Regresi Berganda - Ok
Regresi Berganda - Ok
KORELASI BERGANDA
Bentuk persamaan regresi dengan dua variabel indenpenden adalah:
Y = a + b1 X1 + b2 X2
Bentuk persaman regresi dengan 3 veriabel independen adalah :
Y = a + b X1 + b2 X2 + b3 X3
Y = a + b1 X1 + b2 X2 + b3X3 + + bk Xk
1
Persamaan untuk mendapatkan
koefisien regresi
Prinsip metode ordinary least square(OLS) adalah
meminimumkan jumlah kuadrat deviasi di sekitar
garis regresi. Nilai koefisien regresi a, b1, dan b2
dapat dipecahkan secara simultan.
2
CONTOH: PERMINTAAN DIPENGARUHI HARGA DAN PENDAPATAN
1 3 8 10
2 4 7 10
3 5 7 8
4 6 7 5
5 6 6 4
6 7 6 3
7 8 6 2
8 9 6 2
9 10 5 1
10 10 5 1
3
Untuk mendapatkan koefisien regresi, perlu dihitung : Y,
X1, X2, X1Y, X12, X1 X2, X2Y, X22
Y X1 X2 YX1 YX2 X 12 X 22 X 1X 2
3 8 10 24 30 64 100 80
4 7 10 28 40 49 100 70
5 7 8 35 40 49 64 56
6 7 5 42 30 49 25 35
6 6 4 36 24 36 16 24
7 6 3 42 21 36 9 18
8 6 2 48 16 36 4 12
9 6 2 54 18 36 4 12
10 5 1 50 10 25 1 5
10 5 1 50 10 25 1 5
X1Y= X2Y= X12= X22= X1X2 =
Y=68 X1 = 63 X2 =46 409 239 405 324 317
4
Dengan metode eliminasi
68 = 10a + 63b1+ 46b2 (1)
409 = 63a + 405b1+ 317b2 (2)
239 = 46a + 317b1+ 324b2 (3)
Untuk mendapatkan nilai koefisien regresi a, b1, dan b2 dapat
dilakukan dengan Subtitusi antar persamaan
6
RUMUS KOEFISIEN DETERMINASI (R2)
Koefisien Determinasi menunjukkan suatu proporsi dari
varian yang dapat diterangkan oleh persamaan regresi
(regression of sum squares, RSS). Besarnya koefisien
determinasi dirumuskan sebagai berikut:
Y )
(Y 2
R
2
atau
(Y Y ) 2
n (a. Y b1 . YX1 b 2 YX 2 ) ( Y) 2
R2
n. Y ( Y)
2 2
7
n (a. Y b1 . YX1 b 2 YX 2 ) ( Y) 2
R
2
n. Y ( Y)
2 2
R2
10 (15,086 )( 68) 1, 015( 409 ) ( 0, 41)( 239) ( 68) 2
(10)(516) (68) 2
R 2 0,939
8
Korelasi sederhana
n YX1 Y X1
rYX1
n Y Y .n X X
2 2 2
1 1
2
n YX 2 Y X 2
rYX 2
n Y Y .n X X
2 2 2
2 2
2
n X1X 2 X1 X 2
rX1X 2
n X2
1
2
X 1 . n X X 2
2
2
2
9
Coba hitung masing-masing nilai
korelasi tersebut.
ryx1
ryx 2
rx1x 2
10
KORELASI PARSIAL: Hubungan variabel
dengan asumsi variabel lain tetap
11
rYX 2 rYX1 rX1X 2
rYX 2 .X1
(1 r 2
YX1 )(1 r 2
X1X 2 )
rX1X 2 rYX1 rYX 2
rX1X 2 .Y
(1 r 2
YX1 )(1 r 2
YX 2 )
12
Coba hitung masing-masing nilai
korelasi parsial tersebut
ryx1 .x 2
ryx 2 . x1
rx1x 2 . y
13
Kesalahan Baku (standar error pendugaan)
Y )
(Y
2
S
n ( k 1)
Y . X 1X 2
55
00
11 22 33 44 55 66 77 88 99 10
10
n (k+1) 10 (2+1)
YY Y'
Y'
S Y . X1X 2
(
Y Y ) 2
3.58
0,72
n (1 k ) 10 (2 1)
16
Atau dapat juga dicari dengan rumus sbb:
SY . X 1 X 2
Y 2
a Y b1 X 1Y b2 X 2Y
n3
516 (15,086 x 68) ( 1,01524 409) (0,41 x 239)
SY.X1X 2
10 3
SY.X1X 2 0,72
17
Kesalahan baku penduga (standar
error estimation Sb)
Yaitu seberapa nilai penduga yaitu b1 dan
b2 dari nilai sebenarnya (parameter
populasi)
S y . x1x 2
Sb1 0,580
2
2
(X n X1 )(1 rX1X 2 )
2
1
18
S y . x1x 2
Sb 2
2
2
(X n X 2 )(1 rX1X 2 )
2
2
Sb 2 0,156
19
Uji Signifikansi parsial atau individu
b1 B1 1,015 0
t hit .b1 1,75
Sb1 0,58
b 2 B2 0,410 0
t hit .b 2 2,673
Sb 2 0,1558
20
Uji Parsial
Dalam uji pasial, masing-masing koefisien
thit untuk masing-masing koefisien tersebut
diuji, apakah signifikan atau tidak
Bentuk pengujian sama seperti
sebelumnya dua arah atau satu arah
Hipothesis yang diuji:
Ho: b1=0 dan
Ha: b2 0
21
UJI GLOBAL ATAU UJI SIGNIFIKANSI SERENTAK (UJI F)
23
Nilai F-hitung ditentukan dengan
rumus sebagai berikut:
:
R 2 /( k 1)
F
(1 R 2 ) /( n 3)
0,933/(3 1)
F 0,4665/ 0,0096 48,73881
( 1 0,933) /(10 3)
24
UJI GLOBAL ATAU UJI SIGNIFIKANSI
SERENTAK (UJI F)
Tolak Ho
Terima
Ho
F-Hitung=
F-Tabel=4,74
48,74
25
Tampilan printout Regresi
Berganda
Model R R Square Adjusted R Sts. Eror of
Square the Estimate
1 .647a .419 .379 537549.548
26
Model Unstandardized Standardized t Sig.
Coefficients Coefficeient
B Std.Error Beta
27
Dari data diatas,
a = 1.000.044.
b1= 792.852,6.
b2= 3,378.
Persamaan regresi yang didapat adalah
sebagai berikut :
Y = 1.000.044 + 792.852,6 X1 + 3,378 X2
Dimana, Y = Penjualan, X1 = Harga dan
X2 = Biaya Promosi
28