REGRESI LINEAR

BERGANDA DAN REGRESI

(TREND) NONLINEAR
 HUBUNGAN LEBIH DARI DUA VARIABEL
REGRESI LINEAR BERGANDA

Apabila terdapat lebih dari dua variabel, maka hubungan linear

dapat dinyatakan dalam persamaan regresi linear berganda
sebagai berikut :

Y’= b0 + b1X1 + b2X2 + . . . + bkXk

Disini ada satu variabel tidak bebas, yaitu Y’ dan ada k varibel
bebas, yaitu X1, . . . , Xk
Untuk menghitung b0, b1, b2, . . . , bk kita gunakan metode kuadrat
terkecil yang menghasilkan persamaan normal sebagai berikut :

b0 n + b1 X1 + b2 X2 + . . . + bk Xk = Y

b0 X1 + b1 X12 + b2  X1X2 + . . . + bk  X1Xk = X1Y
b0 X2 + b1 X2 X1 + b2  X22 + . . . + bk  X2Xk = X2Y
. . . . .
. . . . .
. . . . .
b0 Xk + b1 X1 Xk + b2  X2Xk + . . . + bk  Xk2 = XkY
Kalau persamaan ini dipecahkan, kita akan memperoleh nilai
b0, b1, b2, . . . , bk. Kemudian dapat dibentuk persamaan regresi
linear berganda.

Apabila persamaan regresi itu telah diperoleh, barulah kita dapat

meramalkan nilai Y dengan syarat kalau nilai X1, X2, . . . ., Xk
sebagai variabel bebas sudah diketahui.

Misalkan: k =2, maka Y’ = b0 + b1X1 + b2X2, satu variabel tak

bebas(Y), dan dua variabel bebas (X1 dan X2), maka b0, b1, dan
b2 dihitung dari persamaan normal berikut :
 b0 n + b1 X1 + b2 X2 = Y
b0 X1 + b1 X1X1 + b2  X1X2 = X1Y
b0 X2 + b1 X2 X1 + b2  X2X2 = X2Y

Persamaan diatas dapat dinyatakan dalam persamaan matriks berikut :

 n

 X1  X 2  b0   Y 
   
 X1  X1  X1 X 2  b1    X1Y 
2

 X 2  X 2 X1  X 22  b2   X 2Y 
   
A b H
Variabel b dapat diselesaikan dengan cara sebagai berikut :

Ab = H
b = A-1H

Dimana A-1 adalah kebalikan (invers) dari matriks A

CARA MEMECAHKAN PERSAMAAN
LEBIH DARI DUA VARIABEL
+ -
 a11 a12 
Matriks A  
a21 a22 

Determinan A = det (A) = A  a11a22  a12 a21

  a11 a12 a13   a11 a12 a13 a11 a12 
A  a21 a22 a23  atau A  a21 a22 a23 a21 a22 
 a31 a32 a33   a31 a32 a33 a31 a32 
  2 4 6 1 2 3 
A  3 2 3 B  1 3 5 
1 4 9 1 5 12

det(A) = 2.2.9 + 4.3.1 + 6.4.3 - 1.2.6 - 3.4.9 - 2.3.4

= 36 + 12 + 72 – 12 – 108 – 24
= -24

det(B) = 1.3.12 + 2.5.1 + 3.1.5 - 1.3.3 – 1.2.12 – 1.5.5

= 36 + 10 + 15 – 9 – 24 – 25
=3
 a11b1  a12b2  a13b3  h1   a11 a12 a13   b1   h1 
 a
a21b1  a22b2  a23b3  h2    21 a22 a23  b   h 
 2  2
a31b1  a32b2  a33b3  h3  a31 a32 a33  b3   h3 

det A1  det  A2  det  A3 

b1  b2  b3 
det  A det  A det  A

 h1 a12 a13   a11 h1 a13   a11 a12 h1 

A1  h2 a22 a23  A2  a21 h2 a23  A3  a21 a22 h2 
 h3 a32 a33   a31 h3 a33  a31 a32 h3 
2b1 + b2 + 4b3 = 16 2 1 4  b1  16
3b1 + 2b2 + b3 = 10  3 2 1  b2   10
b1 +3b2 + 3b2 = 16 1 3 3 b3  16

 2 1 4

A  3 2 1 
1 3 3

16 1 4 2 16 4 2 1 16
A1  10 2 1 A2  3 10 1 A3  3 2 10
16 3 3 1 16 3 1 3 16
det(A) = 2.2.3 + 1.1.1 + 4.3.3 - 1.2.4 - 3.1.3 - 2.1.3
= 26

det(A1) = 16.2.3 + 1.1.16 + 4.3.10 – 16.2.4 – 10.1.3 - 16.1.3

= 26

det(A2) = 2.10.3 + 16.1.1 + 4.16.3 - 1.10.4 - 3.16.3 - 2.1.16

= 52

det(A3) = 2.2.16 + 1.10.1 + 16.3.3 - 1.2.16 - 3.1.16 - 2.10.3

= 78

det  A1  26 det  A2  52
b1   1 b2   2
det  A 26 det  A 26

det  A3  78
b3   3
det  A 26
Tabel

Y X1 X2 X 1Y X 2Y X1X2 Y2 X 12 X 22
23 10 7 230 161 70 529 100 49
7 2 3 14 21 6 49 4 9
15 4 2 60 30 8 225 16 4
17 6 4 102 68 24 289 36 16
23 8 6 184 138 48 529 64 36
22 7 5 154 110 35 484 49 25
10 4 3 40 30 12 100 16 9
14 6 3 84 42 18 196 36 9
20 7 4 140 80 28 400 49 16
19 6 3 114 57 18 361 36 9
 Y  170  X 1  60 X 2  40  X Y  1.122  X Y  737  X X
1 2 1 2 267 Y 2
 3.162 X 1
2
 406 X 2
2  182
Persamaan normal adalah sbb :

b0 n + b1 X1 + b2 X2 = Y
10 b0 60 b1 40 b2 170
b0 X1 + b1 X1 X1 + b2  X1X2 = X1Y
60 b0 406 b1 267 b2 1.122
b0 X2 + b1 X1 X2 + b2  X2X2 = X2Y
40 b0 267 b1 182 b2 737

10 60 40  b0   170 

 60 406 267  b   1.122
 1  
40 267 182  b2   737 

b0 = 3,92 b1= 2,50 b2= -0,48

Y = b 0 + b 1 X1 + b 2 X 2

Y = 3,92 + 2,50 X1 – 0,48 X2

Y = 3,92 + 2,50 (11) – 0,48 (8)

= 31,42 – 3,83
=27,58
Korelasi Berganda :

Apabila kita mempunyai tiga variabel Y, X1,

X2, maka korelasi X1 dan Y digambarkan
dengan rumus berikut :

rx 1 y  r1 y 
x y 1i i

x y
2
1i
2
i
Korelasi X2 dan Y digambarkan dengan rumus
berikut :

rx 2 y  r2 y 
x y 2i i

x  y
2
2i
2
i
Korelasi X1 dan X2 digambarkan dengan
rumus berikut :

 x1i x2i
rx1x2  r12 
2 2
 x1i  x2i
 TREND PARABOLA
Garis trend pada dasarnya adalah garis regresi di
mana variabel bebas X merupakan variabel waktu.
Baik garis regresi maupun trend dapat berupa
garis lurus maupun tidak lurus. Persamaan garis
trend parabola adalah sebagai berikut :

Y’ = a + bX + cX2
Perhatikan bahwa bentuk persamaa seperti persamaan
garis regresi linear berganda adalah
Y’ = b0 + b1X1 + b2X2

di mana b0 = a, b1 = b, b2 = c,
X1 = X, dan X2 = X2

Dengan demikian cara menghitung koefisien a, b, dan c

sama seperti menghitung b0, b1, dan b2, yaitu
menggunakan persamaan normal sebagai berikut :
 a n + b X + c X2 = Y
a X + b X2 + c X3 = XY
a X2 + b X3 + c X4 = X2Y

 n

X  
X 2
a    X 
b    
X        XY 
2 3
X X
 X 2  X 3
 
X 4
 c   X 2Y 


A B C
AB = C
B = A-1 C
A-1 = kebalikan (invers) A
 n = ganjil  ada 0 (nol)
n = genap tdk ada 0
Tabel
Tahun X Y X2 X3 X4 XY X 2Y
1989 -5 23,2 25 -125 625 -116,0 580,0
1990 -4 31,4 16 -64 256 -125,6 502,4
1991 -3 39,8 9 -27 81 -119,4 358,2
1992 -2 50,2 4 -8 16 -100,4 200,8
1993 -1 62,9 1 -1 1 -62,0 62,9
1994 0 76,0 0 0 0 0 0
1995 1 92,0 1 1 1 92,0 92,0
1996 2 105,7 4 8 16 211,4 422,8
1997 3 122,8 9 27 81 368,4 1.105,2
1998 4 131,7 16 64 256 526,8 2.107,2
1999 5 151,1 25 125 625 755,5 3.777,5
Jumlah X 0  Y  886,8 X 2
 110 X 3
0 X 4
 1.958  XY  1.429,8  X Y  9.209,0
2
 a n + b X + c X2 = Y
a X + b X2 + c X3 = XY
a X2 + b X3 + c X4 = X2Y

(1) 11a + 0 + 110c = 886,8 1.429,8

(2) 0 + 110b + 0 = 1.429,8  b  110  13,0
(3) 110a + 0 + 1.958c = 9.209,0

110a + 1.100c = 8.868

110a + 1.958c = 9.209
- 858c = - 341
c = 341/858
c = 0,40