PERTEMUAN 6
REGRESI LINIER BERGANDA
Dosen Pengasuh :
NURYADI, S.Si, M.Si
REGRESI BERGANDA
MENGAPA DIPERLUKAN ???
Motivasi Prestasi
Kepribadian
Kecerdasan
Pendidikan
TIDAK
REGRESI BERGANDA
Nuryadi_STMKG
REGRESI BERGANDA LINEAR
Y1 X 11 X 1k
Y2 X 21 X 2 k
Yn X n1 X nk
MODEL
REGRESI BERGANDA LINEAR
variabel random yang menyebar secara normal di sekitar nol dan mempunyai ragam V
dimana ~ NID(0,V )
Yi b0 b1 X 1i b2 X 2i bk X ki Rumus _ 1
dengan konstanta b0 dan koefisien b1, b2, ……. bk yang ditaksir berdasarkan n
buah pasangan data X1, X2, …… Xn, maka Y dapat diduga.
CONTOH :
Kecenderungan terjadinya curah hujan (Y), dikaitkan dengan suhu muka laut
(X1) dan indeks monsun (X2), maka bentuk regresi linear untuk mempelajari hal
ini :
Ŷ = b0 + b1X1 + b2X2
Jika pembahasan tersebut diperluas dengan menambah peubah bebas baru,
misal ketinggian tempat (X3), maka bentuk regresi linear menjadi :
Demikian seterusnya, kita dapat menambah peubah bebas baru, apabila memang
WAJAR, sehingga terjadi atau DIDUGA ada hubungan di antara semua peubah
bebas dan peubah tak bebas.
(1) MENENTUKAN KOEFISIEN b0, b1, b2, ….. bk
Seperti halnya menentukan a dan b dalam persamaan regresi linear sederhana
dalam model Ŷ = a + bX diperlukan n buah pasangan data X dan Y, sebaiknya
disusun seperti tabel_1 berikut :
Nilai-nilai pada Tabel_3 dimasukkan dalam Rumus_2 dengan n = 30, diperoleh sistem
persamaan sebagai berikut :
Pers (1) ………… 494 = 30 b0 + 2472 b1 + 1433 b2
Pers (2) ………… 41415 = 2472 b0 + 205274 b1 + 118716 b2
Pers (3) ………… 23989 = 1433 b0 + 118716 b1 + 69101 b2
Selanjutnya, untuk memperoleh b0, b1, dan b2 digunakan metode SUBSTITUSI/
ELIMINASI :
Pertama, eliminasi b0 dengan jalan mengalikan Pers (1) oleh 2472 dan Pers (2) oleh
30, maka diperoleh nilai (1a) yaitu : - 21282 = - 47436 b1 – 19104 b2
Selanjutnya, mengalikan Pers (1) oleh 1433 dan Pers (3) oleh 30, maka diperoleh nilai
(2a) yaitu : - 11768 = - 19104 b1 – 19541 b2
Kemudian, dari (1a) dan (2a) eliminasikan b1 dengan jalan mengalikan (1a) oleh -
19104 dan (2a) oleh – 47436, lalu dikurangkan maka akan diperoleh : b2 = 0,270
Substitusikan (2a) dengan memasukkan nilai b2, diperoleh : b1 = 0,340
Akhirnya, masukan nilai b1 dan b2 ke Pers (1), maka diperoleh : b0 = - 24,437
MAKA :
Regresi Y atas X1 dan X2, memiliki persamaan untuk nilai Ŷ, yaitu :
JK(S) = ∑ y2 - JK(Reg)
∑ y2 = ∑ Y2 - (( ∑Y)2 / n)
b0 X 1 b1 X 12 b2 X 1. X 2 X 1.Y
bo X 2 b1 X 1. X 2 b2 X 22 X 2 .Y
det( A1 )
bo
det( A)
n
X 1 X 2 o Y
=
X1 X 1
2
X 1 .X 2 1 X .Y 1
X 2
2 X .X
1 2 2
X 2
2 X .Y
2
A b H
A = Matriks (diketahui)
H = Vektor kolom (diketahui)
b = Vektor kolom (tidak diketahui)
Variabel b dapat diselesaikan dengan cara : Ab = H; b = A-1H
Dimana A-1 adalah kebalikan (Invers) dari matriks A
CARA MEMECAHKAN PERSAMAAN
LEBIH DARI DUA VARIABEL
(MENGGUNAKAN DETERMINAN)
a11a12
MatriksA ' det erninanA det( A) A a11a 22 a12 a 21
a 21a 22
Contoh :
Cari determinan dari matriks berikut :
det( A) A a11 a 22 a 33 a12 a 23a 31 a13a 21a 32 a 31a 22 a13 a 32 a 23a11 a 33a 21a12
det( B ) B b11b 22b 33 b12b 23b31 b13b 21b32 b31b 22b13 b32b 23b11 b33b 21b12
CONTOH SOAL (Hal. 199)
X1 10 2 4 6 8 7 4 6 7 6
X2 7 3 2 4 6 5 3 3 4 3
Y 23 7 15 17 23 22 10 14 20 10
LANGKAH I
CARILAH
NILAI
n
X 1 X 2 o Y
X1 1
X 2
X .X1 2 1 = X .Y 1
X 2
2 X .X
1 2 2
X 2
2 X .Y 2
10 60 40 bo = 170
MATRIK
A 60 406 267 b1 = 1122
40 267 182 b2 = 737
170 60 40
MATRIK
1122 406 267
A1
737 267 182
10 60 170
MATRIK
60 406 1122
A2
40 267 737
10 170 40
60 1122 267 MATRIK
A3
40 737 182
LANGKAH III : CARILAH bo, b1, dan b2
Hasil Hitungan DET (A) 2.830
Determinan (DET) :
DET (A1) 11.090
DET(A2) 7.050
DET (A3) -1.320
x1i yi x 1i X 1i X 1
Korelasi X1 dan Y : rx1, y r 1 y dimana
x1i 2 . yi 2 yi Yi Y
x 2i X 2i X 2
x 2 i yi
Korelasi X2 dan Y : rx 2 , y r 2 y dimana
x 2 i 2 . yi 2 yi Yi Y
KP Ry 2 .12
Jika dikalikan dengan 100% akan diperoleh persentase sumbangan / pengaruh
(share) variabel X1 dan X2, terhadap variasi (naik/turunnya) Y.
Rumus lainnya untuk menghitung KP :
x 2 i yi X 2i X 2 Yi Y X 2 iYi n X 2 i Yi
1
Yi Yi
2
yi Yi Y
2 2 1 2
n
CONTOH SOAL
Data hujan bulan Juni (Y) stasiun Buleleng_bali, periode 1981-1990, ditinjau dari suhu
muka laut di Pasifik (X1) dan Perairan Indonesia (X2), seperti pada Tabel :
Y (milimeter) 98 2 5 21 61 76 14 15 139 0
X1 (0C) 26.7 27.9 27.4 26.4 26.4 27.2 28.3 25.9 26.2 27.2
X2 (0C) 28.6 28.4 28.7 28.5 28.6 28.5 28.6 28.9 28.7 28.6
Berapa koefisien korelasi Linier Berganda (KKLB) data tersebut ??
PENYELESAIAN : Y X1 X2 X1Y X2Y X1X2 Y2 X12 X22
98 26.7 28.6 2616.6 2802.8 763.6 9604 712.9 818.0
2 27.9 28.4 55.8 56.8 792.4 4 778.4 806.6
5 27.4 28.7 137.0 143.5 786.4 25 750.8 823.7
Dari persamaan regresi 21 26.4 28.5 554.4 598.5 752.4 441 697.0 812.3
berganda yang diperoleh : 61 26.4 28.6 1610.4 1744.6 755.0 3721 697.0 818.0
76 27.2 28.5 2067.2 2166.0 775.2 5776 739.8 812.3
Y = 2649.09 - 33.26 X1 - 59.64
X 14 28.3 28.6 396.2 400.4 809.4 196 800.9 818.0
2
15 25.9 28.9 388.5 433.5 748.5 225 670.8 835.2
b1 = -33.26 139 26.2 28.7 3641.8 3989.3 751.9 19321 686.4 823.7
0 27.2 28.6 0.0 0.0 777.9 0 739.8 818.0
b2 = -59.64 Σ 431 269.6 286.1 11467.9 12335.4 7712.8 39313.0 7273.8 8185.5
KOEFISIEN KORELASI
r r2 y r1 y . r12
PARSIAL X2 DAN Y 2 y .1
1 r12y . 1 r12
2
X1 10 2 4 6 8 7 4 6 7 6
X1 = Pendapatan
X2 7 3 2 4 6 5 3 3 4 3 X2 = Jlh Anggota RT
Y 23 7 15 17 23 22 10 14 20 10 Y = Pengeluaran
MASUKAN
NILAI r DALAM
RUMUS BERIKUT
r1y.2 = KKP antara biaya iklan dan hasil penjualan, jika pendapatan konstan. Jadi, pengaruh
pendapatan terhadap penjualan tidak diperhitungkan.
r2y.1 = KKP antara pendapatan dan hasil penjualan, jika biaya iklan konstan. Jadi, pengaruh
biaya iklan terhadap penjualan tidak diperhitungkan.
r12.y = KKP antara biaya iklan dan pendapatan, jika hasil penjualan konstan. Jadi, pengaruh
hasil penjualan terhadap pendapatan tidak diperhitungkan.
TREND NON LINIER (KUADRATIK / PARABOLA)
Dalam jangka pendek, trend yang linier dapat menggambarkan dengan “baik”
gerakan trend deret berkala. Namun, dalam jangka panjang trend yang linier
umumnya cenderung agak mendatar, sehingga secara keseluruhan akan
memperlihatkan bentuk yang “non linier”
Dengan cara yang sama bisa diperoleh nilai trend kuadratik untuk semua tahun
Diagram Trend
jumlah uang yang disimpan pada Bank Tabungan Pos di Indonesia 1989-2002
(dalam jutaan rupiah)
d :
r e n
T Apakah Garis Trend jumlah uang yang disimpan
ij “sesuai” bagi
U penerapan deret berkala jumlah uang tabungan pos ???
Hal ini dapat dibuktikan dengan cara yang sederhana, seperti dalam
tabel berikut disajikan hasil perhitungan nilai Y’ bagi u = 0, 1, 2, ….., 6
serta selisih pertama dan keduanya :
34
Data Indeks Penguapan Grid 6 dan 7 Samudera Hindia dan Hujan Bulanan Stamet Tabing
Periode 1991 - 2000
Tahun Bulan Indeks Penguapan Hujan Tahun Bulan Indeks Penguapan Hujan
Grid 6 Grid 7 (mm) Grid 6 Grid 7 (mm)
1991 1 5.282412 3.714587 532 1996 1 3.363413 2.947815 413
2 3.836398 3.721022 235 2 2.154603 1.363093 345
3 1.508003 1.692004 535 3 4.107632 3.49738 373
4 2.549796 2.2825 240 4 2.361696 1.761204 46
5 0.731398 0.151899 208 5 2.049619 1.594603 27
6 0.662399 0.672007 211 6 0.117599 0.2475 484
7 2.633073 2.111118 302 7 2.354628 1.126399 296
8 2.988215 2.209807 227 8 0.0633 0.106799 327
9 0.1687 0.907805 259 9 2.494819 1.747991 334
10 0.828799 1.035997 308 10 5.653903 4.39401 537
11 4.210383 4.790509 594 11 4.9 4.174795 186
12 0.978594 0.744801 566 12 5.728825 3.060184 314
1992 1 0.0245 0 88 1997 1 2.762108 2.325318 58
2 2.022398 2.188291 575 2 3.21 2.412407 36
3 4.171165 4.043994 278 3 1.958398 3.191986 158
4 3.292933 2.851402 523 4 3.15 3.311011 328
5 2.219611 2.558391 480 5 3.590988 2.297101 565
6 1.402496 1.184395 216 6 1.187988 1.349991 86
7 1.491003 1.685999 301 7 3.176794 2.613199 249
8 3.502968 3.766931 464 8 4.59198 3.928505 45
9 4.107632 3.890701 241 9 4.803929 2.803184 38
10 4.679993 4.424289 531 10 2.734794 0.300999 7
11 1.468787 0.350998 309 11 1.879206 0.081 122
12 2.932808 1.831194 417 12 0.35 0.252003 456
1993 1 5.023192 4.425 366 1998 1 1.411211 2.032007 380
2 5.778247 4.95 197 2 1.185599 1.675611 191
3 3.124189 2.898695 433 3 1.635215 2.459991 312
4 5.195938 4.833375 416 4 0.1146 0.705002 231
5 1.837015 1.993591 585 5 1.638029 0.95521 250
6 2.261987 1.32811 230 6 1.278403 1.069197 544
7 2.76123 1.669788 309 7 3.30053 1.695996 427
8 0.776108 0.889003 89 8 0.493501 0 798
9 0.0988 0.513001 490 9 0.390597 0.812803 801
10 0.174299 0.972395 481 10 4.129613 3.247986 507
11 6.839982 6.254997 617 11 7.412417 6.596809 499
12 6.266208 4.92343 473 12 7.192022 6.571181 725
1994 1 5.829239 4.112012 239 1999 1 8.947071 7.811796 549
2 3.805183 3.182401 386 2 4.524014 3.945586 443
3 3.541971 2.516386 232 3 4.445986 3.444031 283
4 4.02 3.837634 180 4 4.445 3.654682 185
5 0.353998 0.0235 110 5 0.567505 0.295001 153
6 0.993603 0.794998 366 6 0.067799 0.167999 247
7 2.60302 2.713184 171 7 1.260801 1.701887 150
8 4.547155 3.182397 71 8 4.162371 2.908799 156
9 3.904434 2.312979 85 9 5.508052 3.107986 426
10 2.047481 0.265197 9 10 1.62 1.945415 752
11 3.601025 4.787959 478 11 5.781051 5.146514 235
12 6.149034 5.036167 434 12 5.945837 4.250204 393
1995 1 4.442206 3.798992 412 2000 1 1.055008 1.680195 255
2 1.893604 1.77 215 2 1.814392 1.493097 74
3 4.997952 5.080905 200 3 1.127493 1.073101 127
4 2.61061 2.483108 306 4 3.030343 1.78188 273
5 1.441998 1.155 424 5 3.066827 2.758795 211
6 1.948827 1.390799 456 6 4.163387 3.330002 229
7 0.926999 0.186901 336 7 2.760798 2.251799 209
8 2.83217 2.33051 492 8 1.373395 1.381801 251
9 0.382397 0.090601 393 9 2.224797 0.968995 428
10 4.670567 4.827618 445 10 3.382385 3.135627 470
11 7.218181 6.100855 581 11 8.199182 7.31643 826
12 4.958972 3.182426 482 12 6.472232 5.805564 674
Dosen Pengasuh :
NURYADI, S.Si, M.Si
Penjelasan Penyelesaian Soal Korelasi Parsial