Regresi Linier Ganda

Rachmah Indawati
Model regresi linier ganda

𝑦 = 𝛼 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + ⋯ + 𝛽𝑘 𝑥𝑘 + 𝐸

• , 1, 2, … , k = koefisien regresi membutuhkan

penaksiran.
• x1, x2, … , x3 fungsi membedakan VI.
Pendekatan kuadrat terkecil

n  n
 ( yi − y i ) =  ( yi − a − b1 x1i − ... − bk xki ) 2
2
i =1 i =1

• Nilai a, b1 ,……, bk (disebut estimasi kuadrat terkecil) yang

jumlah adalah minimum.
• Jumlah kuadrat residual (SSE) adalah minimum
Cara perhitungan

1. Buat tabel
2. Hitung rata-rata 𝑥1ҧ ; 𝑥ҧ2 ; 𝑦ത
3. Hitung in=1 y 2
(
2
y)
2

 y = i =1 y
n n
i =1
2 2
− i =1

n
4. Hitung i =1 x1
n 2

(
2
x)
2

 x = x
n n
2
i =1 1
2
i =1 1
− i =1 1

n
5. Hitung i =1 x2
n 2

(
2
x )
2

 x = x
n n
i =1
2
2 i =1
2
2 − i =1 2

n
Cara perhitungan


n
6. Hitung i =1 1
xy
(
n
x )( y )
n

i =1 x1 y = i =1
n n
x y−
1
i =1 1 i =1


n
7. Hitung xy
i =1 2

(
n
x )( y )
n

i =1 x2 y = i =1
n n
x y−
2
i =1 2 i =1


n
8. Hitung xx
i =1 1 2

( x )( x )
n n

i =1 x1x2 = i =1
n n
xx −
1 2
i =1 1 i =1 2

n
Cara perhitungan

9. Hitung b1

b =
( x )( x y ) − ( x x )( x y )
n 2
i =1 2
n
i =1 1
n
i =1 1 2
n
i =1 2
1
( x )( x )− ( x x )
n 2
i =1 1
n 2
i =1 2
n
i =1 1 2
2

10. Hitung b2

b =
( x )( x y ) − ( x x )( x y )
n 2
i =1 1
n
i =1 2
n
i =1 1 2
n
i =1 1
2
( x )( x )− ( x x )
n
i =1
2
1
n
i =1
2
2
n
i =1 1 2
2

11.Hitung a
a = y − b1 x1 − b2 x 2


12.Buat model y = a + b1 x1 + b2 x2
Contoh

• Peneliti ingin menyelidiki berapa berat badan (BB)

dengan tinggi badan (TB) dan umur (UMUR) pada
anak-anak dengan kekurangan makanan.
• Variabel dependen y = BB dan dua variabel
independen x1 = TB dan x2 = UMUR.
• Sampel acak 12 anak yang masuk klinik dipilih.
 Data

Anak 1 2 3 4 5 6 7 8 9 10 11 12

BB (Y) 64 71 53 67 55 58 77 57 56 51 76 68

TB (X1) 57 59 49 62 51 50 55 48 42 42 61 57

UMUR (X2) 8 10 6 11 8 7 10 9 10 6 12 9

Model
𝑦 = 𝛼 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + 𝐸 atau
𝐵𝐵 = 𝛼 + 𝛽1 (𝑇𝐵) + 𝛽2 (𝑈𝑀𝑈𝑅) + 𝐸
 Jawab: Buat tabel

x1 x2 y 𝑥12 𝑥22 y2 x1y x2y x1x2

57 8 64 3249 64 1096 3648 512 456
59 10 71 3481 100 5041 4189 710 590
49 6 53 2401 36 2809 2597 318 294
62 11 67 3844 121 4489 4154 737 682
51 8 55 2601 64 3025 2805 440 408
50 7 58 2500 49 3364 2900 406 350
55 10 77 3025 100 5929 4235 770 550
48 9 57 2304 81 3249 2736 513 432
42 10 56 1764 100 3136 2352 560 420
42 6 51 1764 36 2601 2142 306 252
61 12 76 3721 144 5776 4636 912 732
57 9 68 3249 81 4624 3876 612 513
=633 =106 =753 =33903 =976 =48139 =40270 =6796 =5679
Jawab

1. Hitung rata-rata 𝑥1ҧ ; 𝑥ҧ2 ; 𝑦ത

• 𝑥1 = 633/12 = 52,75
• 𝑥2 = 106/12 = 8,83
• 𝑦 = 753/12 = 62,75

i =1
n
2. Hitung
2
y
(
2
y)
2

 y = i =1 y
n n
i =1
2 2
− i =1

n
𝑛
(753)2
෍ 𝑦2 = 48139 − = 888,25
12
𝑖=1
Jawab

3. Hitung i =1 x12
n

( x)
2 2

 x = x
n n
2
i =1 1
2
i =1 1
− i =1 1

633 2
σ𝑛𝑖=1 𝑥12 = 33903 − = 512,12
12

4. Hitung i =1 x2
n 2

( x )
2 2

 x = x
n n
2
i =1 2
2
i =1 2
− i =1 2

106 2
σ𝑛𝑖=1 𝑥22 = 976 − = 39,67
12
Jawab


n
5. Hitung xy
( x )( y )
i =1 1


n n

i =1 x1 y = i =1
n n
x y−
1
i =1 1 i =1

n
𝑛 633 753
෍ 𝑥1 𝑦 = 40270 − = 549,25
𝑖=1 12


n
6. Hitung xy
i =1 2

( x )( y )
n n

i =1 x2 y = i =1
n n
x y−
2
i =1 2 i =1

n
𝑛 106 753
෍ 𝑥2 𝑦 = 6796 − = 144,5
𝑖=1 12
Jawab


n
7. Hitung xx
( x )( x )
i =1 1 2


n n

i =1 x1x2 = i =1
n n
xx −
1 2
i =1 1 i =1 2

n
𝑛 633 106
෍ 𝑥1 𝑥2 = 5679 − = 87,5
𝑖=1 12

8. Hitung b1

b =
( x )( x y ) − ( x x )( x y )
n 2
i =1 2
n
i =1 1
n
i =1 1 2
n
i =1 2
1
( x )( x )− ( x x )
n 2
i =1 1
n 2
i =1 2
n
i =1 1 2
2

39,67 549,25 − 87,5 144,5

𝑏1 = = 0,723
512,12 39,67 − 87,5 2
Jawab

9. Hitung b2

b =
( x )( x y ) − ( x x )( x y )
n 2
i =1 1
n
i =1 2
n
i =1 1 2
n
i =1 1
2
( x )( x )− ( x x )
n 2
i =1 1
n 2
i =1 2
n
i =1 1 2
2

512,12 144,5 − 87,5 549,25

𝑏2 = = 2,049
512,12 39,67 − 87,5 2

10.Hitung a
a = y − b1 x1 − b2 x 2
a = 62,75 – (0,723)(52,75) - (2,049)(8,83) = 6,519


11.Model y = a + b1 x1 + b2 x2

y = 6,519 + 0,723 x1+ 2,049 x2
Koefisien determinasi

• Rumus n __ 
__

 ( y1 − y )( y1 − y )
r  = i =1
Y1 Y __
n __ n  
 ( y1 − y ) 2  ( y1 − y ) 2
i =1 i =1

• yi
__
= nilai yang diramal dari y untuk ke-i individu

• y = rata-rata
ANOVA=

• 𝑇𝑆𝑆 = σ𝑛𝑖=1 𝑦𝑖 − 𝑦ത 2

• 𝑆𝑆𝐸 = σ𝑛𝑖=1 𝑦𝑖 − 𝑦ො𝑖 2

• 𝑆𝑆𝑅 = σ𝑛𝑖=1 𝑦ො𝑖 − 𝑦ത 2

• TSS = SSR + SSE

𝑛 𝑛 𝑛

෍(𝑦𝑖 − y ҧ )2 = ෍ 𝑦ො𝑖 − 𝑦ത 2 + ෍ 𝑦𝑖 − 𝑦ො𝑖 2

𝑖=1 𝑖=1 𝑖=1

 Tabel Anova

Sumber df SS MS F R2

TSS − SSE
Regresi k TSS – SSE= SSR MSR MSR/ MSE
TSS

Residual n – k – 1 SSE MSE

Total n–1 TSS

Contoh

• Buat tabel anova dari contoh sebelumnya

 Jawab: Buat tabel

𝑥12
__ 
x1 x2 y 𝑥22 y2 x1y x2y x1x2
__
( yi − y)2 ( yi − yi ) 2
( yi − y ) 2

57 8 64 3249 64 1096 3648 512 456 1,88 0,01 1,56

59 10 71 3481 100 5041 4189 710 590 47,83 1,78 68,06

49 6 53 2401 36 2809 2597 318 294 72,42 1,54 95,06

2
x12
62 11 67 3844 121 4489 4154 737 682 123,97 47,39 18,06

51 8 55 2601 64 3025 2805 440 408 8,80 22,89 60,06

50 7 58 2500 49 3364 2900 406 350 32,92 0,98 22,56

55 10 77 3025 100 5929 4235 770 550 16,19 104,57 203,06

48 9 57 2304 81 3249 2736 513 432 9,52 7,10 33,06

42 10 56 1764 100 3136 2352 560 420 28,89 1,89 45,56

42 6 51 1764 36 2601 2142 306 252 184,17 3,32 138,06

61 12 76 3721 144 5776 4636 912 732 155,25 0,62 175,56

57 9 68 3249 81 4624 3876 612 513 11,70 3,35 27,56

=633 =106 =753 =33903 =976 =48139 =40270 =6796 =5679 =693,54 =195,44 =888,22
Jawab:
=

• Hitung jumlah kuadrat

• 𝑇𝑆𝑆 = σ𝑛𝑖=1 𝑦𝑖 − 𝑦ത 2 = 888,22
• 𝑆𝑆𝐸 = σ𝑛𝑖=1 𝑦𝑖 − 𝑦ො𝑖 2 = 195,44
• 𝑆𝑆𝑅 = σ𝑛𝑖=1 𝑦ො𝑖 − 𝑦ത 2 = 693,54
• Degree of freedom
• dfRegresi = 2
• dfResidual = 12 – 2 – 1 = 9
• dfTotal = 12-1 = 11
 Tabel Anova

Sumber df SS MS Fratio R2

Regresi 2 693,54 693,54 / 2 = 346,77 15,96 0,78

Residual 9 195,44 195,44 / 9 = 21,72

Total 11 888,22
Uji linieritas garis regresi

• Model berisi k variabel independen,

y =  + 1x1 + 2x2 + … + kxk + E
• Hipotesis:
– H0: “garis regresi yang menggunakan semua k variabel
independen dalam model tidak linier” atau
– H0: 1 = 2 = … = k = 0.
• Uji statistik
𝑀𝑆𝑅
𝐹=
𝑀𝑅𝐸
• Ho ditolak: F hitung > Fk; n-k-1; 1-
Standard Deviasi

• Menilai ‘ketepatan’ ramalan perlu dilihat standard

deviasi taksiran y atas x1, x2 yakni sy|x
SSE
se2 =
(n − k − 1)
Contoh


• Hitung Standard deviasi jika y = 6,519 + 0,723x1 + 2,049x2
dengan n = 12 dan SSE = 195,44 maka MSE yaitu
195,44
s =
2
= 21,72
e
(9)
• Standard deviasi taksiran y atas x1 dan x2 adalah
𝑠𝑦|𝑥 = 21,72 = 4,66
Uji parsial parameter regresi-

• Menghitung standard deviasi koefisien b1 tergantung:

– Jumlah kuadrat penyimpangan variabel x1 dari rata-rata x1
se
s =
2

 x (1 − r )
bi 2 2
i i

– Dimana  (
xij2 = xi − xi ) penyebut dalam rumus diatas
2

dijumlahkan untuk semua nilai yang ada dalam xi.

– Koefisien korelasi ganda antara variabel bebas xi dengan
variabel sisanya (jika ada 2 VI, x1 dan x2) maka

r12 =
x x 1 2

( x )( x )
2
1
2
2
Uji parsial parameter regresi-

• Hipotesis:
– Ho: i = 0 (Tidak ada pengaruh antara xi dan y)
– Ha: i  0
• Ho ditolak: t hitung > t tabel (d.f=n-k-1, α)
• Uji statistik:
𝑏𝑖 − 𝛽𝑖
𝑡ℎ𝑖𝑡𝑢𝑛𝑔 =
𝑆𝑏𝑖
Contoh

• Menggunakan data yang sama, apakah b1 = 0,723

dan b2 = 2,049 bermakna?
• Informasi sebelumnya se = 4,66
(753) 2 888,25
i =1 y = 48139 − 12 =
n 2

 xx
n
i i 2 = 87,5

(633)2


n
i =1 1
x 2 = 33903 − = 512,12
12
(106)2


n
x 2 = 976 −
i =1 2 = 39,67
12
Jawab untuk b1

1. Uji hipotesis
– Ho: 1 = 0
– Ha: 1  0
2. Tingkat kemankaan  = 0,1
3. Titik kritis t9;0,05 = 1,833
4. Uji statistik:

r12 =
x x
1 2

( x )( x )
2
1
2
2

87,5 87,5
r12 = = = 0,614
(512,12)(39,67) 142,534
Lanjut

se
sb1 =
 x (1 − r )
2
1
2
12

4,66
= 0,261
(512,12)(1 − (0,614) )
2

bi − 1 0,723 − 0
t= = = 2,768
sbi 0,261

5. Kesimpulan:
Ho ditolak. Artinya dengan menganggap x2 konstan, maka
TB mempunyai pengaruh yang bermakna terhadap BB
Jawab untuk b2

1. Uji hipotesis
– Ho: 2 = 0
– Ha: 2  0
2. Tingkat kemankaan  = 0,1
3. Titik kritis t9;0,05 = 1,833
4. Uji statistik:

r12 =
x x
1 2

( x )( x )
2
1
2
2

87,5 87,5
r12 = = = 0,614
(512,12)(39,67) 142,534
Lanjut

se
sb1 =
 x (1 − r )
2
1
2
12

4,66
= 0,937
(39,67)(1 − (0,614) )
2

b2 −  2 2,049 − 0
t= = = 2,187
sb2 0,937

5. Kesimpulan:
Ho ditolak. Artinya dengan menganggap x2 konstan, maka
umur mempunyai pengaruh yang bermakna terhadap BB
CARA LAIN PERHITUNGAN 1
Perhitungan matrik

• Regresi linier ganda dengan 2 variabel independent x1, x2

• 𝑦ො = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2
• a, b1 dan b2 dapat dihitung:
– σ 𝑦 = 𝑎𝑛 + 𝑏1 σ 𝑥1 + 𝑏2 σ 𝑥2
– σ 𝑥1 𝑦 = 𝑎 σ 𝑥1 + 𝑏1 σ 𝑥12 + 𝑏2 σ 𝑥1 𝑥2
– σ 𝑥2 𝑦 = 𝑎 σ 𝑥2 + 𝑏1 σ 𝑥2 𝑥1 + 𝑏2 σ 𝑥22
Perhitungan matrik

• Bentuk persamaan matrik:

𝑛 σ 𝑥1 σ 𝑥2 𝑎 σ𝑦
• σ 𝑥1 σ 𝑥12 σ 𝑥1 𝑥2 𝑏1 = σ 𝑥1 𝑦
σ 𝑥2 σ 𝑥1 𝑥2 σ 𝑥22 𝑏2 σ 𝑥2 𝑦
• M b h
• Dimana:
• M= Matrik (diketahui);
• b= vector kolom (tidak diketahui);
• h= vector kolom (diketahui)
Perhitungan matrik

• Matrik dengan 3 persamaan

• m11a+m12b1+m13b2= h1
• m21a+m22b1+m23b2= h2
• m31a+m32b1+m33b2= h3
𝑚11 𝑚12 𝑚13 𝑎 ℎ1
• 𝑚21 𝑚22 𝑚23 𝑏1 = ℎ2
𝑚31 𝑚32 𝑚33 𝑏2 ℎ3
Perhitungan matrik

• Menentukan a, b1, b2 digunakan determinan matrik

det 𝑀1 det 𝑀2 det 𝑀3
• 𝑎= ; 𝑏1 = ; 𝑏2 =
det 𝑀 det 𝑀 det 𝑀

ℎ1 𝑚12 𝑚13 𝑚11 ℎ1 𝑚13

• 𝑀1 = ℎ2 𝑚22 𝑚23 ; 𝑀2 = 𝑚21 ℎ2 𝑚23
ℎ3 𝑚32 𝑚33 𝑚31 ℎ3 𝑚33

𝑚11 𝑚12 ℎ1 𝑚11 𝑚12 𝑚13

• 𝑀3 = 𝑚21 𝑚22 ℎ2 ; 𝑀 = 𝑚21 𝑚22 𝑚23
𝑚31 𝑚32 ℎ3 𝑚31 𝑚32 𝑚33
 Contoh

x1 x2 y 𝒙𝟐𝟏 𝒙𝟐𝟐 y2 x1y x2y x1x2

7 4 6 49 16 36 42 24 28
9 6 7 81 36 49 63 42 54
4 6 3 16 36 9 12 18 24
7 8 6 49 64 36 42 48 56
5 8 5 25 64 25 25 40 40
9 7 8 81 49 64 72 56 63
8 5 7 64 25 49 56 35 40
6 9 5 36 81 25 30 45 54
6 10 5 36 100 25 30 50 60
6 6 5 36 36 25 30 30 36
8 12 7 64 144 49 56 84 96
7 9 6 49 81 36 42 54 63
=82 =90 =70 =586 =732 =428 =500 =526 =614
Contoh

• Bentuk persamaan matrik:

𝑛 σ 𝑥1 σ 𝑥2 𝑎 σ𝑦
• σ 𝑥1 σ 𝑥12 σ 𝑥1 𝑥2 𝑏1 = σ 𝑥1 𝑦
σ 𝑥2 σ 𝑥1 𝑥2 σ 𝑥22 𝑏2 σ 𝑥2 𝑦
12 82 90 𝑎 70
• 82 586 614 𝑏1 = 500
90 614 732 𝑏2 526
Contoh

• Menentukan a, b1, b2 digunakan determinan matrik

70 82 90 12 70 90
• 𝑀1 = 500 586 614 ; 𝑀2 = 82 500 614
526 614 732 90 526 732
12 82 70 12 82 90
• 𝑀3 = 82 586 500 ; 𝑀 = 82 586 614
90 614 526 90 614 732
Contoh

• Gunakan excel function =MDETERM(Array)

• Determinan
• M1= -3.272; M2= 14.832; M3= 586; M= 17.544
det 𝑀1 det 𝑀2 det 𝑀3
• 𝑎= ; 𝑏1 = ; 𝑏2 =
det 𝑀 det 𝑀 det 𝑀
−3.272 14.832 586
• 𝑎= = −0,186; 𝑏1 = = 0,845; 𝑏2 = = 0,032
17.544 17.544 17.544

• Persamaan regresi linier:

y = -0,186 + 0,845x1 +0,032x2
Cara menghitung det matrik

70 82 90 70 82
• 500 586 614 500 586 =
526 614 732 526 614

• = [70𝑥586𝑥732 + ⋯ + 90𝑥500𝑥614 − 90𝑥586𝑥526 −

… − 82𝑥500𝑥732] = −3.272
CARA LAIN PERHITUNGAN 2
Perhitungan

• Regresi linier ganda dengan 2 variabel independen, x1, x2

• 𝑦ො = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2 (rumus 1)
• Harus menyelesaikan 3 persamaan: (rumus 2)
– σ 𝑦 = 𝑎𝑛 + 𝑏1 σ 𝑥1 + 𝑏2 σ 𝑥2
– σ 𝑥1 𝑦 = 𝑎 σ 𝑥1 + 𝑏1 σ 𝑥12 + 𝑏2 σ 𝑥1 𝑥2
– σ 𝑥2 𝑦 = 𝑎 σ 𝑥2 + 𝑏1 σ 𝑥2 𝑥1 + 𝑏2 σ 𝑥22
• Regresi linier ganda dengan 3 variabel independen, x1, x2, x3
• 𝑦ො = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2 + 𝑏3 𝑥3 (rumus 3)
• Harus menyelesaikan 4 persamaan: (rumus 4)
– σ 𝑦 = 𝑎𝑛 + 𝑏1 σ 𝑥1 + 𝑏2 σ 𝑥2 + 𝑏3 σ 𝑥3
– σ 𝑥1 𝑦 = 𝑎 σ 𝑥1 + 𝑏1 σ 𝑥12 + 𝑏2 σ 𝑥1 𝑥2 + 𝑏3 σ 𝑥1 𝑥3
– σ 𝑥2 𝑦 = 𝑎 σ 𝑥2 + 𝑏1 σ 𝑥2 𝑥1 + 𝑏2 σ 𝑥22 + 𝑏3 σ 𝑥2 𝑥3
– σ 𝑥3 𝑦 = 𝑎 σ 𝑥3 + 𝑏1 σ 𝑥3 𝑥1 + 𝑏2 σ 𝑥2 𝑥3 + 𝑏3 σ 𝑥32
Perhitungan

• Rumus 2 dan 4 dapat disederhanakan:

• 𝑥1 = 𝑥1 − 𝑥1ҧ ; 𝑥2 = 𝑥2 − 𝑥ҧ2 ; 𝑥3 = 𝑥3 − 𝑥ҧ3 ; 𝑦 = 𝑦 − 𝑦ത
• Rumus 1 dan 3 berubah menjadi:
• 𝑦 = 𝑏1 𝑥1 + 𝑏2 𝑥2 rumus 5
• 𝑦 = 𝑏1 𝑥1 + 𝑏2 𝑥2 + 𝑏3 𝑥3 rumus 6
• Koefisien b1 dan b2, rumus 5 dihitung:
• 𝑏1 σ 𝑥12 + 𝑏2 σ 𝑥1 𝑥2 = σ 𝑥1 𝑦
• 𝑏1 σ 𝑥2 𝑥1 + 𝑏2 σ 𝑥22 = σ 𝑥2 𝑦
• Koefisien b1, b2 dan b3, rumus 6 dihitung:
• 𝑏1 σ 𝑥12 + 𝑏2 σ 𝑥1 𝑥2 + 𝑏3 σ 𝑥1 𝑥3 = σ 𝑥1 𝑦
• 𝑏1 σ 𝑥2 𝑥1 + 𝑏2 σ 𝑥22 + 𝑏3 σ 𝑥2 𝑥3 = σ 𝑥2 𝑦
• 𝑏1 σ 𝑥3 𝑥1 + 𝑏2 σ 𝑥2 𝑥3 + 𝑏3 σ 𝑥32 = σ 𝑥3 𝑦
Perhitungan

• Untuk persamaan rumus 1, parameter a, b1, b2

dihitung:
• 𝑎 = 𝑦ത − 𝑏1 𝑥ҧ1 − 𝑏2 𝑥ҧ2
σ 𝑥22 σ 𝑥1 𝑦 − σ 𝑥1 𝑥2 σ 𝑥2 𝑦
• 𝑏1 = σ 𝑥12 σ 𝑥22 − σ 𝑥1 𝑥2 2

σ 𝑥12 σ 𝑥2 𝑦 − σ 𝑥1 𝑥2 σ 𝑥1 𝑦
• 𝑏2 = σ 𝑥12 σ 𝑥22 − σ 𝑥1 𝑥2 2

• Selanjutnya, nilai a, b1, b2 disubstitusikan ke

persamaan 𝑦ො = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2
Perhitungan eliminasi

• Regresi linier ganda dengan 2 variabel independen x1, x2

• 𝑦ො = 𝑎 + 𝑏1 𝑥1 + 𝑏2 𝑥2
• a, b1 dan b2 dapat dihitung:
– σ 𝑦 = 𝑎𝑛 + 𝑏1 σ 𝑥1 + 𝑏2 σ 𝑥2
– σ 𝑥1 𝑦 = 𝑎 σ 𝑥1 + 𝑏1 σ 𝑥12 + 𝑏2 σ 𝑥1 𝑥2
– σ 𝑥2 𝑦 = 𝑎 σ 𝑥2 + 𝑏1 σ 𝑥2 𝑥1 + 𝑏2 σ 𝑥22

– 𝑎12 + 𝑏1 82 + 𝑏2 90 = 70
– 𝑎82 + 𝑏1 586 + 𝑏2 614 = 500
– 𝑎90 + 𝑏1 614 + 𝑏2 732 = 526
 Perhitungan eliminasi

• Kalikan persamaan
• 𝑎12 + 𝑏1 82 + 𝑏2 90 = 70 (kali 82): 𝑎984 + 𝑏1 6724 + 𝑏2 7380 = 5740
• 𝑎82 + 𝑏1 586 + 𝑏2 614 = 500 (kali 12): 𝑎984 + 𝑏1 7032 + 𝑏2 7368 = 6000
• ----------------------------------------------------------------------------------------------- (-)
• -308 b1 + 12 b2 = -260

• 𝑎82 + 𝑏1 586 + 𝑏2 614 = 500 (kali 90): 𝑎7380 + 𝑏1 52740 + 𝑏2 55260 = 45000
• 𝑎90 + 𝑏1 614 + 𝑏2 732 = 526 (kali 82): 𝑎7380 + 𝑏1 50348 + 𝑏2 60024 = 43132
• -------------------------------------------------------------------------------------------------- (-)
• 2392 b1 - 4764 b2 = 1868

• -308 b1 + 12 b2 = -260 (kali -397): 122276 b1 - 4764 b2 = 103220

• 2392 b1 - 4764 b2 = 1868 (kali 1): 2392 b1 - 4764 b2 = 1868
• 119884 b1 = 101352; b1=0,8454
Perhitungan eliminasi

• -308 b1 + 12 b2 = -260
• -308 (0,8454) + 12 b2 = -260
• b2 = 0,0324

• 𝑎12 + 𝑏1 82 + 𝑏2 90 = 70
• 𝑎12 + (0,8454)82 + (0,0324)90 = 70
• a12 = 70 – 72,2388
• a = -0,1866

• Persamaan regresi linier:

y = -0,186 + 0,845x1 +0,032x2
Terima Kasih