Model Regresi Berganda
i
pi
p
i
i
i
X
X
X
Y
0
1
1
2
2
Hubungan linear (dlm parameter) antara 1 peubah tak
bebas & 2 atau lebih peubah bebas
Intersep-Y
Populasi
Slope Populasi
Random
Error
i
pi
p
i
i
i
X
X
X
Y
0
1
1
2
2
Peubah tak bebas
(Respons) utk sampel
Peubah bebas (Explanatory)
utk model sampel
i
pi
p
i
i
i
b
b
X
b
X
b
X
e
Yˆ
0
1
1
2
2
Model Regresi Berganda (Sampel)
utk 2 Peubah Bebas
Y
i i i ib
b
X
b
X
e
Y
0
1 1
2 2
e
iX
2X
1 i i ib
b
X
b
X
Y
ˆ
0
1 1
2 2O il (G a l) T e m p In su la tio n 275.30 40 3 363.80 27 3 164.30 40 10 40.80 73 6 94.30 64 6 230.90 34 6 366.70 9 6 300.60 8 10 237.80 23 10 121.40 63 3 31.40 65 10 203.50 41 6 441.10 21 3 323.00 38 3 52.50 58 10
Model Regresi Berganda: Teladan
(0F)
Tentukan suatu model utk
memprediksi bahan bakar
pemanas (Galon) yg
digunakan sebuah
rumah-satu-keluarga di bln
Januari berdasarkan
rata-rata temperatur (
0F) dan
ketebalan isolasi (inchi).
O il (G a l) T e m p In su la tio n 275.30 40 3 363.80 27 3 164.30 40 10 40.80 73 6 94.30 64 6 230.90 34 6 366.70 9 6 300.60 8 10 237.80 23 10 121.40 63 3 31.40 65 10 203.50 41 6 441.10 21 3 323.00 38 3 52.50 58 10
Tentukan suatu model utk
memprediksi bahan bakar
pemanas (Galon) yg
digunakan sebuah
rumah-satu-keluarga di bln
Januari berdasarkan
rata-rata temperatur (
0F) dan
Y
Y
y
N
Y
Y
i;
i
i
2 2
2 2
2;
x
X
X
N
X
X
i
i
1 1
1 1 1;
x
X
X
N
X
X
i
i
2
2
1
1
0
0
ˆ
Y
ˆ
X
ˆ
X
b
i
i
i
i
b
b
X
b
X
e
Y
0
1
1
2
2
1
2
2
2
1
2
2
2
1
2
2
2
1
1
1
ˆ
i
i
i
i
i
i
i
i
i
i
i
x
x
x
x
x
x
y
x
x
y
x
b
1
2
2
2
1
2
2
2
1
1
2
1
2
2
2
ˆ
i
i
i
i
i
i
i
i
i
i
i
x
x
x
x
x
x
y
x
x
y
x
b
2
2
1
1
0
0
ˆ
Y
ˆ
X
ˆ
X
b
KTS p N e s e Var i
1 ) ( 2 2
2
2
2
1
2
1
2 1i
i
i
i
x
x
x
x
x
x
r
2
2
1
2
2
1
1
)
(
1r
x
s
s
b
Var
i
b
Y
s
CV
i
i
i
i
b
b
X
b
X
e
Y
0
1
1
2
2
Koef Variasi:
2
2
2
1
2
1
2 1i
i
i
i
x
x
x
x
x
x
r
2
2
1
2
2
1
1
)
(
1r
x
s
s
b
Var
i
b
2
2
2
2
2
2
1
)
(
2r
x
s
s
b
Var
i
b
2
2
2
1
2
2
2
1
1
)
,
(
2 1i
i
b
b
x
x
r
r
s
s
b
b
Cov
i
i
i
b
b
X
b
X
Y
ˆ
0
1
1
2
2
C o efficien ts In te rce p t 562.1510092 X V a ria b le 1 -5.436580588 X V a ria b le 2 -20.01232067Output Excel
Dugaan Model Regresi Sampel
Satuan
Galon
Gal/
0F
Gal/inc
C o efficien ts In te rce p t 562.1510092 X V a ria b le 1 -5.436580588 X V a ria b le 2 -20.01232067i
i
i
.
.
X
.
X
Yˆ
562
151
5
437
1
20
012
2
Dgn isolasi yg tetap, utk tiap
kenaikan 1
0F dlm temperatur,
rata-rata jml bahan pemanas yg
di-gunakan turun sebesar 5.437 galon.
Dgn temperatur tetap, utk tiap
kenaikan 1 inchi isolasi,
rata-rata penggunaan bahan pemanas
turun sebesar 20.012 galon.
Satuan
Galon
Gal/
0F
Gal/inc
Penggunaan Model utk Prediksi
969
278
6
012
20
30
437
5
151
562
012
20
437
5
151
562
1
2
.
.
.
.
X
.
X
.
.
Yˆ
i
i
i
Dugalah rata-rata jml bahan bakar pemanas yg
digunakan utk sebuah rumah jika rata-rata
temperaturnya 30
0F dan isolasinya 6 inchi.
969
278
6
012
20
30
437
5
151
562
012
20
437
5
151
562
1
2
.
.
.
.
X
.
X
.
.
Yˆ
i
i
i
Dugaan bahan bakar
pemanas yg digunakan
sebanyak 278.97 galon
Koefisien Determination
R eg ressio n S tatistics
Multiple R
0.982654757
R Square
0.965610371
Adjusted R Square
0.959878766
Standard Error
26.01378323
Observations
15
Output Excel
SST
SSR
r
Y2,12
r
2terkoreksi
•Utk membandingkan
model dgn jml peubah
bebas berbeda
•Merefleksikan jml
peubah bebas dan
ukuran contoh
• lebih kecil dari r
2R eg ressio n S tatistics
Multiple R
0.982654757
R Square
0.965610371
Adjusted R Square
0.959878766
Standard Error
26.01378323
Observations
15
r
2terkoreksi
•Utk membandingkan
model dgn jml peubah
bebas berbeda
•Merefleksikan jml
peubah bebas dan
ukuran contoh
Beberapa Plot Sisaan (Dibakukan)
•
Sisaan Vs Y
i
Mungkin perlu transformasi peubah Y
•
Sisaan Vs X
1
Mungkin perlu transformasi peubah X
1•
Sisaan Vs X
2
Mungkin perlu transformasi peubah X
2•
Sisaan Vs Time
Mungkin punya sifat autokorelasi
•
Sisaan Vs Y
i
Mungkin perlu transformasi peubah Y
•
Sisaan Vs X
1
Mungkin perlu transformasi peubah X
1•
Sisaan Vs X
2
Mungkin perlu transformasi peubah X
2•
Sisaan Vs Time
In su latio n R esid u al P lo t
0 2 4 6 8 10 12
Plot Sisaan: Teladan
Output Excel
T em p eratu re R esid u al P lo t -60 -40 -20 0 20 40 60 0 20 40 60 80 R e s id u a ls In su latio n R esid u al P lo t 0 2 4 6 8 10 12Tidak terlihat
suatu Pola
T em p eratu re R esid u al P lo t -60 -40 -20 0 20 40 60 0 20 40 60 80 R e s id u a lsI. Uji Model Secara Keseluruhan
•Apakah Model dapat menjelaskan keragaman Y
•Hipotesis Statistik:
H
0: Model tdk dpt menjelaskan keragaman Y
2regresi
=
2εatau
2regresi/
2ε= 1
b
1= b
2= … = b
p= 0 (
tidak dapat menjelaskan
)
H
1: Model dpt menjelaskan keragaman Y
2regresi
>
2εatau
2regresi/
2ε> 1
Minimal ada b
i 0 (ada peubah
bebas yg mempengaruhi Y)
•Statistik uji-F = KTR/KTS
~ F
(p, n-1-p)Y
i=
0+
1X
1+
2X1 +…+
pX
p+ ε
iF
(2,12) 0 3.89a = 0.05
•Apakah Model dapat menjelaskan keragaman Y
•Hipotesis Statistik:
H
0: Model tdk dpt menjelaskan keragaman Y
2regresi
=
2εatau
2regresi/
2ε= 1
b
1= b
2= … = b
p= 0 (
tidak dapat menjelaskan
)
H
1: Model dpt menjelaskan keragaman Y
2regresi
>
2εatau
2regresi/
2ε> 1
Minimal ada b
i 0 (ada peubah
bebas yg mempengaruhi Y)
Uji Model Secara Keseluruhan:
Analisis Ragam (ANOVA)
A N O V A d f S S M S F S ig n ifican ce F R e g re ssio n 2 228014.6 114007.3 168.4712028 1.65411E-09 R e sid u a l 12 8120.603 676.7169 T o ta l 14 236135.2 A N O V A d f S S M S F S ig n ifican ce F R e g re ssio n 2 228014.6 114007.3 168.4712028 1.65411E-09 R e sid u a l 12 8120.603 676.7169 T o ta l 14 236135.2
p = 2, jumlah peubah
penjelas
n - 1
KTR
KTS
p value
Statistik Uji F =
H
0
: b
1
= b
2
= … = b
p
= 0
H
1
: Minimal ada b
i
0
a = .05
db = 2 dan 12
Nilai Kritis:
Statistik Uji:
Keputusan:
Kesimpulan:
H
1pada a = 0.05
F
Uji Model Secara Keseluruhan
168.47
(Output Excel)
F
0
3.89
H
0
: b
1
= b
2
= … = b
p
= 0
H
1
: Minimal ada b
i
0
a = .05
db = 2 dan 12
Nilai Kritis:
Statistik Uji:
Keputusan:
Kesimpulan:
H
1pada a = 0.05
• Model dpt menjelaskan
keragaman Y
• Minimal ada satu peubah
bebas yg mempengaruhi Y
Statistik Uji t utk X
1(Temperatur)
II. Uji Signifikansi Masing
2
Peubah Bebas
•Apakah peubah bebas X
imempengaruhi Y
•Hypotesis Statistik:
H
0: b
i= 0 (
X
itidak mempengaruhi Y
)
H
1: b
i 0
(
X
imempengaruhi Y
)
C o efficien ts S tan d ard E rro r t S tat
In te rce p t 562.151009 21.09310433 26.65094
X V a ria b le 1 -5.4365806 0.336216167 -16.1699
X V a ria b le 2 -20.012321 2.342505227 -8.54313
Statistik Uji t utk X
1(Temperatur)
Statistik Uji t utk X
2(Isolasi)
H
0: b
1= 0
H
1: b
1 0
db = 12
Nilai Kritis:
Statistik Uji:
Keputusan:
Kesimpulan:
Apakah temperature berpengaruh nyata pada konsumsi
bulanan bahan bakar pemanas? Ujilah pada a = 0.05.
Teladan Uji t
t = -16.1699
H
0: b
1= 0
H
1: b
1 0
db = 12
Nilai Kritis:
Statistik Uji:
Keputusan:
Kesimpulan:
Tolak H
0at a = 0.05
Terbukti nyata, pengaruh
temperatur pada konsumsi
bahan bakar pemanas.
Z
0
2.1788
-2.1788
.025
Tolak H
0Tolak H
0.025
t = -16.1699
Dugaan Selang Kepercayaan utk Slope
Tentukan SK 95% bagi slope populasi
1(pengaruh
temperatur thd Konsumsi Bahan Bakar Pemanas)
1
1
1
t
n
p
S
b
b
Co efficien ts L o w er 95% Up p er 95% In te rce p t562.151009
516.1930837 608.108935
X V a ria b le 1-5.4365806 -6.169132673
-4.7040285
X V a ria b le 2-20.012321 -25.11620102
-14.90844
Co efficien ts L o w er 95% Up p er 95% In te rce p t562.151009
516.1930837 608.108935
X V a ria b le 1-5.4365806 -6.169132673
-4.7040285
X V a ria b le 2-20.012321 -25.11620102
-14.90844
-6.169
1
-4.704
Rata-rata konsumsi BBP berkurang antara 4.7 galon
sampai 6.17 galon tiap kenaikan suhu 1
0F.
Pengujian Sebagian Model
• Kontribusi keragaman peubah X
i
thd Model
(jika semua peubah lain sdh ada dlm model)
Dinotasikan dgn JKR(X
isemua peubah selain X
i)
Koefisien determinasi parsial X
1dgn Y jika X
2konstan
• Evaluasi Model secara Terpisah
• Berguna dlm Memilih Peubah Bebas
• Kontribusi keragaman peubah X
i
thd Model
(jika semua peubah lain sdh ada dlm model)
Dinotasikan dgn JKR(X
isemua peubah selain X
i)
Koefisien determinasi parsial X
1dgn Y jika X
2konstan
• Evaluasi Model secara Terpisah
• Berguna dlm Memilih Peubah Bebas
2
2
1.
Y
Kontribusi X
1
jika X
2
sdh tercakup dlm model:
JKR(X
1
X
2
) =
JKR(X
1
dan X
2
)
-
JKR(X
2
)
Pengujian Sebagian Model: JKR
JKR(X
1
X
2
) =
JKR(X
1
dan X
2
)
-
JKR(X
2
)
Dari bagian ANOVA
regresi utk model :
i i
i
b
b
X
b
X
Yˆ
0
1 1
2 2Dari bagian ANOVA
regresi utk model :
i
i
b
b
X
Uji F Parsial utk Kontribusi X
i
• Hipotesis:
H
0: Peubah X
itidak signifikan memperbaiki
model setelah yg lainnya tercakup dlm model
H
1: Peubah X
isignifikan memperbaiki
model setelah yg lainnya tercakup dlm model
• Statistik Uji:
F =
• Hipotesis:
H
0: Peubah X
itidak signifikan memperbaiki
model setelah yg lainnya tercakup dlm model
H
1: Peubah X
isignifikan memperbaiki
model setelah yg lainnya tercakup dlm model
• Statistik Uji:
F =
KTS
nnya
SemuaSelai
X
JKR
(
i)
Dgn db = 1 dan (n - p -1)
Koefisien Determinasi Parsial
)
(
)
(
)
(
2
1
2
1
2
1
2
2
.
1
X
X
JKR
X
dan
X
JKR
JKT
X
X
JKR
r
Y
i i ib
b
X
b
X
Yˆ
0
1 1
2 2Dari bagian ANOVA
regresi utk model:
Dari bagian ANOVA
regresi utk model:
i
i
b
b
X
Yˆ
0
2 2H
0: X
1tidak memperbaiki
model (X
2sdh ada)
H
1: X
1memperbaiki model
a = .05, db = 1 dan 12
Nilai Kritis = 4.75
A N O V A S S R e g re ssi o n 51076.47 R e si d u a l 185058.8 T o ta l 236135.2 ANOVA SS MS Regression 228014.6263 114007.313 Residual 8120.603016 676.716918 Total 236135.2293(For X1 and X2) (For X2)
Ujilah pada a = .05 utk menentukan apakah peubah
temperatur signifikan memperbaiki model setelah
peubah isolasi ada dlm model
A N O V A S S R e g re ssi o n 51076.47 R e si d u a l 185058.8 T o ta l 236135.2
717
,
676
076
,
51
015
,
228
)
(
1 2
KTS
X
X
JKR
F
ANOVA SS MS Regression 228014.6263 114007.313 Residual 8120.603016 676.716918 Total 236135.2293(For X1 and X2) (For X2)
= 261.47
Akibat Multikolinieritas
•
Koefisien Determinasi tinggi, tapi
banyak koefisien yg tdk nyata
•
Sulit memisahkan pengaruh dari
masing-masing faktor.
•
Tanda koefisien bukan hubungan yg
sebenarnya
•
Koefisien tdk nyata, bukan berarti
peubah tsb tdk berpengaruh.
•
Koefisien Determinasi tinggi, tapi
banyak koefisien yg tdk nyata
•
Sulit memisahkan pengaruh dari
masing-masing faktor.
•
Tanda koefisien bukan hubungan yg
sebenarnya
•
Koefisien tdk nyata, bukan berarti
peubah tsb tdk berpengaruh.
The regression equation is
Demand = 850 - 5.03 P + 4.74 Pr + 0.277 Advertise + 0.0107 Income + 1.31 T
Predictor Coef SE Coef T P Constant 850.0 134.8 6.31 0.000 P -5.0326 0.4394 -11.45 0.000 Pr 4.7435 0.9696 4.89 0.000 Advertise 0.2774 0.1046 2.65 0.014 Income 0.010658 0.001316 8.10 0.000 T 1.3091 0.7534 1.74 0.095 S = 33.6398 R-Sq = 91.5% R-Sq(adj) = 89.7% Analysis of Variance Source DF SS MS F P Regression 5 291364 58273 51.49 0.000 Residual Error 24 27159 1132 Total 29 318523
Contoh Output Minitab
The regression equation is
Demand = 850 - 5.03 P + 4.74 Pr + 0.277 Advertise + 0.0107 Income + 1.31 T
Predictor Coef SE Coef T P Constant 850.0 134.8 6.31 0.000 P -5.0326 0.4394 -11.45 0.000 Pr 4.7435 0.9696 4.89 0.000 Advertise 0.2774 0.1046 2.65 0.014 Income 0.010658 0.001316 8.10 0.000 T 1.3091 0.7534 1.74 0.095 S = 33.6398 R-Sq = 91.5% R-Sq(adj) = 89.7% Analysis of Variance Source DF SS MS F P Regression 5 291364 58273 51.49 0.000 Residual Error 24 27159 1132 Total 29 318523