Kuliah 4

Richrisna H Waas, ST.,MT

1
1. Data Y berskala minimal interval
Data X berskala minimal nominal
(jika data X berskala nominal / ordinal harus
menggunakan bantuan variabel dummy)
2. Existensi untuk setiap nilai dari variabel x yang
tetap, y adalah variabel random dengan
distribusi probabilitas tertentu yang mempunyai
mean dan varians.

2
3. Nilai y secara statistik saling bebas
4. Linieritas, nilai rata-rata y adalah sebuah fungsi
garis lurus dari x
5. Homoscedasticity. Varians dari y adalah sama
pada beberapa x
6. Distribusi normal pada beberapa nilai tertentu x,
y mempunyai distribusi normal

3
4
5
Model regresi linier berganda melibatkan lebih dari satu
variabel bebas. Modelnya :
Y   0  1 X 1   2 X 2  ...   k X k
Dimana
Y = variabel terikat
Xi = variabel bebas ( i = 1, 2, 3, …, k)
0 = intersep
i = koefisien regresi ( i = 1, 2, 3, …, k)
Model penduganya adalah

Y  b0  b1 X 1  b2 X 2  ...  bk X k

6
Misalkan model regresi dengan kasus 2 peubah bebas
X1 dan X2 maka modelnya :
Y   0  1 X 1   2 X 2
Sehingga setiap pengamatan  X1i , X 2i ; Yi  ; i  1, 2 ,...,n
Akan memenuhi persamaan
Y   0  1 X 1   2 X 2   i

7
 Dari hasil Metode Kuadrat Terkecil didapatkan
persamaan normal :

nb0  b1  X1i  b2  X 2i ...  bk  X ki  Yi

b0  X1i  b1  X1i b2  X1i X 2i ...  bk  X1i X ki   X1iYi

2

…..

b0  X ki  b1  X ki X1i b2  X ki X 2i ...  bk  X ki   X kiYi

2

8
Tahapan perhitungan dengan matriks :
1. Membentuk matriks A, b dan g

 n  X1i  X 2i ...  X ki 
 
  X1i  X1i X 2i  X1i X ki 
2
 X 1i ...
A
 ... ... ... ... ... 
 
 X ki  X ki X1i  X ki X 2i  X ki
2
... 

9
 b0   g 0   Yi 
b   
b  1
g  g 1   X 1iYi

 ...   ... 
   
bk   g k   X kiYi 

10
2. Membentuk persamaan normal dalam bentuk
matriks
Ab=g

3. Perhitungan matriks koefisien b

b = A-1 g

11
4. Ketiga persamaan hasil matriks

nb0  b1  X i1  b2  X i 2  Yi
b0  X1i  b1  X i1  b2  X1i X i 2   X1iYi
2

b0  X 2i  b1  X i1 X 2i  b2  X i 2   X 2iYi
2

12
Nilai b1 dan b2 dapat diperoleh dengan memakai
aturan-aturan dalam matriks
 n 2 
n
  n  n 
  X 2   X 1Y     X 1 X 2   X 2Y 
b1   i 1  i 1   i 1  i 1
2

 n 2  n   n

  X 1   X 2     X 1 X 2 
2

 i 1  i 1   i 1 
 n 2  n   n  n 
  X 1   X 2Y     X 1 X 2   X 1Y 
b2   i 1  i 1   i 1  i 1
2

 n 2  n   n

  X 1   X 2     X 1 X 2 
2

 i 1  i 1   i 1 
b0  Y  b1 X1  b2 X 2

13
Model bangkitan dan tarikan beberapa zona (10
Zona). Besarnya bangkitan dan tarikan
merupakan fungsi atau dipengaruhi dari 2
peubah parameter sosio-ekonomi (penduduk,
PDRB)

14
 Kendaraan Penduduk PDRB
Zona ( ribuan smp/tahun) (ribuan) (Milyar rupiah)

Oi Dd P D
1 408 333 964 590
2 396 311 687 802
3 423 321 594 910
4 440 337 917 745
5 174 173 84 605
6 333 239 523 692
7 357 257 526 789
8 341 317 696 571
9 465 323 546 967
10 345 281 662 620
15
Proses perhitungan analisis regresi berganda untuk model
bangkitan pergerakan
No Yi X1i X2i (X1i)2 (X2i)2 (X1i)(X2i)
(X1i)(Yi) (X2i)(Yi)

1 408 964 590 929296 348100 568760 393312 240720

2 396 687 802 471969 643204 550974 272052 317592
3 423 594 910 352836 828100 540540 251262 384930
4 440 917 745 840889 555025 683165 403480 327800
5 174 84 605 7056 366025 50820 14616 105270
6 333 523 692 273529 478864 361916 174159 230436
7 357 526 789 276676 622521 415014 187782 281673
8 341 696 571 484416 326041 397416 237336 194711
9 465 546 967 298116 935089 527982 253890 449655
10 345 662 620 438244 384400 410440 228390 213900
total 3682 6199 7291 4373027 5487369 4507027 2416279 2746687

16
10 b0 + 6199 b1 + 7291 b2 = 3682 (1)

6199b0 + 4373027b1 + 4507027 b2 = 2416279 (2)

7291 b0 + 4507027 b1 + 5487369 b2 = 2746687 (3)

17
Eliminasi persamaan 1 ke
persamaan 2
x 619,9 6199 b0 + 3842760,1 b1 + 4519690,9 b2 = 2282471,8
x 1 6199b0 + 4373027b1 + 4507027 b2 = 2416279
-530266,9 b1 + 12663,9 b2 = -133807,2(5)

Eliminasi persamaan 1 ke
persamaan 3
x 729,1 7291 bo + 4519690,9 b1 + 5315868,1 b2 = 2684546,2
x 1 7291 b0 + 4507027 b1 + 5487369 b2 = 2746687
12663,9 b1 - 171500,9 b2 = -62140,8(6)

18
Eliminasi Persamaan 5 ke persamaan 6
x 1 -530266,9 b1 + 12663,9 b2 = -133807,2
x 41,8723 530266,9 b1 - 7181140,927 b2 = -2601979,594
-7168476,827 b2 = -2735786,594
b2 = 0,382

subtitusi b2 ke persamaan 6
12663,9 b1 - 171500,9 b2 = -62140,8
12663,9 b1 - 171500,9 (0,382) = -62140,8
b1 = 0,261

19
Nilai b0 bisa di dapat dengan cara subtitusi b1
dan b2 ke persamaan 1
10 b0 + 6199 b1 + 7291 b2 = 3682
10 b0 + 6199 (0,261) + 7291 (0,382) = 3682
10 b0 + 1620,75033 + 2782,546494= 3682
10 b0 = 3682 - 4403,296821
10 b0 = -721,297
b0 = -72,130

20
Model Persamaan Regresi Berganda :
Y = -72,130 + 0,261 X1 + 0,382 X2

21