PENGANTAR

EKONOMETRIKA
Pertemuan 6

TONY ARDIAN
FAK.SAINS DAN TEKNOLOGI

UINSU MEDAN
 MODEL
REGRESSI LINIER BERGANDA
Model yg memperlihatkan hubungan antara satu variable
terikat (dependent variable) dgn beberapa variabel bebas
(independent variables).

Yi = 0 + 1 X1i + 2 X2i + … + k Xki + i

dimana: i = 1, 2, 3, …. N (banyaknya pengamatan)

0, 1, 2, …, k adalah parameter yang nilainya

diduga melalui model:

Yi = b0 + b1 X1i + b2 X2i + … + bk Xki

 REGRESI LINEAR BERGANDA

Y = ß0 + ß1 X + ß2 X + …. + ßn Xn

Dalam konsep dasarnya pengujian statistik SECARA PARSIAL

mendasarkan pada hipotesis :

Uji Konstanta Intersep H0 : ß0 = 0

H1 : ß0 ≠ 0

Uji Koeff. Xi H0 : ßi = 0
H1: ßi ≠ 0
 Contoh :

Tujuan untuk mengetahui pengaruh (kontribusi)

proses/ mekanisme yang disusun dalam praktikum terhadap
pencapaian nilai ujian akhir praktikum, yaitu melalui
penilaian atas latihan di kelas dan penilaian atas laporan
praktikum.

Dengan demikian dapat dibuat spesifikasi modelnya sebagai

berikut :

Y = ß0 + ß1X1 + ß2X2 --------------------- (model 1)

Dimana :
Y : Nilai ujian akhir
X1 : Nilai pretest
X2 : Nilai Laporan
 Interpretasi Hasil :

Dari hasil di atas selanjutnya dapat disusun persamaan berikut :

N_Akhir = -25.450 + 0.542 Latihan + 0.771 Laporan R2 = 0.702

SE (9.351) (0.089) (0.132)
T-Hit. 2.722 6.067 5.828
F-hit = 73,02
Df = 62

Pengujian statistik baik uji keseluruhan (Uji-F) dan uji koefisien variabel dalam
model (Uji-t) memiliki kesamaan dengan analisis regresi linear sederhana.
Hipotesis uji-F adalah : H0 : ß0 = ß1 = ß2 = 0
H1 : ß0, ß1, ß2 ≠ 0

Sedangkan uji koefisien atau pengujian secara parsial memiliki hipotesis sebagai
berikut :

Pengujian untuk intersep : H0 : ß0 = 0

H1 : ß0 ≠ 0
Pengujian untuk ß1 : H0 : ß1 = 0
H1 : ß1 ≠ 0

Pengujian untuk ß2 : H0 : ß2 = 0
H1 : ß2 ≠ 0
Hasil analisis di atas menunjukkan bahwa model secara
statistik adalah memang dapat digunakan, terbukti dari nilai
F-hit sebesar 73.02 yang signifikan pada tingkat alpha 5%
atau 0.05 Artinya bahwa ß0, ß1, ß2 mempengaruhi secara
nyata terhadap N_Akhir (nilai Akhir).

Kekuatan pengaruh dari kedua variabel dalam menjelaskan

variabel N_Akhir sebesar 70.2 % sedangkan sisanya yaitu
sekitar 29.8% merupakan pengaruh dari variabel lain yang
tidak dipertimbangkan dalam model.
Koefisien latihan 0.542 dapat diartikan jika Nilai Laporan
tetap maka kenaikan 1 satuan nilai latihan akan cenderung
menaikkan nilai ujian sebesar 0.542.

Demikian juga untuk pengaruh nilai Laporan. Jika nilai

laporan naik 1 satuan maka akan cenderung meningkatkan
nilai ujian Akhir sebesar 0.771.

Hal yang lebih menarik sebenarnya adalah faktor apa yang

tersembunyi di balik angka-angka tersebut. Hal ini
memerlukan informasi yang bersifat kualitatif untuk
mengungkap :
 ESTIMASI MODEL
REGRESSI LINIER BERGANDA
Model: Yi = 0 + 1 X1i + 2 X2i + i
Model penduga: Ŷi = b0 + b1 X1i + b2 X2i
b0, b1 dan b2 nilai penduga untuk 0, 1 dan 2.

(yi x1i) (x22i ) – (yi x2i) (x1i x2i)

b1 =
(x21i ) (x22i ) – (x1i x2i)2

(yi x2i) (x21i ) – (yi x1i) (x1i x2i)

b2 =
(x21i ) (x22i ) – (x1i x2i)2

b0 = Yi – b1X1i – b2 X2i
ESTIMASI MODEL
REGRESSI LINIER BERGANDA
1 X21 x22i – X22 x21i – 2 X1 X2 x1i x2i
var(b0) = + 2
n (x21i ) (x22i ) – (x1i x2i)2

x21i
var(b1) = 2 se(bi) = var(bi)
(x 1i )(x 2i ) – (x1i
2 2

x2i)2 Utk i = 0, 1, 2.

x21i
var(b1) = 2
( x21i )(x22i ) – (x1i
x2i)2

i2
2 = i2 = y2i – b1 yi x1i – b2 yi x2i
n–3
 Asumsi-asumsi
Model Regresi Linier Berganda
(Agar hasil estimasi dapat diinterpretasikan dengan baik - BLUE)

 Nilai rata-rata disturbance term adalah nol,

E(i) = 0.
 Tidak tdpt serial korelasi (otokorelasi) antar i
Cov(i,j) = 0 untuk i  j.
 Sifat homoskedastisitas:
Var(i) = 2 sama utk setiap i
 Covariance antara i dan setiap var bebas adalah
nol. Cov(i,Xi) = 0
 Tidak tdpt multikollinieritas antar variebel bebas.
 Model dispesifikasi dengan baik
 Contoh Soal Regresi Linier Berganda

Dalam suatu penelitian yang dilakukan terhadap 10 rumah tangga yang

diilih secara acak, diperoleh data pengeluaran untuk pembelian barang-
barang tahan lama per minggu (Y), pendapatan per minggu (X 1­), dan
jumlah anggota rumah tangga (X2) sebagai berikut:

Seandainya suatu rumah tangga mempunyai X1 dan X2, masing-masing 11

dan 8. Berapa besarnya nilai Y. Artinya, berapa ratus rupiah rumah tangga
yang bersangkutan akan mengeluarkan biaya untuk pembelian barang-
barang tahan lama ?
Penyelesaian Contoh soal Regresi Linier Berganda:
Langkah pertama adalah mengolah data diatas menjadi sebagai
berikut:
 Yˆ = 5,233 + 3,221X + 0,451X
1  2 

Dari hasil penghitungan diatas model regresi linier berganda dapat

dituliskan sebagai berikut:

Yˆ = 5,233 + 3,221X1 + 0,451X2

Dari model diatas dapat disimpulkan bahwa setiap kenaikan pendapatan
per minggu sebesar Rp1000 maka akan menaikkan pengeluaran untuk
pembelian barang-barang tahan lama per minggu sebesar Rp322,1
dengan asumsi jumlah anggota rumah tangga konstan/tetap.
Demikian juga, jika jumlah anggota rumah tangga bertambah 1 orang
maka akan menaikkan pengeluaran untuk pembelian barang-barang
tahan lama per minggu sebesar Rp45,1 dengan asumsi pendapatan per
minggu konstan/tetap.

Yˆ = 5,233 + 3,221X(11)+ 0,451X(8)

Yˆ = 44,272

Ketika suatu rumah tangga memiliki pendapatan perminggu sebesar

Rp11.000 dengan anggota rumah tangga sebanyak 8 orang maka
pengeluaran untuk pembelian barang-barang tahan lama per minggu
sebesar Rp4.427,2 (nilai Yˆ dikali 100).