Materi Bab 16

BAB
BAB16
16
ANALISIS
ANALISISREGRESI
REGRESIDAN
DANKORELASI
KORELASIBERGANDA
BERGANDA
1
Analisis Regresi dan Korelasi Linier 16
OUTLINE
Bagian
Bagian III
III Statistik
StatistikInduktif
Induktif
Metode dan Distribusi Sampling Pengertian Korelasi Berganda dan
Kegunaannya
Kegunaannya
Teori Pendugaan Statistik Analisis Regresi Berganda:

Teori Pendugaan Statistik Analisis Regresi Berganda:
Pendugaan Koefisien Regresi
Pendugaan Koefisien Regresi
Pengujian Hipotesis Sampel Besar Koefisien Determinasi, Korelasi
Berganda, dan Korelasi Parsial
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi Berganda
Analisis Regresi dan Korelasi Linear Pengujian Hipotesis pada Regresi

Analisis Regresi dan Korelasi Linear Pengujian Hipotesis pada Regresi
Berganda
Berganda
Asumsi dan Pelanggaran Asumsi dalam
Analisis Regresi dan Korelasi Berganda Asumsi dan Pelanggaran Asumsi dalam
Analisis Regresi dan Korelasi Berganda Regresi Berganda
Regresi Berganda
Regresi Berganda dalam Ekonomi dan

Fungsi, Variabel, dan Masalah dalam Regresi Berganda dalam Ekonomi dan
Fungsi, Variabel, dan Masalah dalam Keuangan
Analisis Regresi Keuangan
Analisis Regresi 2
RUMUS ANALISIS REGRESI BERGANDA
Bentuk persamaan regresi dengan dua variabel independen adalah:
Y = a + b1 X1 + b2 X2
Bentuk persamaan regresi dengan 3 variabel independen adalah :
Y = a + b1X1 + b2 X2 + b3 X3
Bentuk umum persamaan regresi untuk k variabel independen dapat

dirumuskan sebagai berikut:
Y = a + b1 X1 + b2 X2 + b3X3 + … + bk Xk
3
PERSAMAAN UNTUK MENDAPATKAN
KOEFISIEN REGRESI
Persamaan untuk mendapatkan koefisien regresi
Prinsip metode ordinary least square (OLS) adalah meminimumkan jumlah kuadrat
deviasi di sekitar garis regresi. Nilai koefisien regresi a, b 1, dan b2 dapat dipecahkan
secara simultan dari tiga persamaan berikut:
4
CONTOH: PENERAPAN REGRESI BERGANDA
Pengaruh harga dan pendapatan terhadap permintaan minyak goreng
5
CONTOH: PERMINTAAN DIPENGARUHI HARGA
DAN PENDAPATAN
Untuk mendapatkan koefisien regresi, sesuai dengan persamaan (a), (b) dan
(c), perlu dihitung lebih dahulu dari nilai-nilai sebagai berikut: Y, X1, X2,
X1Y, X12, X1 X2, X2Y, X22
6
DAN PENDAPATAN
Untuk mendapatkan nilai koefisien regresi a, b1, dan b2 dapat dilakukan dengan
substitusi antarpersamaan.
7
DAN PENDAPATAN
Untuk mendapatkan nilai b2 , gabungkan Persamaan (4) dan (5). Kalikan Persamaan (4) dengan –
3,36, sehingga nilai b1 = 0. Hasilnya adalah sebagai berikut.
Dari Persamaan (6), maka nilai b2 adalah = –8,62/21,01 = –0,41. Setelah menemukan nilai b2, maka
nilai b1 dapat dicari dengan menggunakan Persamaan (4) atau (5).
8
DAN PENDAPATAN
Setelah nilai koefisien regresi b1 dan b2 diketahui, maka nilai a dapat dicari dengan memasukkan
nilai koefisien regresi b1 dan b2 ke dalam Persamaan (1) atau (2), dan (3). Hasilnya adalah sebagai
berikut.
Dengan menemukan nilai koefisien regresi a, b1, dan b2 maka persamaan regresinya dapat
dinyatakan sebagai berikut:
Y = 15,086 – 1,015X1 – 0,41 X2
9
MENGGUNAKAN MS EXCEL UNTUK MENGHITUNG

KOEFISIEN REGRESI BERGANDA
1. Aktifkan program MS Excel. Anda mulai dari menghidupkan komputer, klik Start, klik
Program, dan pilih MS Excel.
2. Setelah MS Excel terbuka, klik pada File, dan pilih New. Anda akan mendapatkan sheet kosong,
masukkan data Y ke kolom A, data X1 ke kolom B, dan data X2 ke kolom C seperti gambar
berikut.
10

3. Setelah selesai melakukan entry data, klik Tools dan pilihlah Data Analysis, sehingga keluar
kotak dialog “Data Analysis” seperti gambar pada langkah dua.
4. Setelah keluar kotak dialog “data analysis”, pilih Regression hingga keluar kotak dialog berikut.
11

5. Setelah keluar kotak dialog Regression, masukkan range data ke dalam kolom input yang
tersedia. Masukkan range data Y pada kotak “Input Y Range”, misalkan di kolom A dari baris 2
sampai 11, maka ditulis $A$2:$A$11, atau Anda blok saja di kolom A dari baris 2 sampai 11.
Sedangkan data X1, dan X2 dimasukkan ke kolom “Input X Range”, yaitu dari Kolom B baris 2
sampai Kolom C baris 11, maka ditulis $B$2:$C$11 atau blok data X1 dan X2. Setelah selesai,
blok data input dan tekan OK.
6. Setelah Anda tekan OK, maka hasil regresi akan keluar, seperti gambar di bawah ini.
Perhatikan pada kolom Coefficients terdapat nilai intercept untuk a, sebesar 15,086166, X
Variable 1 untuk b1 sebesar –1,0152403 dan X Variable 2 untuk b2, sebesar –0,4109027. Dengan
demikian, dengan mudah kita dapat menuliskan persamaan regresi adalah Y = 15,086166 –
1,0152403X1 – 0,4109027X2.
12

13
OUTLINE
Bagian
BagianIII
III Statistik
StatistikInduktif
Induktif
Kegunaannya
Kegunaannya
Teori Pendugaan Statistik Analisis Regresi Berganda: Pendugaan
Koefisien Regresi
Koefisien Regresi
Analisis Regresi dan Korelasi Linier Pengujian Hipotesis pada Regresi

Berganda
Berganda
Regresi Berganda

Analisis Regresi 14
KOEFISIEN DETERMINASI
Koefisien Determinasi menunjukkan suatu proporsi dari varian yang dapat diterangkan oleh
persamaan regresi (regression of sum squares—RSS) terhadap varian total (total sum of squares—
TSS). Besarnya koefisien determinasi dirumuskan sebagai berikut:
Varian yang diterangkan persamaan regresi (RSS)

R 
2
Varian Total (TSS)
15
RUMUS KOEFISIEN KORELASI SEDERHANA
16
RUMUS KOEFISIEN KORELASI PARSIAL
Koefisien korelasi parsial diturunkan dari koefisien korelasi sederhana
17
OUTLINE
Bagian
BagianIII
III Statistik
StatistikInduktif
Induktif
Kegunaannya
Kegunaannya
Koefisien Regresi
Koefisien Regresi
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi
Pengujian Hipotesis Sampel Kecil Kesalahan Baku dalam Regresi
Berganda
Berganda
Berganda
Berganda
Regresi Berganda

Analisis Regresi 18
RUMUS KESALAHAN BAKU
SY.X1.X2 : Kesalahan baku atau standar error pendugaan variabel Y

berdasarkan variabel X1 dan X2
Ŷ : Nilai dugaan dari Y di mana X1 dan X2 diketahui
Y : Nilai pengamatan dari Y

n : Jumlah sampel atau data
k : Jumlah variabel bebas
19
CONTOH KESALAHAN BAKU PENDUGAAN
Persamaan Ŷ=15,086 – 1,015 X1 – 0,41 X2
Y X1 X2 Ŷ =15,086 – 1,015 X1 – 0,41 X2 (Ŷ–Y) (Ŷ–Y)2
3 8 10 2,86=15,086 – 1,015 (8) – 0,41(10)

0,14 0,02
4 7 10 3,87=15,086 – 1,015 (7) – 0,41(10)
0,13 0,02
5 7 8 4,69=15,086 – 1,015 (7) – 0,41 (8) 0,31 0,09
6 7 5 5,92=15,086 – 1,015 (7) – 0,41 (5) 0,08 0,01
6 6 4 7,35=15,086 – 1,015 (6) – 0,41 (4) ‒1,35 1,83
7 6 3 7,76=15,086 – 1,015 (6) – 0,41 (3) ‒0,76 0,58
8 6 2 8,17=15,086 – 1,015 (6) – 0,41 (2) ‒0,17 0,03
9 6 2 8,17=15,086 – 1,015 (6) – 0,41 (2) 0,83 0,68
10 5 1 9,60=15,086 – 1,015 (5) – 0,41 (1) 0,40 0,16
10 5 1 9,60=15,086 – 1,015 (5) – 0,41 (1) 0,40 0,16
 (Ŷ – Y)2 3,58
20
CONTOH KESALAHAN BAKU PENDUGAAN
15
15
10
10
55
00
11 22 33 44 5
n – (k+1)
5 106– (2+1)
6 77 88 99 10
10
YY Y'
Y'
21
RUMUS LAIN KESALAHAN BAKU
22
RUMUS KESALAHAN BAKU UNTUK INTERVAL

PENDUGAAN
Ŷ : Nilai dugaan dari Y untuk nilai X tertentu

t : Nilai t-tabel untuk taraf nyata tertentu
SY.X1.X2 : Standar error variabel Y berdasarkan variabel
X yang diketahui
23
PENGGUNAAN MS EXCEL UNTUK MENCARI
KESALAHAN BAKU
24
OUTLINE
Bagian
BagianIII
III Statistik
StatistikInduktif
Induktif
Kegunaannya
Kegunaannya
Koefisien Regresi
Koefisien Regresi

Berganda
Berganda
Regresi Berganda

Analisis Regresi 25
UJI GLOBAL ATAU UJI SIGNIFIKANSI

SERENTAK (UJI F)
Hipotesis yang ingin diuji adalah kemampuan variabel bebas

menjelaskan tingkah laku variabel terikat, apabila variabel
bebas tidak dapat memengaruhi variabel terikat dapat
dianggap nilai koefisien regresinya sama dengan nol, sehingga
1. Menyusun Hipotesis berapa pun nilai variabel bebas tidak akan berpengaruh
terhadap variabel terikat. Persamaan pada contoh satu, yaitu Y
= 15,086 – 1,015X1 – 0,41 X2, variabel bebas X1, dan X2
dikatakan mampu memengaruhi Y apabila nilai koefisien b 1 dan
b2 tidak sama dengan nol, apabila sama dengan nol, maka

dikatakan tidak mampu memengaruhi variabel bebas Y.
26

SERENTAK (UJI F)
Untuk uji ini digunakan tabel F. untuk mencari nilai F-tabel perlu diketahui
derajat bebas pembilang pada kolom, derajat bebas penyebut pada baris, dan
2. Menentukan daerah taraf nyata. Diketahui ada tiga variabel , yaitu Y, X1, dan X2, jadi k=3, sedangkan
jumlah n=10. Jadi derajat pembilang k ‒ 1=3 ‒ 1 = 2, sedangkan derajat
keputusan
penyebut n ‒ k= 10 ‒ 3 = 7 dengan taraf nyata 5%. Nilai F-tabel dengan derajat
pembilang 2, penyebut 7 dan taraf nyata 5% adalah 4,74
Derajat bebas pembilang

1 2 3 4 5 … 120 
Derajat bebas penyebut
1 161 200 216 225 230 … 253 254

2 18,5 19,0 19,2 19,2 19,3 … 19,5 19,5
3 10,1 9,55 9,28 9,12 9,01 … 8,55 8,53
4 7,71 6,94 6,59 6,39 6,26 … 5,66 5,63
5 6,61 5,79 5,41 5,19 5,05 … 4,40 4,37
6 5,99 5,14 4,76 4,53 4,39 … 3,70 3,67
7 5,59 4,74 4,35 4,12 3,97 … 3,27 3,23
… … … … … … … … …
 3,84 3,00 2,60 2,37 2,21 … 1,22 1,00
27

SERENTAK (UJI F)
Nilai F-hitung ditentukan dengan rumus sebagai berikut:
R 2 /( k  1)
F
( 1  R 2 ) /( n  3 )
3. Menentukan Dari soal diketahui bahwa R2 = 0,933 dan n = 10, sehingga nilai
F-hitung adalah:
nilai F-hitung
0 ,933 /( 3  1)
F  0 ,4665 / 0 ,0096  48 ,73881
( 1  0 ,933 ) /( 10  3 )
28

SERENTAK (UJI F)
Terima H1
4. Menentukan
F-Hitung= 48,74
daerah keputusan
Terima Ho
F-Tabel=4,74 Skala F
29

SERENTAK (UJI F)
Nilai F-hitung > dari F-tabel dan berada di daerah terima H 1. Ini
menunjukkan bahwa terdapat cukup bukti untuk menolak Ho dan
menerima H1. Kesimpulan dari diterimanya H1 adalah nilai koefisien
5. Memutuskan
Hipotesis regresi tidak sama dengan nol, dengan demikian variabel bebas dapat
menerangkan variabel terikat, atau dengan kata lain variabel bebas
yaitu X1 dan X2 pengaruhnya secara bersama-sama nyata terhadap
variabel terikatnya, yaitu Y.
30
PENGGUNAAN EXCEL UNTUK UJI SIGNIFIKANSI

SERENTAK (UJI F)
31
OUTLINE
Bagian
BagianIII
III Statistik
StatistikInduktif
Induktif
Kegunaannya
Kegunaannya
Koefisien Regresi
Koefisien Regresi

Berganda
Berganda
Asumsi dan Pelanggaran Asumsi
Analisis Regresi dan Korelasi Berganda Asumsi dan Pelanggaran Asumsi
Analisis Regresi dan Korelasi Berganda dalam Regresi Berganda
dalam Regresi Berganda

Analisis Regresi 32
ASUMSI DAN PELANGGARANASUMSI PADA

REGRESI BERGANDA
Beberapa asumsi dalam regresi berganda adalah sebagai berikut:

1. Variabel terikat dan variabel bebas memiliki hubungan yang Linier atau hubungan garis lurus. Jadi,
hubungan Y dengan X harus Linier, bagaimana kalau tidak Linier? Untuk masalah ini akan dibahas
pada bab 17, namun untuk persamaan yang tidak Linier, maka datanya ditransformasi terlebih dahulu
menjadi Linier dan biasanya data di log-kan terlebih dahulu, sehingga menjadi Linier.
2. Variabel terikat haruslah variabel bersifat kontinu dan paling tidak berskala selang. Variabel kontinu
ini adalah variabel yang dapat menempati pada semua titik dan biasanya merupakan data dari proses
pengukuran.
3. Nilai keragaman atau residu, yaitu selisih antara data pengamatan dan data dugaan hasil regresi (Y - Ŷ)
harus sama untuk semua nilai Y. Asumsi ini menyatakan bahwa nilai residu bersifat konstan untuk
semua data Y, (Y – Ŷ = ). Asumsi ini memperlihatkan kondisi HOMOSKEDASTISITAS yaitu nilai
residu (Y - Ŷ) yang sama untuk semua nilai Y, menyebar normal dan mempunyai rata-rata 0.
4. Pengamatan-pengamatan untuk variabel terikat dari satu pengamatan ke pengamatan lain harus bebas
atau tidak berkorelasi. Hal ini penting untuk data yang bersifat deret berkala.
33
PELANGGARAN ASUMSI PADA REGRESI

BERGANDA
Pelanggaran asumsi multikolinier: antar variabel bebas ada korelasi
Beberapa teknik untuk mengenali multikoLinieritas:

a. Variabel bebas secara bersama-sama pengaruhnya nyata, atau Uji F-nya nyata, namun ternyata
setiap variabel bebasnya secara parsial pengaruhnya tidak nyata, (uji-t-nya tidak nyata).
b. Nilai koefisien determinasi R2 sangat besar, namun ternyata variabel bebasnya berpengaruh tidak
nyata, (uji-t tidak nyata).
c. Nilai koefisien korelasi parsial yaitu rYX1.X2, rYX2.X1, dan rX1X1.Y ada yang lebih besar dari
koefisien determinasinya.
d. Nilai VIF (Variance Inflation Factor). Nilai VIF > 10 berarti telah terjadi multikolinieritas yang
serius di dalam model regresi.
34

BERGANDA
Heteroskedastisitas: varian atau residu tidak konstan
Heteroskedastisitas untuk menunjukkan nilai varians (Y – Ŷ) antar nilai Y tidaklah sama atau
hetero.
Bagaimana mendeteksi heteroskedastisitas
a. Metode grafik, menghubungkan antara Y dan e2, di mana apabila hubungan Y dan e2 tidak sistematis
seperti makin membesar atau mengecil seiring bertambahnya Y, maka tidak terjadi
heteroskedasitisitas.
b. Uji korelasi rank Spearman, digunakan untuk menguji heteroskedasititas apabila nilai korelasi rank
Spearman lebih besar dari nilai t-tabel.
35

BERGANDA
Autokorelasi: antar data pengamatan berkorelasi
Autokorelasi merupakan korelasi antara anggota observasi yang disusun menurut urutan waktu.
Ada beberapa penyebab autokorelasi yaitu: (a) kelembamam. Kelembaman biasanya terjadi dalam
fenomena ekonomi di mana sesuatu akan memengaruhi sesuatu mengikuti siklus bisnis atau saling
berkaitan. (b) terjadi bias dalam spesifikasi, yaitu ada beberapa variabel yang tidak termasuk
dalam model, dan (c) bentuk fungsi yang dipergunakan tidak tepat, seperti semestinya bentuk non-
Linier digunakan Linier atau sebaliknya.
36
OUTLINE
Bagian
BagianIII
III Statistik
StatistikInduktif
Induktif
Kegunaannya
Kegunaannya
Koefisien Regresi
Koefisien Regresi

Berganda
Berganda
Regresi Berganda

Analisis Regresi 37
CONTOH KASUS: KEUNTUNGAN DIPENGARUHI ASET

DAN HARGA SAHAM PERBANKAN
Bersambung ke hlm
selanjutnya 38

Y = a + b1X1 + b2X2
Di mana
Y : Keuntungan perusahaan (miliar/tahun)
X1 : Total aset (miliar/tahun)
X2 : Harga saham (rupiah/lembar)
39

Hasil perhitungan dengan menggunakan komputer (Ms Excel atau SPSS)
40

41

Persamaan Y = ‒2,928 + 0,017X1 + 0,4X2 menyatakan bahwa apabila aset (X1) meningkat 1 miliar rupiah,
maka keuntungan (Y) meningkat 0,017 miliar rupiah, dengan demikian return on asset diperbankan dapat
diperkiran sebesar 1,7% dan hal ini sudah sesuai dengan data ROA seluruh perbankan yaitu 1,32% pada
tahun 2013. Apabila harga saham (X2) naik 1 rupiah, maka keuntungan perusahaan meningkat 0,4 miliar.
Nilai R2= 0,946 ini menunjukkan kemampuan variabel aset dan harga saham menjelaskan perilaku
keuntungan perusahaan sebesar 96,5% dan sisanya atau residu sebesar 3,5% dijelaskan oleh variabel lain
yang tidak dimasukkan dan diteliti dalam persamaan tersebut. ini menunjukkan spesifikasi model yang
sangat baik, karena kemampuan menjelaskannya relatif besar. 42
TERIMA KASIH
43

Materi Bab 16

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Materi Bab 16

Diunggah oleh

Hak Cipta:

Format Tersedia

BAB

Teori Pendugaan Statistik Analisis Regresi Berganda:

Analisis Regresi dan Korelasi Linear Pengujian Hipotesis pada Regresi

Regresi Berganda dalam Ekonomi dan

RUMUS ANALISIS REGRESI BERGANDA

Bentuk persamaan regresi dengan dua variabel independen adalah:

Bentuk persamaan regresi dengan 3 variabel independen adalah :

Bentuk umum persamaan regresi untuk k variabel independen dapat

Persamaan untuk mendapatkan koefisien regresi

CONTOH: PENERAPAN REGRESI BERGANDA

Pengaruh harga dan pendapatan terhadap permintaan minyak goreng

X1Y, X12, X1 X2, X2Y, X22

3,36, sehingga nilai b1 = 0. Hasilnya adalah sebagai berikut.

nilai b1 dapat dicari dengan menggunakan Persamaan (4) atau (5).

Y = 15,086 – 1,015X1 – 0,41 X2

MENGGUNAKAN MS EXCEL UNTUK MENGHITUNG

MENGGUNAKAN MS EXCEL UNTUK MENGHITUNG

MENGGUNAKAN MS EXCEL UNTUK MENGHITUNG

MENGGUNAKAN MS EXCEL UNTUK MENGHITUNG

Analisis Regresi dan Korelasi Linier Pengujian Hipotesis pada Regresi

Regresi Berganda dalam Ekonomi dan

Varian yang diterangkan persamaan regresi (RSS)

Varian Total (TSS)

RUMUS KOEFISIEN KORELASI SEDERHANA

RUMUS KOEFISIEN KORELASI PARSIAL

Koefisien korelasi parsial diturunkan dari koefisien korelasi sederhana

Regresi Berganda dalam Ekonomi dan

RUMUS KESALAHAN BAKU

SY.X1.X2 : Kesalahan baku atau standar error pendugaan variabel Y

Y : Nilai pengamatan dari Y

CONTOH KESALAHAN BAKU PENDUGAAN

Persamaan Ŷ=15,086 – 1,015 X1 – 0,41 X2

Y X1 X2 Ŷ =15,086 – 1,015 X1 – 0,41 X2 (Ŷ–Y) (Ŷ–Y)2

3 8 10 2,86=15,086 – 1,015 (8) – 0,41(10)

CONTOH KESALAHAN BAKU PENDUGAAN

RUMUS LAIN KESALAHAN BAKU

RUMUS KESALAHAN BAKU UNTUK INTERVAL

Ŷ : Nilai dugaan dari Y untuk nilai X tertentu

Analisis Regresi dan Korelasi Linier Pengujian Hipotesis pada Regresi

Regresi Berganda dalam Ekonomi dan

UJI GLOBAL ATAU UJI SIGNIFIKANSI

Hipotesis yang ingin diuji adalah kemampuan variabel bebas

dikatakan mampu memengaruhi Y apabila nilai koefisien b 1 dan

b2 tidak sama dengan nol, apabila sama dengan nol, maka

UJI GLOBAL ATAU UJI SIGNIFIKANSI

Derajat bebas pembilang

1 161 200 216 225 230 … 253 254

UJI GLOBAL ATAU UJI SIGNIFIKANSI

Nilai F-hitung ditentukan dengan rumus sebagai berikut:

UJI GLOBAL ATAU UJI SIGNIFIKANSI

UJI GLOBAL ATAU UJI SIGNIFIKANSI

PENGGUNAAN EXCEL UNTUK UJI SIGNIFIKANSI

Analisis Regresi dan Korelasi Linier Pengujian Hipotesis pada Regresi

Regresi Berganda dalam Ekonomi dan

ASUMSI DAN PELANGGARANASUMSI PADA

Beberapa asumsi dalam regresi berganda adalah sebagai berikut:

PELANGGARAN ASUMSI PADA REGRESI

Pelanggaran asumsi multikolinier: antar variabel bebas ada korelasi

Beberapa teknik untuk mengenali multikoLinieritas:

PELANGGARAN ASUMSI PADA REGRESI

Heteroskedastisitas: varian atau residu tidak konstan

Bagaimana mendeteksi heteroskedastisitas

PELANGGARAN ASUMSI PADA REGRESI