Κ‫ ڴڴڹ‬ ଵ଴
ᩛ ￦ ‫ڴڴڷ‬￦￦
଼଴଴ ⑌଼଴଴଴⑍
 㩄௜ 㩃ଶ௜ ᩛ ‫ڹڴڻ‬Κ‫ ڴڴڴ‬ ᩛ ‫ڹں‬Κ‫ڴڴڴ‬
ଵ଴
଺଴ ⑌଼଴଴଴⑍
 㩃ଵ௜ 㩃ଶ௜ ᩛ ‫ڶڸ‬Κ‫ ڴڴڵ‬ ᩛ ‫ڹ‬Κ‫ڴڴڽ‬
ଵ଴

ିଷ଴଴ ଵΚହ଼଴Κ଴଴଴ ି ଺ହΚ଴଴଴ ⑌ିହΚଽ଴଴⑍ ିଽ଴Κହ଴଴

㨭ଵ ᩛ ᩛ ᩛ ‫ڻ‬Ζ‫ڸڶڼڼڵ‬
ଷ଴ ଵΚହ଼଴Κ଴଴଴ ି⑌ିହΚଽ଴଴⑍మ ଵଶΚହଽ଴
 ‫ڹں‬Κ‫ ڴڷ ڴڴڴ‬ ‫⑌ ڴڴڷ‬‫ڹ‬Κ‫⑍ڴڴڽ‬
㨭ଶ ᩛ ଶ ￦
‫ڵ ڴڷ‬Κ‫ڴڼڹ‬Κ‫ ڴڴڴ‬ ⑌‫ڹ‬Κ‫⑍ڴڴڽ‬
ଵ଼଴
ᩛ ᩛ ‫ڴ‬Ζ‫ڻڽڶڸڵڴ‬
ଵଶΚହଽ଴
㨭଴ ᩛ ‫ ڴڼ‬ ‫ڻ‬Ζ‫ ں ڸڶڼڼڵ‬ ‫ڴ‬Ζ‫ ڴڴڼ ڻڽڶڸڵڴ‬ᩛ ‫ڵڵڵ‬Ζ‫ڽں‬18
Koefisien Determinasi:

‫ڻ‬Ζ‫ ڶڼڼڵ‬‫ ڴڴڷ‬᩟ ‫ڴ‬Ζ‫ڹں⑌ ڷڸڵڴ‬Κ‫⑍ڴڴڴ‬

㨣ଶ ᩛ
‫ڷ‬Κ‫ڴڹڸ‬
ଷ଴଼ହΖଽ଺
ᩛ ᩛ ‫ڴ‬Ζ‫ڸڸڽڼ‬
ଷସହ଴
௡ିଵ
㨣തଶ ᩛ ‫ ڵ‬ ⑌‫ ڵ‬ 㨣ଶ ⑍
௡ି௞
ଵ଴ିଵ
㨣തଶ ᩛ ‫ ڵ‬ ‫ ڵ‬ ‫ڴ‬Ζ‫ڸڸڽڼ‬ ᩛ ‫ ڵ‬ ‫ڴ‬Ζ‫ ڻڹڷڵ‬ᩛ ‫ڴ‬Κ‫ڸںڼ‬3
ଵ଴ିଷ
Kesalahan Standar /standard error 㨭ଵ ￦㨯㨬㨹￦㨭ଶ :
ஊୣమ౟
㣆ො ଶᩛ ￦㨯㨴㨸㨬㨹㨬￦㨶 ᩛ 㨵㩀㨸㨷㨬￦㩁㨬㨽㨴㨬㨭㨰㨷 ᩛ‫ڷ‬
௡ି௞
·㨰௜ଶ ᩛ ·㩄௜ଶ  ·㩄ො௜ଶ
·㨰௜ଶ ᩛ ‫ ڴڹڸڷ‬ ‫ڹڼڴڷ‬Ζ‫ ںڽ‬ᩛ 364,04
ଶ ଷ଺ସΖ଴ସ
㣆ො ᩛ ᩛ ￦‫ڶڹ‬Ζ‫ڴ‬057
ଵ଴ିଷ
‫ڵ‬Κ‫ڴڼڹ‬Κ‫ڴڴڴ‬
㩁㨬㨽￦ 㨭ଵ ᩛ￦ ଶ
￦
‫ڵ ڴڷ‬Κ‫ڴڼڹ‬Κ‫ ڴڴڴ‬ ‫ڹ‬Κ‫ڴڴڽ‬
ଵΚହ଼଴Κ଴଴଴
￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦ᩛ ⑌‫ڶڹ‬Ζ‫⑍ڻڹڴڴ‬￦ᩛ￦‫ں‬Ζ‫ڹںڶڹ‬￦
ଵଶΚହଽ଴Κ଴଴଴
￦
‫ڴڷ‬
㩁㨬㨽￦ 㨭ଶ ᩛ￦ ⑌‫ڶڹ‬Ζ‫ ⑍ڻڹڴڴ‬ᩛ ‫ڴ‬Ζ‫ڷڶڵڴڴڴ‬Ή￦￦
‫ڶڵ‬Κ‫ڴڽڹ‬Κ‫ڴڴڴ‬
ଵ ଺మ ଵହ଼଴଴଴଴ ା ଼଴଴మ ଷ଴ ିଶ⑌଺⑍⑌଼଴଴⑍⑌ିହଽ଴଴⑍
㩁㨬㨽￦ 㨭଴ ᩛ￦ ᩟ ￦⑌‫ڶڹ‬Ζ‫⑍ڻڹڴڴ‬￦
ଵ଴ ଷ଴ ଵହ଼଴଴଴଴ ି⑌ିହଽ଴଴⑍మ
￦
ଵ ଵଷଶ଻ଶ଴଴଴଴
ᩛ￦ ᩟ ￦￦⑌‫ڶڹ‬Ζ‫⑍ڻڹڴڴ‬ᩛ￦￦￦⑌‫ڴ‬Ζ‫⑍ڵ‬᩟⑌‫ڴڵ‬Ζ‫ڶڹ⑌⑍ںڵڸڹ‬Ζ‫⑍ڻڹڴڴ‬ᩛ￦
ଵ଴ ଵଶΚହଽ଴Κ଴଴଴
‫ڼڸڹ‬Ζ‫ڶڷڶڷ‬￦
￦
㩁㨬㨽￦ 㨭଴ ᩛ ￦‫ڼڸڹ‬Ζ‫ڽڸڸڻ‬
㨤⑌㨭ଵ ⑍ ᩛ ‫ں‬Ζ‫ ڹںڶڹ‬ᩛ ‫ڶ‬Ζ‫ڻڸڹڹ‬￦￦
㨤⑌㨭ଶ ⑍ ᩛ ‫ڴ‬Ζ‫ ڷڶڵڴڴڴ‬￦ ᩛ ‫ڴ‬Ζ‫ڴڵڵڴ‬
￦￦￦￦￦￦
㨤⑌㨭଴ ⑍ ᩛ ‫ڼڸڹ‬Ζ‫ ڽڸڸڻ‬ᩛ 23,4253
Kesimpulan :
㨪෠ ᩛ ‫ڵڵڵ‬Ζ‫ ڻ‬ ‫ڻ‬Ζ‫ڽڵ‬￦㨩ଵ ᩟ ￦ ‫ڴ‬Ζ‫ڸڵڴ‬￦㨩ଶ
㨤 㨭௜ Ό￦￦￦￦￦￦￦￦ ‫ڷڶ‬Ζ‫ ڷڸ‬￦￦￦ ‫ڶ‬Ζ‫ ڹڹ‬￦￦￦￦￦￦￦￦￦￦￦⑌‫ڴ‬Ζ‫⑍ڵڵڴ‬
㨿௛௜௧ ￦￦  ￦￦￦￦￦￦￦ ‫ڸ‬Ζ‫ ںڻ‬￦￦￦ ‫ڶ‬Ζ‫ ڵڼ‬￦￦￦￦￦￦￦￦￦￦⑌‫ڵ‬Ζ‫⑍ڻڶ‬￦￦
㨣ଶ ᩛ ‫ڴ‬Ζ‫ ;ڸڸڽڼ‬㨣ത ଶ ᩛ ‫ڴ‬Ζ‫ڸںڼ‬3
㨿଴Ζ଴ଶହ ᩛ ‫ڶ‬Ζ‫ ڹںڷ‬atau t tabel pada level 5 %
㨿଴Ζ଴଴ହ ᩛ ‫ڷ‬Ζ‫ ڽڽڸ‬atau t tabel pada level 1 %
㨿଴Ζ଴ହ￦￦￦ ᩛ ‫ڵ‬Ζ‫ ڹڽڼ‬atau t tabel pada level 10 %
㨿଴Ζଵ଴￦￦￦ ᩛ ‫ڵ‬Ζ‫ ڹڵڸ‬atau t tabel pada level 20 %
Variasi total jumlah permintaan dpt dijelaskan oleh
variasi harga dan pendapatan (model regresi) sebesar
89,44 %. Harga berpengaruh terhadap jlh permintaan
pada level 5 % , sedangkan pendapatan non signifikan
sampai level pengujian 20 %, kecuali pd 25 %
 ഥ 㷦⑍
Koefisien Determinasi Adjusted (㲃
Untuk membandingkan dua 㨣ଶ maka perlu mempertimbangkan 㨣തଶ
yaitu,
௡ିଵ
㨣തଶ ᩛ ‫ ڵ‬ ⑌‫ ڵ‬ 㨣ଶ ⑍
௡ି௞
Berdasarkan persamaan ini maka jk 㨶 ᩢ ‫ڵ‬, 㨣ത ଶ ᩢ 㨣ଶ
Untuk membandingkan dua koefisien determinasi (㨣ଶ dan 㨣തଶ ) dgn
bentuk model berbeda maka jumlah variabel independen harus
sama, kecuali untuk model
ln 㨪௜ ᩛ 㢷଴ ᩟ 㢷ଵ 㨩ଵ௜ ᩟ 㢷ଶ 㨩ଶ௜ (1)
㨪௜ ᩛ 㢷଴ ᩟ 㢷ଵ 㨩ଵ௜ ᩟ 㢷ଶ 㨩ଶ௜ (2)
berdasarkan definisi 㨣ଶ ￦: model (1) mengukur proporsi variasi dlm ln 㨪 yg
dijelaskan oleh 㨩ଵ dan 㨩ଶ , model (2) mengukur proporsi variasi dlm 㨪
dimana kedua hal tersebut tdk sama
Untuk mencari model terbaik berdasarkan 㨣തଶ
tertinggi belum tentu memberikan hasil yg terbaik
tetapi harus dilihat lagi hasil uji persial dan tanda
koefisien regresi apakah sesuai dengan teori.
Analisis Varians/Keragaman
Variasi total merupakan penjumlahan dari dua
komponen yaitu komponen yang menjelaskan variasi
Y karena regresi dan variasi yang tidak terjelaskan
atau,
·㩄௜ଶ ￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦ ᩛ ￦￦￦￦￦￦￦￦￦￦￦·㩄ො௜ଶ ￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦ ᩟ ￦￦￦￦￦￦￦￦￦￦￦￦￦·㨰௜ଶ
㨧㨬㨽㨴㨬㨾㨴￦㩄㨬㨹㨲
㨧㨬㨽㨴㨬㨾㨴 㨧㨬㨽㨴㨬㨾㨴￦㨿㨬㨶
￦￦￦￦￦ ᩛ ￦￦ 㨿㨰㨽㨵㨰㨷㨬㨾㨶㨬㨹 ￦￦￦ ᩟ ￦￦￦
㨿㨺㨿㨬㨷 㨿㨰㨽㨵㨰㨷㨬㨾㨶㨬㨹
㨺㨷㨰￦㨽㨰㨲㨽㨰㨾㨴
Tabel Analysis of Variance for Regression

Sumber Sum of Degrees of Means F*

variasi squares freedom (df) Square Error
(SS) (MSE)
Akibat ·㩄ො௜ଶ 㨶‫ڵ‬ ·㩄ො௜ଶ ·㩄ො௜ଶ
regresi 㨶‫ڵ‬ 㨶‫ڵ‬
⑌㨩ଵ￦ Ζ 㨩ଶ ⑍ ·㨰௜ଶ
Akibat ·㨰௜ଶ 㨹㨶 㨹㨶
·㨰௜ଶ
residual 㨣ଶ ⑌㨶  ‫⑍ڵ‬
㨹㨶 ᩛ
‫ ڵ‬ 㨣ଶ ⑌㨹  㨶⑍
Total ·㩄௜ଶ 㨹‫ڵ‬
Catatan :
·￦㩄ො௜ଶ ᩛ 㨭ଵ ￦·￦½୧ ¼ଵ୧ ᩟ 㨭ଶ ￦·￦½୧ ¼ଶ୧ ᩛ 3.085,96
lihat perhitungan 㨣ଶ
·㩄௜ଶ ᩛ ￦·㨪௜ଶ  ⑌·㨪௜ ⑍ଶ㨹 ᩛ 3450
Analysis of Variance Table for Regeression
contoh regresi berganda
Sumber Sum of Degrees Means F*
variasi squares of Square
(SS) freedom Error
(df) (MSE)
Akibat 3.085,96 ‫ڶ‬ 1.542,98 ‫ڵ‬Κ‫ڶڸڹ‬Ζ‫ڼڽ‬
regresi ᩛ ‫ڽڶ‬Ζ‫ںں‬
‫ڶڹ‬Ζ‫ڻڹڴڴ‬
Akibat 364,04 ‫ڻ‬ 52,0057
residual
Total 3.450 ‫ڽ‬ 㩁ଵ ᩛ ‫ڶ‬￦㨯㨬㨹￦㩁ଶ ᩛ ‫ڻ‬
㨗଴Ζ଴ହ ᩛ ‫ڸ‬Ζ‫ڸڻ‬
㨗଴Ζ଴ଵ ᩛ ‫ڽ‬Ζ‫ڹڹ‬￦
Hipotesis :
㨙଴  ￦ 㢷ଵ ᩛ 㢷ଶ  ᩛ 㢷௞ ᩛ ‫ڴ‬￦￦￦￦￦￦￦￦￦￦￦￦￦￦
㨙ଵ  ￦ 㨿㨴㨯㨬㨶￦㨾㨰㨸㩀㨬￦㢷௜ ￦㨬㨯㨬㨷㨬￦‫ڴ‬￦￦￦￦
Kesimpulan contoh no. 3 (regresi berganda) tolak 㨙଴ :
secara simultan/bersama variable harga dan pendapatan
berpengaruh terhadap jumlah komoditas yang diminta.
Jika terima 㨙଴ : kesimpulannya sebaliknya yt tidak
berpengaruh.
Jika tolak 㨙଴ , selanjutnya dilakukan uji secara parsial
yaitu uji 㨿
Hubungan 㱷 dan 㲃㷦
ாௌௌ⑌௞ିଵ⑍ ோమ ⑌௞ିଵ⑍
㨗ᩛ ᩛ
ோௌௌ⑌௡ି௞⑍ ଵିோమ ⑌௡ି௞⑍
dimana 㨣ଶ ᩛ 㨖㨤㨤㨥㨤㨤
Jika 㨣ଶ ᩛ0  㨗 ᩛ ‫ڴ‬
Semakin besar 㨣ଶ maka 㨗 juga semakin besar
Jika 㨣ଶ ᩛ1  㨗 ᩛ ‫פ‬
Hasil pengujian 㨗 dgn kesimpulan terima 㨙଴
memberikan arti 㨣ଶ ᩛ 0
Pengujian Hipotesis : Pendekatan Selang-Keyakinan

㨡㨽 㨭௜  㨿ఈ 㨾㨰 㨭௜  㢷௜  㨭௜ ᩟ 㨿ఈ 㨾㨰⑌㨭௜ ⑍ ᩛ ‫ ڵ‬ 㢶
ଶ ଶ
Contoh :
㨵㨴㨶㨬￦㨭ଵ ᩛ ‫ڴ‬Ζ‫ڵڽڴڹ‬Ζ 㨾㨰 㨭ଵ ᩛ ‫ڴ‬Ζ‫ڻڹڷڴ‬￦￦㨯㨬㨹￦㨯㨱 ᩛ ‫ڼ‬
㨯㨬㨹￦㨵㨴㨶㨬￦ ￦ᩛ ‫ڹ‬￦㨻㨰㨽㨾㨰㨹￦㨸㨬㨶㨬￦㨿ϑଶ ᩛ 㨿଴Ζ଴ଶହୀ ‫ڶ‬Ζ‫ںڴڷ‬
Maka selang keyakinannya :
㨡㨽 ‫ڴ‬Ζ‫ ڵڽڴڹ‬ ‫ڶ‬Ζ‫ںڴڷ‬￦ ‫ڴ‬Ζ‫ ڻڹڷڴ‬ 㢷ଵ  ‫ڴ‬Ζ‫ ڵڽڴڹ‬᩟ ‫ڶ‬Ζ‫ڴ⑌ںڴڷ‬Ζ‫ ⑍ڻڹڷڴ‬ᩛ ‫ڴ‬Ζ‫ڹڽ‬
‫ڴ‬Ζ‫ ڼںڶڸ‬ 㢷ଵ  ‫ڴ‬Ζ‫ڸڵڽڹ‬
Interpretasi :
Dengan selang kepercayaan 95 % : 95 dari 100 kejadian
selang seperti (0,4268; 0,5914) akan berisi￦㢷ଵ
sebenarnya.
 Penaksiran OLS dalam Notasi Matriks
Model umum fungsi regresi sampel (SR) yang linear adalah,
㨪௜ ᩛ 㨭଴ ᩟ 㨭ଵ 㨩ଵ௜ ᩟ 㨭ଶ 㨩ଶ௜ ᩟  ᩟ 㨭௞ 㨩௞௜ ᩟ 㨰௜ (1)
Dalam notasi matriks dapat dinyatakan,
㩄 ᩛ 㨩㨭+e (2)
dan dalam bentuk matriks :

㨪ଵ ‫ ڵ‬㨩ଵଵ 㨩ଶଵ  㨩௞ଵ 㨭଴ 㨰ଵ

㨪ଶ ‫ ڵ‬㨩ଵଶ 㨩ଶଶ  㨩௞ଶ 㨭ଵ 㨰ଶ
￦￦￦￦ ᩛ ￦￦￦￦ ￦ ￦ ᩟  (3)
      
㨪௡ ‫ ڵ‬㨩ଵ௡ 㨩ଶ௡  㨩௞௡ 㨭௞ 㨰௡

㩄 㨩 㢷 㩀
￦￦￦ ᩛ ￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦ ￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦ ￦᩟
㨹￦㩃￦‫ڵ‬ 㨹￦㩃￦㨶 㨶￦㩃￦‫ ڵ‬㨹￦㩃￦‫ڵ‬
dimana,
㩄 ᩛ vektor kolom n x 1 observasi atas variable dependen Y
㨩 ᩛ matriks n x 㨶 yang memberikan n observasi atas k – 1 variabel
㨩ଵ sampai 㨩௞ , kolom pertama terdiri dari angka 1 yg
menyatakan unsur intersep.
㨭 ᩛ vektor kolom k x 1 dari penaksir OLS koefisien regresi
㨭଴ Ζ 㨭ଵ￦ Ζ   Κ 㨭௞
㨰 ᩛ vektor kolom n x 1 dari n residual 㨰௜
Seperti dalam model regresi sederhana, dalam kasus k variable
penaksir OLS diperoleh dengan meminimumkan
㢮㨰௜ଶ ᩛ ·⑌￟୧  ¦଴  ¦ଵ ￞ଵ୧    ¦୩ ￞୩୧ ⑍ଶ (4)
dimana,
㢮㨰௜ଶ ᩛ RSS atau dalam notasi matriks :
㨰ଵ
ᇱ 㨰ଶ ଶ ᩛ  㨰ଶ
㨰㨰ᩛ ଵ 㨰 㨰ଶ  㨰௡ ᩛ ￦ 㨰ଵ ᩟ 㨰ଶ ᩟  ᩟ 㨰௡ (5)
 ௜
㨰௡
Berdasarkan (2) maka diperoleh,
㨰 ᩛ 㩄  㨩㨭 (6)
Oleh karenannya :
㨰 ᇱ 㨰 ᩛ 㩄  㨩㨭 ⑌㩄  㨩㨭⑍
￦￦￦￦￦￦￦ᩛ 㩄 ᇱ 㩄  ‫ڶ‬㨭㨩 ᇱ 㩄 ᩟ 㨭㨩㨩㨭 (7)
Selanjutnya dapat dituliskan:
㨩 ᇱ 㨩 㨭 ᩛ 㨩㩄 (8)
㨩 ᇱ 㨩 ିଵ 㨩 ᇱ 㨩 㨭 ᩛ ⑌㨩 ᇱ 㨩⑍ିଵ 㨩㩄
Karena 㨩 ᇱ 㨩 ିଵ ⑌㨩 ᇱ 㨩⑍ ᩛ 㨚 suatu matriks identitas order
㨶￦㩃￦㨶 , maka diperoleh,
㨚㨭 ᩛ ⑌㨩 ᇱ 㨩⑍ିଵ 㨩㩄 atau
㲍￦￦￦ ᩛ ￦￦ ⑌㲉ᇱ 㲉⑍ି㷥 㲉ᇱ 㲤
㨶￦㩃￦‫ڵ‬￦￦￦￦￦￦㨶￦㩃￦㨶￦￦ 㨶￦㩃￦㨹 㨹￦㩃￦‫ ڵ‬￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦￦
Contoh regresi sederhana (contoh 1)
㨭଴
㨭ᩛ
㨭ଵ
‫ ڵ‬㨩ଵ
‫ ڵ‬㨩ଶ 㨹 ·㨩௜
ᇱ ‫ڵ‬ ‫ڵ‬ ‫ڵ‬  ‫ڵ‬
㨩 㨩 ᩛ￦ 㨩ଷ ᩛ ￦
㨩ଵ 㨩ଶ 㨩ଷ  㨩௡ ‫ڵ‬ ·㨩௜ ·㨩௜ଶ
 
‫ ڵ‬㨩௡

dan

㨪ଵ
㨪ଶ
‫ڵ‬ ‫ڵ‬ ‫ ڵ‬ ‫ڵ‬ ·㨪௜
㨩ᇱ㩄 ᩛ 㨪ଷ ᩛ
㨩ଵ 㨩ଶ 㨩ଷ  㨩௡ ·㨩௜ 㨪௜

㨪௡
 ‫ڶڵ‬ ‫ڼڴڵ‬
‫‪㨩 ᇱ㨩 ᩛ‬‬
‫ڴڶڴڵ ڼڴڵ‬
‫ںڹڻ‬
‫‪㨩 ᇱ㩄 ᩛ‬‬
‫ڴںڽں‬

‫ںڻڹ ‪ ᩛ‬ڼڴڵ ڼڴڵ ‪ ‬ڴڶڴڵ ڶڵ ‪㨩㨩 ᩛ‬‬

‫ڼڴڵ‪ ‬ڴڶڴڵ‬
‫‪㨶㨺㨱￦㨩 ᇱ 㨩 ᩛ ￦‬‬
‫ڼڴڵ‪‬‬ ‫ڶڵ‬
‫ڼڴڵ‪ ‬ڴڶڴڵ‬
‫‪㨬㨯㨵￦㨩 ᇱ 㨩 ᩛ‬‬
‫ڼڴڵ‪‬‬ ‫ڶڵ‬

‫ڵ‬ ‫ڼڴڵ‪ ‬ڴڶڴڵ ڵ‬ ‫ڹڻڼڵ‪Ζ‬ڴ‪ ‬ڷڷڼڴڻڻ‪Ζ‬ڵ‬

‫‪⑌㨩 ᇱ 㨩⑍ିଵ ᩛ‬‬ ‫‪￦ 㨬㨯㨵￦㨩 ᇱ 㨩 ᩛ ￦‬‬ ‫‪ᩛ‬‬
‫‪㨩㨩‬‬ ‫ڼڴڵ‪ ‬ںڻڹ‬ ‫ڶڵ‬ ‫ڷڷڷڼڴڶڴ‪Ζ‬ڴ ڹڻڼڵ‪Ζ‬ڴ‪‬‬

‫‪㨭଴‬‬
‫‪㲍￦￦￦ ᩛ ￦￦ ⑌㲉ᇱ 㲉⑍ି㷥 㲉ᇱ 㲤 ᩛ‬‬
‫‪㨭ଵ‬‬

‫ڹڻڼڵ‪Ζ‬ڴ‪ ‬ڷڷڼڴڻڻ‪Ζ‬ڵ‬ ‫ںڹڻ‬ ‫ڽڽڸڻ‪Ζ‬ڷڷ‬

‫‪㨭 ᩛ￦‬‬ ‫‪ᩛ‬‬
‫ڴںڽں ڷڷڷڼڴڶڴ‪Ζ‬ڴ ڹڻڼڵ‪Ζ‬ڴ‪‬‬ ‫ںڻڽڸڶ‪Ζ‬ڷ‬
Contoh regresi berganda
‫ ڵ‬㨩ଵଵ 㨩ଶଵ
‫ڵ‬￦￦￦ ‫ڵ‬￦￦￦￦ ‫ڵ‬￦￦￦￦  ‫ڵ‬ ‫ ڵ‬㨩ଵଶ 㨩ଶଶ
㨩 ᇱ 㨩 ᩛ 㨩ଵଵ 㨩ଵଶ 㨩ଵଷ ￦ ￦￦ 㨩ଵ௡ ‫ ڵ‬㨩ଵଷ 㨩ଶଷ
㨩ଶଵ 㨩ଶଶ 㨩ଶଷ ￦￦ 㨩ଶ௡   
‫ ڵ‬㨩ଵ௡ 㨩ଶ௡
㨹 ·㨩ଵ௜ ·㨩ଶ௜
㨩㨩 ᩛ ·㨩ଵ௜ ଶ
·㨩ଵ௜ ·㨩ଵ௜ 㨩ଶ௜
·㨩ଶ௜ ·㨩ଵ௜ 㨩ଶ௜ ଶ
·㨩ଶ௜

·㨪௜
㨩 ᇱ 㩄 ᩛ ·￞ଵ௜ 㨪௜
·㨩ଶ௜ 㨪௜
 ‫ڴڵ‬ ‫ڴں‬ ‫ڴڴڴ‪Κ‬ڼ‬
‫‪ᇱ‬‬
‫ڴں ‪㨩 㨩 ᩛ‬‬ ‫ڴڽڷ‬ ‫ڴڴڵ‪Κ‬ڶڸ‬
‫ڴڴڴ‪Κ‬ڼ‬ ‫ڴڴڵ‪Κ‬ڶڸ‬ ‫ڴڴڴ‪Κ‬ڴڼڽ‪Κ‬ڻ‬

‫‪ ᩟‬ڴڴڴڼ ڴڴڵ‪Κ‬ڶڸ ڴں ‪ ᩟‬ڴڴڴ‪Κ‬ڴڼڽ‪Κ‬ڻ ڴڽڷ ڴڵ ‪㨩㨩 ᩛ‬‬

‫‪ ‬ڴڴڴڼ ڴڽڷ ڴڴڴڼ ‪ ‬ڴڴڵ‪Κ‬ڶڸ ڴں ڴڴڴڼ‬
‫ڴڴڴ‪Κ‬ڴڴڽ‪Κ‬ڹڶڵ ‪ ᩛ‬ڴڴڴ‪Κ‬ڴڼڽ‪Κ‬ڻ ڴں ڴں ‪ ‬ڴڴڵ‪Κ‬ڶڸ ڴڴڵ‪Κ‬ڶڸ ڴڵ‬

‫ڴڽڷ‬ ‫ڴڴڵ‪Κ‬ڶڸ‬ ‫ڴں‬ ‫ڴڴڵ‪Κ‬ڶڸ‬ ‫ڴں‬ ‫ڴڽڷ‬

‫‪￦￦￦￦￦￦‬‬ ‫‪￦￦￦￦￦￦‬‬
‫ڴڴڵ‪Κ‬ڶڸ‬ ‫ڴڴڴ‪Κ‬ڴڼڽ‪Κ‬ڻ‬ ‫ڴڴڴ‪Κ‬ڼ‬ ‫ڴڴڴ‪Κ‬ڴڼڽ‪Κ‬ڻ‬ ‫ڴڴڴ‪Κ‬ڼ‬ ‫ڴڴڵ‪Κ‬ڶڸ‬
‫ڴں‬ ‫ڴڴڴ‪Κ‬ڼ‬ ‫ڴڵ‬ ‫ڴڴڴ‪Κ‬ڼ‬ ‫ڴڵ‬ ‫ڴں‬
‫‪￦￦￦￦￦￦‬‬ ‫‪￦￦￦￦￦￦‬‬
‫ڴڴڵ‪Κ‬ڶڸ‬ ‫ڴڴڴ‪Κ‬ڴڼڽ‪Κ‬ڻ‬ ‫ڴڴڴ‪Κ‬ڼ‬ ‫ڴڴڴ‪Κ‬ڴڼڽ‪Κ‬ڻ‬ ‫ڴڴڴ‪Κ‬ڼ‬ ‫ڴڴڵ‪Κ‬ڶڸ‬

‫ڴں‬ ‫ڴڴڴ‪Κ‬ڼ‬ ‫ڴڵ‬ ‫ڴڴڴ‪Κ‬ڼ‬ ‫ڴڵ‬ ‫ڴں‬

‫‪￦￦￦￦￦￦￦￦￦￦￦￦‬‬ ‫‪￦￦￦￦￦￦￦￦￦￦￦￦‬‬
‫ڴڽڷ‬ ‫ڴڴڵ‪Κ‬ڶڸ‬ ‫ڴں‬ ‫ڴڴڵ‪Κ‬ڶڸ‬ ‫ڴں‬ ‫ڴڽڷ‬
 ‫ڴڴڴ‪Κ‬ڴڽڻ‪Κ‬ڽڷڷ‪Κ‬ڵ‬ ‫ڴڴڴ‪Κ‬ڴڴڴ‪Κ‬ڶڸڵ‪‬‬ ‫ڴڴڴ‪Κ‬ڸڽڹ‪‬‬
‫‪㨶㨺㨱￦㨩 ᇱ 㨩‬‬ ‫ڴڴڴ‪Κ‬ڴڴڴ‪Κ‬ڶڸڵ‪ᩛ ‬‬ ‫ڴڴڴ‪Κ‬ڴڴڼ‪Κ‬ڹڵ‬ ‫ڴڴڴ‪Κ‬ڽڹ‬
‫ڴڴڴ‪Κ‬ڸڽڹ‪‬‬ ‫ڴڴڴ‪Κ‬ڽڹ‬ ‫ڴڴڷ‬

‫⑍‪௞௢௙￦⑌௑ ᇲ ௑‬‬
‫‪ᩛ ⑌㨩 ᇱ 㨩⑍ିଵ ᩛ‬‬
‫‪௑ ᇲ௑‬‬
‫ںڻڽڽںڵڸں‪Ζ‬ڴڵ‬ ‫ڷڴڼڵڻڸڴڴ‪Κ‬ڴ‪ ‬ڽںڶڽڻڼڻڶڵ‪Ζ‬ڵ‪‬‬
‫ڽںڶڽڻڼڻڶڵ‪Ζ‬ڵ‪‬‬ ‫ںڶڸںڽڸڹڶڵ‪Ζ‬ڴ‬ ‫ںڶںڼںڸڴڴڴ‪Ζ‬ڴ‬
‫ڷڴڼڵڻڸڴڴ‪Ζ‬ڴ‪‬‬ ‫ڸڼڶڼڷڶڴڴڴڴڴ‪Ζ‬ڴ ںڶںڼںڸڴڴڴ‪Ζ‬ڴ‬

‫ڴڴڼ‬
‫ڴڴڹ‪Κ‬ڸ ‪㨩 ᇱ 㩄 ᩛ‬‬
‫ڴڴڴ‪Κ‬ڹڴڻ‬
 㨭଴ ‫ڵڵڵ‬Ζ‫ڼڵڽں‬
㨭 ᩛ 㨩 ᇱ 㨩 ିଵ 㨩 ᇱ 㩄 ᩛ 㨭ଵ ᩛ ‫ڻ‬Ζ‫ڶڼڼڵ‬
㨭ଶ ‫ڴ‬Ζ‫ڻڽڶڸڵڴ‬
·㨰௜ଶ ᩛ 㨰 ᇱ 㨰 ᩛ 㩄 ᇱ 㩄  㨭 ᇱ 㨩 ᇱ 㩄
ᩛ ‫ڻں‬Κ‫ڴڹڸ‬
‫ڴڴڼ‬
 ‫ڵڵڵ‬Ζ‫ ڼڵڽں‬‫ڻ‬Ζ‫ڴ ڶڼڼڵ‬Ζ‫ڸ ڻڽڶڸڵڴ‬Κ‫ڴڴڹ‬
‫ڹڴڻ‬Κ‫ڴڴڴ‬
ᩛ ‫ڸںڷ‬Ζ‫ںڻڵڶ‬
Dapat diperoleh,
௘ᇱ௘ ଷ଺ସΖଶଵ଻଺
㣆ො ଶ ᩛ ᩛ ᩛ ‫ڶڹ‬Ζ‫ڷڴ‬
௡ି௞ ଻
 㩁㨬㨽  㨮㨺㩁￦ 㨭 ᩛ 㣆ො ଶ ⑌㨩 ᇱ 㨩⑍ିଵ
‫ڷڹڹ‬Ζ‫ ںڻڼں‬‫ڼڹ‬Ζ‫ ںڷڼں‬‫ڴ‬Ζ‫ڼڸڹڸڶ‬
ᩛ ‫ڼڹ‬Ζ‫ں ںڷڼں‬Ζ‫ڴ ڽڻڹڽڶڹ‬Ζ‫ڷڼڷڸڶڴ‬
‫ڴ‬Ζ‫ڴ ڼڸڹڸڶ‬Ζ‫ڴ ڷڼڷڸڶڴ‬Ζ‫ڸڶڵڴڴڴ‬

㩁㨬㨽￦ 㨭଴ ᩛ ‫ڷڹڹ‬Ζ‫ڻڼں‬Ή ￦￦㩁㨬㨽￦ 㨭ଵ ᩛ ‫ں‬Ζ‫ڽڶڹ‬Ή ￦￦㩁㨬㨽￦⑌㨭ଶ ⑍

ᩛ ‫ڴ‬Ζ‫ڸڶڵڴڴڴ‬

㨖㨤㨤 ᩛ 㨭 ᇱ 㨩 ᇱ 㩄  㨹㨪ത ଶ ᩛ ‫ڻں‬Κ‫ڹڼڴ‬Ζ‫ ڷڼڻ‬ ‫ڸں‬Κ‫ڴڴڴ‬

ᩛ ‫ڷ‬Κ‫ڹڼڴ‬Ζ‫ڷڼڻ‬
㨥㨤㨤 ᩛ 㩄 ᇱ 㩄  㨹㨪ത ଶ ᩛ ‫ڻں‬Κ‫ ڴڹڸ‬ ‫ڸں‬Κ‫ ڴڴڴ‬ᩛ ‫ڷ‬Κ‫ڴڹڸ‬
㨖㨤㨤 㨭 ᇱ ᇱ
㨩 㩄  㨹㨪 ത ଶ ‫ڷ‬Κ‫ڹڼڴ‬Ζ‫ڷڼڻ‬
㨣ଶ ᩛ ᩛ ᇱ ᩛ ᩛ ‫ڴ‬Ζ‫ڸڸڽڼ‬
㨥㨤㨤 㩄 㩄  㨹㨪 ത ଶ ‫ڷ‬Κ‫ڴڹڸ‬
 Anava dalam Notasi Matriks
Tabel Analysis of Variance for Regression
Sumber variasi Sum of Degrees of Means F*
squares freedom Square
(SS) (df) Error (MSE)
Akibat regresi 㨭ᇱ 㨩 ᇱ 㩄 㨶‫ڵ‬ 㨭 ᇱ 㨩 ᇱ 㩄  㨹㨪ത ଶ 㨭 ᇱ 㨩 ᇱ 㩄  㨹㨪ത ଶ
(㨩ଵ￦ Ζ 㨩ଶ Ζ  Ζ 㨩௞ ⑍  㨹㨪ത ଶ 㨶‫ڵ‬ 㨶‫ڵ‬
Akibat residual 㩄ᇱ㩄 㨹㨶 㩄 ᇱ 㩄  㨭ᇱ 㨩 ᇱ 㩄 㩄 㩄  㨭ᇱ 㨩 ᇱ 㩄
ᇱ

 㨭ᇱ 㨩 ᇱ 㩄 㨹㨶
㨹㨶
Total 㩄 ᇱ 㩄  㨹㨪ത ଶ 㨹‫ڵ‬
Tabel Analysis of Variance for Regression

Sumber Sum of Degrees of Means F*

variasi squares freedom Square
(SS) (df) Error
(MSE)
Akibat regresi 3085,783 ‫ڶ‬ 1542,8915 ‫ڶڸڹڵ‬Ζ‫ڹڵڽڼ‬
(㨩ଵ￦ Ζ 㨩ଶ ⑍ ᩛ ‫ڽڶ‬Ζ‫ڷڹں‬
‫ڶڹ‬Ζ‫ڵڵڷڴ‬

Akibat 364,2176 ‫ڻ‬ 52,0311

residual
Total 3450 㨹‫ڵ‬