Kuliah Biometrika Hutan Minggu Ke-2

ANALISIS REGRESI LINEAR BERGANDA :

Pendugaan Parameter dan Analisis Ragam Untuk
Pengujian Hipotesis

Nama Penulis
BUDI PRIHANTO

Divisi Perencanaan Kehutanan

Departemen Manajemen Hutan Fakultas Kehutanan IPB

Pengertian
Analisis regresi mempelajari pemodelan pola hubungan antar
peubah.
Menggambarkan keteraturan/pola variasi/pergerakan nilai peubah
tertentu yang diikuti oleh variasi/pergerakan nilai pubah yang lain.
Tidak selalu menggambarkan hubungan sebab akibat.
Relasi dinyatakan dalam model matematik
Y = f(X) + , dimana :
Y = peubah respon
= peubah tak bebas (dependent variable)
X = peubah penduga (predictor variabe)
= peubah bebas (independent variable) 1 peubah bebas
= sisaan = simpangan antara nilai amatan terhadap model
Model regresi dapat digunakan untuk memprediksi nilai peubah respon
berdasarkan nilai peubah penduganya.

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 2

Review Regresi Linear Sederhana
Regresi dengan satu peubah bebas (sederhana)
yang membentuk garis lurus (linear, tanpa
perpangkatan).
Model Y = o + 1 X +
Untuk regresi sederhana, trend linear bisa
diperiksa melalui diagram pencar (Xi, Yi).
Regresi linear berganda : lebih dari satu peubah
bebas, fungsi linear tanpa perpangkatan).
Model Y = o + 1 X1 + 2 X2 + ..... k Xk +
Departemen Manajemen Hutan, Fakultas Kehutanan IPB 3
Review Regresi Linear Sederhana
Penga- Peubah Y
matan (xi,yi)
Y X
i
1 y1 x1
2 y2 x2
3 y3 x3
o + 1 X i (model)
. . .
o
. . .
. . .
Xi X
n yn xn
Model Umun Regresi Linear Sederhana :
Y = o + 1 X + Y = peubah respon (tak bebas)
X = peubah penduga (bebas)
Untuk setiap pengamatan : = koefisien regresi
yi = o + 1 xi + i , i = 1, 2, 3 .... n = sisaan

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 4

Model penduga
y1 = o + 1 x1 + 1 y1 = bo + b1 x1 + e1
y2 = o + 1 x2 + 2 y2 = bo + b1 x2 + e2
y3 = o + 1 x3 + 3 y3 = bo + b1 x3 + e3
. .
. Diduga
oleh
.
. .
yn = o + 1 xn + n yn = bo + b1 xn + en

yi= o + 1 xi + i yi= bo + b1 xi + ei

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 5

Notasi matriks
Y X
y1 1 x1 1
y2 2
1 x2
y3 3
1 x3
. .
. .
. o
. = . .
1
+ .
. . .
. .
. .
. .
. .
. .
yn 1 xn n

Y = X +
Departemen Manajemen Hutan, Fakultas Kehutanan IPB 6
 Y = X +
YY = yi2

n xi Y=X
XX = XY = XX

xi xi2 = (XX)-1 (XY) = bo
b1
XY = yi (LSM minimasi Q = 2)
xiyi _
b1 = JHKXY/JKX
_
bo = Y - b1X
Q = 2 = (yi yi)2
= (yi (bo + b1 xi))2

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 7

 Regresi Linear Berganda
Penga- Peubah
matan
Y X1 X2 X3 .................. Xk
1 y1 x11 x12 x13 .................. x1k
2 y2 x21 x22 x23 .................. x2k
3 y3 x31 x32 x33 .................. x3k
. . . . . .................. .
. . . . . .................. .
n yn xn1 xn2 xn3 .................. xnk

Model Umun Regresi Linear Berganda :

Y = o + 1 X1 + 2 X2 + ... + k Xk + Y = peubah respon (tak bebas)
X = peubah penduga (bebas)
Untuk setiap pengamatan ke-i : = koefisien regresi
yi = o + 1 Xi1 + 2 Xi2 + ... + k Xik + , i = 1, 2,..., n = sisaan

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 8

Asumsi Model Regresi
1) Sisaan i merupakan peubah acak dengan nilai tengah
0 dan ragam 2 E(i) = 0 dan V(i ) = 2 homogen
(seragam pada berbagai level y).
2) Sisaan saling bebas : i dan j tidak berkorelasi dan
saling bebas, cov (i, j) = 0, untuk i j.
3) Kenormalan sisaan : sisaan menyebar normal dengan
nilai tengah 0 dan ragam 2 i N( 0, 2).

Note :
Pemenuhan asumsi menentukan keabsahan model
Pemenuhan asumsi perlu diverifikasi

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 9

Notasi matriks regresi linear berganda
Y X
y1 1 x11 x12 ... x1k
y2 1
1 x21 x22 ... x2k o
y3 2
1 x31 x32 ... x3k 1
. 3
. . 2
. . .
. = . . .
. + .
. . .
. . .
. . .
. . .
. . .
. . .
k
yn 1 xn1 xn2 ... xnk n

Y = X +
Departemen Manajemen Hutan, Fakultas Kehutanan IPB 10
Pendugaan parameter model regresi dengan Metode
Jumlah Kuadrat Terkecil (LSM)

Least Square Method (LSM)

Y = X + , penduga LSM bagi = b adalah b yang
meminimumkan nilai Q = i2 = (Y - X )2, i = 1, 2, ...n

XY = XX bo
Penduga = b = (XX)-1 (XY) = b1
b2
.
.
k = banyak peubah bebas
p = banyak parameter = k+1 bk

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 11

Matriks XX dan XY
Teladan untuk model dengan 2 peubah bebas
Y = o + 1 X1 + 2 X2 +

n x1 x2
XX =
x1 x12 x1x2

x2 x1x2 x22

XY = y
x1y
X2y
bo

= b = (XX)-1 (XY) = b1
b2

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 12

Notasi matriks yang terkoreksi oleh rata-rata
Teladan untuk model dengan 2 peubah bebas
_
_ _
y1 - y_ x11-x1 x12-x2
= y2 - _y = _ _
y3 - y x21-x1 x22-x2
. _
_
. _ x31-x1 x32-x2
yn - y

JKX1 JHKX1X2 JHKX1Y

= =
JHKX2Y
JHKX1X2 JKX2

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 13

Penggunaan matriks terkoreksi rata-rata

_ _
JKY = = (yi y)2 = yi2 ((yi)2/n = YY n y2
_ _
JHKX1Y = (xi 1 x)(yi y) = xi1 yi (xi1 yi)/n
_ _
JHKX2Y = (xi 2 x)(yi y) = xi2 yi (xi2 yi)/n
_ _
JHKX1X2= (xi 1 x1)(xi2 x2) = xi1 xi2 (xi1 xi2)/n
JKX2 -JHKX1X2

()-1 = (1/Det)
- JHKX1X2 JKX1

Determinan = JKX1 JKX2 (JHKX1X2)2

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 14
Penduga parameter

b1
* = ( )-1 () =
b2
_ _ _
bo = y b1 x1 b2 x2

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 15

Pengujian Hipothesis Keberartian Model Regresi

Regresi linear sederhana :

Ho : 1 = 0 melawan H1 : 1 0

Jika 1 = 0 maka y = o + 0 (x) = o , besar kecilnya nilai peubah

bebas X tidak menentukan/berhubungan dengan besar kecilnya
nilai peubah Y

Regresi linear berganda :

Ho : i = 0 melawan H1 : sekurangnya ada satu i 0, i = 1, 2, ... k.
k : banyak peubah bebas = p 1
p : banyak parameter (o, 1, 1, ....... k,)

Kriterium uji :
Jika Fhitung < F(dbR, dbS) terima Ho
Jika Fhitung > F(dbR, dbS) terima H1
Departemen Manajemen Hutan, Fakultas Kehutanan IPB 16
Analisis Ragam
Mendekomposisi keragaman total berdasarkan
sumber keragaman penyusunnya
_ _
(yi y) = (yi y) + (yi yi)
_ _
(yi y) = (yi y) + (yi yi)2
2 2

JKT = JK sekitar rataan umum

= JK karena regresi + JK sekitar regresi
= JKR + JKS

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 17

 Tabel Analisis Ragam
Sumber Derajat Jumlah Kuadrat F-hitung F- Tabel
Keragaman bebas Kuadrat (JK) Tengah
(db) (KT)
Regresi dbR = p-1 JKR KTR = F= F(dbR, dbS)
=k JKR/dbR KTR/KTS
Sisaan dbS = n-p JKS KTS =
JKS/dbS
Total dbT = n - JKT
(terkoreksi) 1
k = banyak peubah bebas
p = banyak parameter = k+1
n = banyak amatan
JHKX1Y
JKT = = JKY JHKX2Y _
JKR = b* = (b1 b2 ... bk) . = b XY n y2
JKS = JKT - JKR= yi2 ((yi)2/n =.YY n y2
JHKXkY
Departemen Manajemen Hutan, Fakultas Kehutanan IPB 18
Ragam penduga parameter regresi
V(b1) = 2/JKX = ragam penduga b1
V(bo) = [(xi2)/(n JKX)] 2 = ragam penduga bo
Sbo = [V(bo)]0,5 = SE (bo) = simpangan baku bo
Sb1 = [V(b1)]0,5 = SE (b1) = simpangan baku b1

= S2 = KTS = Kuadrat tengah sisaan
2

Selang kepercayaan (SK) bagi penduga parameter :

SK (o) = (bo t Sbo)
SK (1) = (b1 t Sb1)

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 19

Ragam bagi penduga Y

X0 Y0 = b0 + b1 X0

Simpangan baku Yo = S(Yo) =
_
= [1/n + (Xo X)/JKX]0,5

= S2 = KTS
2

SK Yo = [Yo t S(Yo)]

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 20

 Selamat mencoba dan berlatih

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 21

Data_1

Amatan
yi xi1 xi2

1 10 6 28

2 20 12 40

3 17 10 32

4 12 8 36

5 11 9 34

Departemen Manajemen Hutan, Fakultas Kehutanan IPB 22