MULTIPLE LINIER

REGRESSION
RIKO BAGUS RAGIL SAPUTRO
13/345613/KT/07436
MULTIPLE LINIER REGRESSION (MLR)

Merupakan analisis linier yang memprediksi satu

variabel dependen dengan 1 set predictor (dimana
jumlah variabel predictor lebih dari satu) pada
sebuah garis lurus
SYARAT MLR :

1. Tiap variable independen mempunyai hubungan linier dengan

variable dependen (koreksi signifikansi pada anova). Jika
tidak mempunyai hubungan linier makan tidak eligible.
2. Karena ada beberapa nilai variable independen, maka diantara
variable independen tidak diperbolehkan ada nilai koreksi
signifikan (koefisien determinasi) yang cukup tinggi.
 No. Kell 0,2 m Kell 1,3 m Kell 2 m T total No. Kell 0,2 m Kell 1,3 m Kell 2 m T total
Data 1 303.0 270.0 255.0 33.0 21 168.0 147.0 142.0 24.0
Perhitungan 2
3
161.0
265.0
127.0
214.0
124.0
209.0
35.0
33.0
22
23
247.0
229.0
218.0
197.0
219.0
190.0
26.0
25.0
4 273.0 239.0 227.0 33.0 24 183.0 159.0 156.0 23.0
5 218.0 203.0 186.0 22.0 25 235.0 219.0 219.0 21.0
6 87.0 81.0 76.0 16.0 26 172.0 141.0 133.0 24.0
7 157.0 131.0 123.0 24.0 27 282.0 243.0 235.0 25.0
8 227.0 197.0 192.0 26.0 28 157.0 125.0 117.0 23.0
9 236.0 187.0 181.0 28.0 29 157.0 125.0 109.0 24.0
10 213.0 168.0 151.0 22.0 30 266.0 235.0 219.0 24.0
11 66.0 61.0 53.0 16.0 31 157.0 141.0 117.0 18.0
12 99.0 91.0 87.0 21.0 32 204.0 180.0 172.0 24.0
13 152.0 134.0 129.0 19.0 33 117.0 94.0 94.0 16.0
14 129.0 111.0 109.0 24.0 34 117.0 109.0 109.0 19.0
15 227.0 204.0 192.0 26.0 35 157.0 141.0 125.0 28.0
16 207.0 160.0 157.0 26.0 36 204.0 133.0 141.0 26.0
17 341.0 259.0 254.0 29.0 37 204.0 188.0 180.0 21.0
18 150.0 126.0 120.0 24.0 38 164.0 141.0 133.0 22.0
19 149.0 130.0 126.0 23.0 39 172.0 149.0 125.0 18.0
20 270.0 226.0 217.0 25.0
Hasil analisis korelasi
variabel ganda

Terdapat 63,9%
hubungan antara diameter
0,2 (x1) dengan tinggi
total (y).
Sehingga berdasarkan
analisis korelasi, x1
merupakan variable yang
paling baik dalam Menunjukkan nilai korelasi tertinggi
memprediksi nilai y diantara korelasi y dengan x lainnya.
METODE :

• Metode FORDWARD
• Metode BACKWARD
• Metode STEPWISE
( dalam aplikasi SPSS)
METODE FORDWARD

• Metode dalam analisis regresi pada SPSS yang menunjukkan

variable independen dengan koefisien determinasi (r²) tinggi.
• Nilai r akan semakin berkurang dengan berkurangnya jumlah
variable independen yang terlibat.
r² terendah
METODE BACKWARD

• Metode dalam analisis regresi pada SPSS yang menunjukkan

variable independen dengan koefisien determinasi (r²) rendah.
• Nilai r akan semakin berkurang dengan berkurangnya jumlah
variable independen yang terlibat.
r² terendah
METODE STEPWISE

• Metode dalam analisis regresi pada SPSS yang menunjukkan

nilai korelasi antara masing-masing variable beserta kesimpulan
variable independen yang paling bisa memprediksi nilai y
(reliable)
Nilai toleransi x1 dengan x2 dan x3
masih besar sehingga tidak memenuhi
syarat sebagai MLR dan harus dipilih
salah satu variable menjadi SLR
 KESIMPULAN

X1 X2 Y
X3
Kell 0,2 Kell 1,3 Kell 0,2
Kell 2 m
m m m

X1 dipilih karena yang mempunyai korelasi dengan Y tertinggi diantara variable

independen lainnya. Sehingga,

Y = B0 + B1X1 + B2X2 + B3X3  Y = B0 + B1X1