REGRESI LINEAR BERGANDA

Uji regresi digunakan untuk meramalkan suatu variabel (variabel dependent) Y berdasar suatu variabel atau beberapa variabel lain (variabel independent) dalam suatu persamaan linear, misal X1 dan X2. Persamaan regresi linear berganda dapat diestimasi dalam bentuk :

= a + bx1 + cx2 Nilai a dan b dapat dicari dengan metode kuadrat terkecil (least squares method)

Contoh Soal :

Di bawah ini adalah data jumlah sales (orang) dan harga produk (dalam ribu rupiah) sebagai variabel independent, serta tingkat penjualan (dalam juta rupiah) pada departemen pemasaran suatu perusahaan

Data Jumlah Harga Tingkat Sales Penjualan

1 2 3 4 5 6 7 8 5 5 6 7 8 8 10 12 105 110 115 115 125 130 135 135 80 70 85 90 100 95 120 155

Data
9 10 11 12 13 14 15

Jumlah Sales
13 14 15 16 17 14 15

Harga
145 150 155 120 110 130 150

Tingkat Penjualan
150 165 170 190 210 170 160

Lakukan pengamatan atas hubungan antar variabel independent dan variabel dependen dengan mencari persamaan regresi yang dapat digunakan untuk memprakirakan tingkat penjualan

Penyelesaian :

Estimasi persamaan regresi linear berganda :

= a + bx1 + cx2 = 60.444 + 11.313 x1 0,396 x2

Pengujian hipotesis korelasi parsial 1. H0 = tidak ada hubungan parsial antara variabel jumlah sales dengan variabel tingkat penjualan thitung = 25.945 ttabel = t(12;0,025) = 2,179 thitung (25.945) > ttabel (2,179) H0 ditolak, jadi ada hubungan parsial antara variabel jumlah sales dan variabel penjualan

Lanjutan.
2. H0 = tidak ada hubungan parsial antara variabel harga produk dengan variabel tingkat penjualan thitung = -3.492 nilai mutlak = 3.492 ttabel = t(12;0,025) = 2,179 thitung (3.492) > ttabel (2,179) H0 ditolak, jadi ada hubungan parsial antara variabel harga produk dan variabel penjualan Uji Koefisien F / kelinearan model H0 = model linear tidak signifikan Fhitung = 417.148 Ftabel = F(2;12;0,05) = 3,88 Fhitung (417.148) > Ftabel (3,88) H0 ditolak, jadi model linear signifikan

Lanjutan.

Uji koefisien/nilai konstanta dan kelinearan model secara cepat dengan melihat nilai signifikan (Sig), dapat diputuskan signifikan atau tidak nilai konstanta (a, b, dan c) dan kelinearan model. Nilai Sig pada konstanta dan Sig pada F mendekati nol < (two tailed = 0,025) maka H0 ditolak, jadi pada model regresi nilai konstanta dan kelinearan model adalah signifikan Pada regresi linear berganda (regresi linear dua atau lebih variabel independent), ada beberapa uji yang harus dilakukan di samping uji koefisien dan uji kelinearan, yaitu uji autokorelasi dan uji kolinearitas.

Lanjutan.

Uji autokorelasi dapat dilakukan dengan pengujian Durbin Watson (DW) sebagai berikut : - 1.65 < DW < 2.35 tidak terjadi autokorelasi - 1.21 < DW < 1.65 atau 2.35 < DW < 2.79 tidak dapat disimpulkan - DW < 1.21 atau DW > 2.79 terjadi autokorelasi Nilai DW = 1.91, jadi tidak terjadi autokorelasi Uji kolinearitas adalah uji apakah terjadi korelasi yang kuat antara variabelvariabel independent-nya. Cara mudah pengujiannya adalah sebagai berikut : - nilai korelasi dua variabel independent tersebut mendekati satu - nilai korelasi parsial akan mendekati nol Apabila terjadi kolinearitas maka variabel yang dimasukkan dalam persamaan regresi linear hanya variabel independent yang memiliki korelasi parsial yang tinggi.

REGRESI NON LINEAR

Apabila suatu kasus tidak dapat diestimasi dengan regresi linear (model linear) tidak signifikan, maka dapat diestimasi/didekati dengan model regresi non linear. Estimasi persamaan regresi non linear di antaranya adalah : logarithmic, inverse, quadratic, cubic, compound, S curve, logistic, growth, eksponensial. Estimasi suatu persamaan regresi dua variabel dengan cepat dapat menggunakan Curve Estimation.

Model Persamaan Regresi

Model Regresi Linear Logarithmic Inverse Model Persamaan Y = a + bX Y = a + b ln X Y=a+b/X Model Regresi Compound S Curve Logistic Model Persamaan Y = a b X atau ln Y = ln a + X ln b Y = e a + b / X atau ln Y = a + b / X Y = 1 / (1/u + abX) atau Ln (1/Y 1/u) = ln a + X lnb u = batas atas Y = e a + b / X atau ln Y = a + b X

Quadratic Cubic

Y = a + b X + c X2 Y = a + b X + c X2 + d X 3

Growth

Eksponensial Y = a e b / X atau ln Y = ln a + b X

Contoh Soal :

Berikut adalah data pasar selama 7 tahun. Estimasi model pertumbuhan pasar yang terjadi. Tahun Pasar Tahun Pasar

1
2

100
250

5
6

3000
9750

3
4

700
1125

14575

Penyelesaian :

Pengujian hipotesis : koefisien dan kelinearan 1. Uji Konstanta a t model growth = 23.710 > t tabel = 2.571 H0 t model eksponensial = 6.204 > t tabel = 2.571 ditolak jadi konstanta a baik pada model growth dan eksponensial adalah signifikan 2. Uji Koefisien b t model growth = 23.510 > t tabel = 2.571 H0 t model eksponensial = 23.510 > t tabel = 2.571 ditolak jadi koefisien b baik pada model growth dan eksponensial adalah signifikan

Lanjutan.
3. Uji Model Fmodel growth = 552.743 > Ftabel = 6.61 H0 Fmodel eksponensial = 552.743 > Ftabel = 6.61 ditolak jadi model growth dan eksponensial adalah signifikan digunakan untuk mengestimasi pertumbuhan pasar Estimasi model : Model Growh : ln Y = 3.822 + 0.847 X Model Eksponensial : ln Y = ln 45.693 + 0.847 X