REGRESI LINEAR BERGANDA
(
MULTIPLE LINEAR REGRESSION )
Elty Sarvia, ST., MT.
Fakultas Teknik Jurusan Teknik Industri
Universitas Kristen Maranatha
Bandung
Banyak orang yang membuat kesalahan-kesalahan yang tidak perlu ketika terlalu tegang karena itu...
“BE ABLE TO WORK UNDER PRESSURE !” #
Pengantar
•
Pada sesi sebelumnya kita hanya
menggunakan satu buah X, dengan
model Y = a + bX
•
Dalam banyak hal, yang mempengaruhi
(X) bisa lebih dari satu. Model umum
regresi linear berganda adalah
Y = a + b
1X
1+ b
2X
2+ … + b
nX
n#
Ilustrasi
•
Apabila kita ingin mengetahui hubungan
antara
jumlah rumah yang terjual
dengan
jumlah pengeluaran iklan, maka analisa ini
disebut
Regresi Sederhana
.
•
Jika kita ingin meningkatkan akurasinya,
maka kita dapat menambah variabel lain,
misal jumlah agen penjualan, analisa ini
disebut
Regresi Berganda
.
#
Keuntungan Analisa Regresi Berganda
•
Kita dapat menggunakan informasi lebih
banyak sebagai variabel guna menduga
variabel dependen, dengan demikian
hasil estimasi kita menjadi lebih akurat.
•
Jadi
Regresi
Berganda
adalah regresi
yang menggunakan lebih dari 1 variabel
independen guna menduga variabel
dependen.
#
REGRESI LINEAR BERGANDA
Persamaan Regresi Linear Berganda :
Untuk Populasi :
Untuk Sampel :
Dimana : i = 1,2,,……n
a,b1,b2,…..bn adalah pendugaan atas B0,B1,B2 dan Bn ni n 2i
2 1i 1
i
A
B
X
B
X
...
B
X
Y
ˆ
ni n 2i
2 1i 1
i
a
b
X
b
X
...
b
X
Y
ˆ
#
REGRESI LINEAR BERGANDA
• Persamaan Regresi Linear Berganda (sampel) :
Y = peubah tak bebas
X1 = peubah bebas/ variabel independen ke-1
X2 = peubah bebas / variabel independen ke-2
Xn = peubah bebas / variabel independen ke-n a = konstanta
b1 = kemiringan ke-1 / Koefisien regresi untuk Variabel Independen ke-1
b2 = kemiringan ke-2 / Koefisien regresi untuk Variabel Independen ke-2
bn = kemiringan ke-n / Koefisien regresi untuk Variabel Independen ke-n n
n 2
2 1
1
X
b
X
...
b
X
b
a
#
Garis Regresi Berganda
• Persamaan garis tersebut dapat digambarkan dalam gambar 3 dimensi sbb :
Gambar 18. Persamaan Garis Regresi Berganda Penyimpangan
Nilai observasi
Nilai taksiran (Ŷ)
Bidang yang dibentuk dari titik-titik sampel
Ŷ = a +bX1+ bX2
#
REGRESI LINEAR BERGANDA
(
MULTIPLE LINEAR REGRESSION )
n a +
b
1+
b
2=
a +
b
1+
b
2=
a +
b
1+
b
2=
y
x1y
x2
x
1x
2
2 2x
x
2y
x
1
x2
21
x
x
1
x
1x
2Dengan Metode Least Square, dapat diperoleh 3 persamaan yang dapat digunakan untuk menghitung konstanta a, b1,b2 dan bn adalah :
…..(1)
…..(2)
…..(3)
#
REGRESI LINEAR BERGANDA
(
MULTIPLE LINEAR REGRESSION )
Cara penyelesaian persamaan linear diatas
(memperoleh nilai a
, b
1dan b
2) dapat dilakukan
dengan sistem persamaan linear seperti SUBSTITUSI
&ELIMINASI, KAIDAH CRAMER, dll.
Rumus Koef. Determinasi Regresi Berganda :
Rumus Koef. Korelasi Regresi Berganda :
2
R R
1 1 22 2
2
y b b
R xy xy
#
Contoh Soal :
12. Diketahui, bahwa penjualan rumah diipengaruhi oleh iklan di Media Cetak (dalam 1 minggu) dan iklan di TV (dalam 1 minggu) .
a. Dugalah persamaan regresi yang berbentuk :
b. Hitung nilai koefisien korelasi berganda dan koefisien determinasi berganda untuk soal diatas ! Jelaskan !
c. Dugalah parameter B1 dab B2 dengan α = 0,1
2 2 1 1X bX
b a Yˆ
Penjualan (Y) Iklan Di Media Cetak (X1) Iklan di TV (X2)
7 4 1
12 7 2
17 9 5
20 12 8
# Jawab
Berdasarkan data diatas, diketahui bahwa :
4 a + 32 b1 + 16 b2 = 56 …… (1)
32 a + 290 b1 + 159 b2 = 505 …... (2) 16 a + 159 b1 + 94 b2 = 276 …... (3) 32
4
1 1
i
x 16
4
1 2
i
x 159
4
1 2
1
i
x
x n = 4
290 4
1 2 1
i
x 94
4
1 2 2
i
x 56
4
1
i
y
505 4
1 1
i
y
x 4 276
1 2
i
y
x 882
4
1 2
i
y
a. Dugalah persamaan regresi yang berbentuk :
Jawab :
S Y = 5,715
#
Cara I. Substitusi
• Persamaan 1 dan 2 menghasilkan persamaan 4
(1) 4 a + 32 b1 + 16 b2 = 56 ( x 8)
(2) 32 a + 290 b1 + 159 b2 = 505 ( x 1 )
32 a + 256 b1 + 128 b2 = 448
32 a + 290 b1 + 159 b2 = 505
--34 b1 - 31 b2 = -57 (4)
• Persamaan 1 dan 3 menghasilkan persamaan 5
(1) 4 a + 32 b1 + 16 b2 = 56 ( x 4)
(3) 16 a + 159 b1 + 94 b2 = 276 ( x 1 )
16 a + 128 b1 + 64 b2 = 224
16 a + 159 b1 + 94 b2 = 276
#
Cara I. Substitusi (2)
• Persamaan 4 dan 5 akan diperoleh nilai b2
-1054 b1 - 961 b2 = -1767
-1054 b1 - 1020 b2 = -1768
-591 b2 = 1
b2 = 0,017
(4) -34 b1 - 31 b2 = -57 ( x 31)
(5) -31 b1 - 30 b2 = -52 ( x 34 )
• Nilai b2 disubsitusikan pada persamaan 4 : -57 = -34 b1– 31 b2
-57 = -34 b1– 31 (0,017) -57 = -34 b1– 0,527 -56,473 = -34 b1
b1 = 1,66
#
I. Substitusi (3)
• Nilai b1 dan b2 disubsitusikan pada persamaan 1 : 56 = 4a + 32 b1 + 16 b2
56 = 4a + 32 (1,66) + 16 (0,017) 56 = 4a + 53,12 + 0,272 4a = 2,608 a = 0,652
Sehingga Persamaan Regresi Berganda adalah :
Ŷ = 0,652 + 1,66X
1+ 0,017 X
2a= 0,652, artinya apabila X1 =X2= 0 nilai Ŷ=0,652 (0;0,652) dan (0;0,652) b1= +1,66 artinya apabila X2 konstan, kenaikan X1 sebesar 1 satuan akan menyebabkan
kenaikan (karena +)1,66 kali
b2= +0,017 artinya apabila X1 sebagai variabel bebas adalah konstan, maka kenaikan X2
sebesar 1 satuan akan menyebabkan kenaikan (karena +)0.017 kali . bn disebut koefisien regresi parsial. (- berarti penurunan)
#
Matriks Awal :
4 32 16 56 32 290 159 505 16 159 94 276
Determinasi A :
A = (4*290*94) + (32*159*16) + (16*32*159) – (16*290*16) – (4*159*159)-(32*32*94) A = 236
II. Kaidah Cramer
A =
4 32 16 4 32
32 290 159 32 290
16 159 94 16 159
# Determinasi A1 :
A 1 = (56*290*94) + (32*159*276) + (16*505*159) – (16*290*276) – (56*159*159)-(32*505*94) A 1 = 154
II. Kaidah Cramer (2)
A 1=
56 32 16 56 32
505 290 159 505 290
276 159 94 276 159
Determinasi A2 :
A2 =
4 56 16 4 56
32 505 159 32 505
16 276 94 16 276
A 2 = (4*505*94) + (56*159*16) + (16*32*276) – (16*505*16) – (4*159*276)-(56*32*94) A 2= 392
# Determinasi A3 :
A 3 = (4*290*276) + (32*505*16) + (56*32*159) – (56*290*16) – (4*505*159)-(32*32*276) A 3 = 4
II. Kaidah Cramer (3)
A 3 =
4 32 56 4 32
32 290 505 32 290
16 159 276 16 159
Nilai Konstanta : 0,652
236 152 A A a 1
1,66 236 392 A A
b 2
1
0,017 236
4 A A
b 3
2
Persamaan regresi linear bergandanya :
2 2 1 1X bX
b a Yˆ
Ŷ = 0,652 + 1,66X1 + 0,017 X2 #
b. Hitung nilai koefisien korelasi berganda dan koefisien determinasi berganda untuk soal diatas ! Jelaskan !
Rumus Koef. Determinasi Regresi Berganda :
9558 , 0
882 276 * 017 , 0 505 * 1,66 R
y b b R
2 2
2 2 2 1 1 2
R
y x y x
Interpretasinya adalah bahwa 95,58% proporsi keragaman nilai peubah Y (volume penjualan) dapat dijelaskan oleh nilai peubah X1 (Iklan di Media Cetak) dan Nilai peubah X2(Iklan di TV) melalui hubungan Linear. Sisanya 4,42% dijelaskan oleh hal lain.
Rumus Koef. Korelasi Regresi Berganda :
0,978 0,9558 R
R 2
Maka terdapat hubungan kuat antar variabel iklan d Media Cetak dan iklan di TV dengan variabel penjualan (dependennya).
#
Estimasi Interval Parameter
• Pendugaan Parameter Koefisien regresi berganda B1 dan B2 membutuhkan hasil ukuran kesalahan duga standar bagi penduga b1 dan b2. Kesalahan duga standar demikian dapat diartikan sebagai :
• dimana
Standar deviasi error untuk regresi berganda rx1x2 = koefisien korelasi antara X1 dan X2.
Estimasi Interval Parameter
• Masing-masing dengan derajat bebas n – k - 1
• k = banyaknya parameter dalam model (variabel bebas)
• Maka interval keyakinan bagi pendugaan parameter Bi :
nk bi i i nk bi Maka Interval keyakinan bagi penduga B1 adalah:
Istilah Penting
•
Variabel
dependent
: suatu variabel dimana besarnya
tergantung pada variabel lain (peubah tak bebas).
•
Variabel
independent
:suatu variabel dimana
besarnya tidak tergantung pada variabel lain (peubah
bebas).
•
Error
: penyimpangan jarak vertikal titik-titik
pengamatan dengan titik pada regresi.
•
Measurement error
: pengukuran penyimpangan data
yang ditimbulkan karena melakukan kesalahan
dalam pengukuran (baik prosedur maupun alat)
#
Istilah Penting
•
Random error
: simpangan vertikal dari garis regresi
populasinya, atau error yang terjadi karena sifat
keacakan/random dan tidak dapat dihindarkan.
•
Sampling error
: simpangan yang diambil dari
sampel, atau error yang timbul akibat penggunaan
sampel yang kurang mewakili populasi.
•
Standard error estimate
: nilai ramalan penyimpangan
#
Istilah Penting
•
Koefisien Korelasi (r): koefisien yang mengukur kuat
tidaknya hubungan antara variabel X dan Y.
•
Jika r=0 menunjukkan bahwa tidak ada hubungan
linear antara variabel-variabel, namun mungkin
terdapat hubungan yang tidak linear.
•
Koefisien Determinasi (r
2) : proporsi keragaman total
nilai peubah Y yang dapat dijelaskan oleh nilai
peubah X melalui hubungan linier.
•
Koefisien Korelasi Parsial : Koefisien korelasi antara
dua variabel dalam regresi berganda yang bebas dari
pengaruh variabel lain (variabel lain konstan).
#
Regresi Non Linear
1.
Parabola Kuadrat Ŷ = a+bX+cX
22.
Parabola Kubik Ŷ = a+bX+cX
2+dx
33.
Eksponen Ŷ = ab
X4.
Geometrik Ŷ = aX
b5.
Hiperbola Ŷ = 1/(a+bX)
6. dll
#
Do You Know ? *
•
Jumlah sel otak manusia : 200
milyar
•
Otak dapat mengingat 100
milyar bit informasi (= 500
ensiklopedia)
•
Kecepatan berpikir > 300
mil/jam > kereta tercepat
•
Rata-rata jumlah pikiran
manusia dalam 24 jam adalah
4000
* Hasil penelitian Prof. Isaac Asimov dalam buku The Brain
Kemampuan otak kita
luar biasa!
#Soal Responsi:
5. Terdapat 10 rumah tangga yang merupakan sampel acak dari suatu penelitian. Antara lain ditanyakan tentang banyaknya konsumsi atas komoditi tertentu (dalam satuan), harga komoditi (dalam satuan), dan pendapatan (dalam satuan).
Diketahui, bahwa permintaan terhadap komoditi tersebut untuk keperluan konsumsi (Y) akan dipengaruhi oleh harga ( X 1 ) dan pendapatan ( X 2 ). Hasil penelitian sbb :
Harga ( X 1 ) 2 3 5 4 6 2 3 4 5 6
Pendapatan ( X 2 ) 3 4 6 5 7 6 4 5 4 3
Keperluan konsumsi (Y) 5 8 8 9 9 13 6 9 4 3
a. Hitunglah a,b1, dan b2dari persamaan regresi Ŷ=a+b1X1+b2X2
b. Hitung nilai koefisien korelasi dan koefisien determinasi untuk soal diatas ! Jelaskan !