Regresi Linier Berganda
Asumsi Analisis Regresi Linier
1. Data Y berskala minimal interval atau rasio Data X berskala minimal nominal atau ordinal (jika data X berskala nominal / ordinal harus
menggunakan bantuan variabel dummy)
2. Untuk setiap nilai dari variabel X yang tetap, Y adalah variabel random dengan distribusi
probabilitas tertentu yang mempunyai mean dan variansi.
Asumsi Analisis Regresi Linier
3. Nilai y secara statistik saling bebas
4. Linieritas, nilai rata-rata y adalah sebuah fungsi garis lurus dari x
5. Homoscedasticity. Variansi y adalah sama pada beberapa x
6. Y mempunyai distribusi normal
Asumsi Analisis Regresi Linier
Asumsi Analisis Regresi Linier
Regresi Linier Berganda
Model regresi linier berganda melibatkan lebih dari satu variabel bebas. Modelnya :
dengan
Y = variabel terikat
Xi = variabel bebas ( i = 1, 2, 3, …, k)
0 = intersep
i = koefisien regresi ( i = 1, 2, 3, …, k)
Model penduganya adalah
k k X X
X
Y 0 1 1 2 2 ...
k k X b X
b X
b b
Yˆ 0 1 1 2 2 ...
Regresi Linier Berganda
Misalkan model regresi dengan kasus 2 peubah bebas X1 dan X2 maka modelnya :
sehingga setiap pengamatan
akan memenuhi persamaan
X1i, X2i ; Yi
; i ,12,...,n
0 1X
1 2X
2Y
2 2
1 1
ˆ
0X X
Y
Menaksir Koefisien Regresi
Dengan Menggunakan Matriks
Dari hasil Metode Kuadrat Terkecil didapatkan persamaan normal :
…..
b X i b X i bk Xki Yi
nb0 1 1 2 2 ...
X i b X i b X i X i bk X i Xki X iYib0 1 1 1 2 2 1 2 ... 1 1
Xki b Xki X i b Xki X i bk Xki XkiYib0 1 1 2 2 ... 2
Menaksir Koefisien Regresi
Dengan Menggunakan Matriks
Tahapan perhitungan dengan matriks :
1. Membentuk matriks A, b dan g
2 2 1
1 2
2 1 1 1
2 1
...
...
...
...
...
...
...
...
ki i
ki i
ki ki
ki i
i i
i i
ki i
i
X X
X X
X X
X X
X X
X X
X X
X n
A
Menaksir Koefisien Regresi
Dengan Menggunakan Matriks
b
kb b b ...
1 0
i ki k
i i
i
Y X
g
Y X
g
Y g
g ...
1 1
0
Menaksir Koefisien Regresi
Dengan Menggunakan Matriks
2. Membentuk persamaan normal dalam bentuk matriks
A b = g
3. Perhitungan matriks koefisien b b = A-1 g
12
Metode Pendugaan Parameter Regresi
Dengan Metode Kuadrat Terkecil, misalkan model terdiri dari 2 variabel bebas
Tahapan pendugaannya :
1. Dilakukan turunan pertama terhadap b0 , b1 dan b2
n
i
n
i i i i
i Y b b X b X
e
1 1
2 2 2 1
1 2 0
i i
i Yi b b X b X
b
e 0 1 1 2 2
0
2 2
i i i
i Yi b b X b X X
b
e 0 1 1 2 2 1
1
2 2
i i
i
i Yi b b X b X X
b
e 0 1 1 2 2 2
2
2
Metode Pendugaan Parameter Regresi
2. Ketiga persamaan hasil penurunan disamakan dengan nol
b Xi b Xi Yi nb0 1 1 2 2
X i b Xi b X iXi X iYi
b0 1 1 12 2 1 2 1
X i b Xi X i b Xi X iYi
b0 2 1 1 2 2 22 2
Metode Pendugaan Parameter Regresi
3. Nilai b1 dan b2 dapat diperoleh dengan memakai aturan-aturan dalam matriks
2 2 1
1
0 Y b X b X
b
2
1 1 2
1 22 1
12
1 2
1 1 2
1 1 1
22
1
n i n
i n
i
n i n
i n
i n
i
X X X
X
Y X X
X Y
X X
b
2 1 1 2 1
22 1
12
1 1 1 1 2
1 2 1
12
2
n i n
i n
i
n i n
i n
i n
i
X X X
X
Y X X
X Y
X X
b
Uji Kecocokan Model
1. Dengan Koefisien Determinasi
R2 menunjukkan proporsi variasi total dalam respon Y yang dapat diterangkan oleh model
JKT R2 JKR
r R2
Uji Kecocokan Model
2. Dengan Pendekatan Analisis Ragam Tahapan Ujinya :
1. Hipotesis = H0 : 0 H1 : 0 dimana
= matriks [ 0, 1, 2, … , k ]
Uji Kecocokan Model
2. Tabel Analisis Ragam
Komponen
Regresi SS db MS Fhitung
Regresi JKR k JKR / k JKR /k
s2 Galat JKG n – k – 1 s2 = JKG / n-k-1
Total JKT n – 1
Uji Kecocokan Model
3. Pengambilan Keputusan H0 ditolak jika
pada taraf kepercayaan
F
hitung> F
tabel(1 , n-k-1)Uji Parsial Koefisien Regresi
Tahapan Ujinya :
1. Hipotesis = H0 : j 0 H1 : j 0
dimana j merupakan koefisien yang akan diuji
Uji Parsial Koefisien Regresi
2. Statistik uji :
Dimana :
bj = nilai koefisien bj s =
cjj = nilai matriks A-1 ke-jj
jj j j
c s
t b
1 / n k JKG
Uji Parsial Koefisien Regresi
3. Pengambilan keputusan H0 ditolak jika
pada taraf kepercayaan
t
hitung> t
/2(db= n-k-1)Pemilihan Model Terbaik
1. All Possible Regression
Tahapan pemilihan :
i. Tuliskan semua kemungkinan model regresi dan kelompokkan menurut banyaknya variabel
bebas
ii. Urutkan model regresi menurut besarnya R2
iii. Periksalah untuk setiap kelompok apakah terdapat suatu pola variabel yang konsisten
iv. Lakukan analisa terhadap kenaikan R2 pada tiap kelompok
Pemilihan Model Terbaik
Contoh :
Akan dianalisis model regresi yang terdiri dari 4 variabel bebas Pembagian kelompoknya
Kelompok A terdiri dari koefisien intersep Kelompok B terdiri dari 1 variabel bebas
Kelompok C terdiri dari 2 variabel bebas
Kelompok D terdiri dari 3 variabel bebas
0
Y
i i X Y 0
j j i
i X X
Y 0
k k j
j i
i X X X
Y 0
X X
X X
Y
Pemilihan Model Terbaik
Persamaan regresi yang menduduki posisi utama dalam setiap kelompok adalah
Persamaan terbaiknya adalah Y = f(X1 , X4) Kelompok Model Regresi R2
B Y = f(X4) 67,5%
C Y = f(X1 , X2) 97,9%
Y = f(X1 , X4) 97,2%
D Y = f(X1 , X2 , X4) 98,234%
E Y = f(X1 , X2 , X3, X4) 98,237%
Pemilihan Model Terbaik
2. Backward Elimination Procedur
Tahap pemilihannya :
i. Tuliskan persamaan regresi yang mengandung semua variabel
ii. Hitung nilai t parsialnya
iii. Banding nilai t parsialnya
a. Jika tL < tO maka buang variabel L yang menghasilkan tL, kemudian hitung kembali persamaan regresi tanpa
menyertakan variabel L
26
Pemilihan Model Terbaik
Contoh :
Akan dianalisis model regresi yang terdiri dari 4 variabel bebas Model regresi yang mengandung semua variabel bebas
Model terbaiknya
Y = f(X1,X2)
4 4 3
3 2
2 1
1
0 X X X X
Y
Persamaan Regersi t parsial F
Y = f(X1,X2,X3,X4) 157,266*
X1 4,337*
X2 0,497*
X3 0,018 X4 0,041*
Y = f(X1,X2,X4) 166,83*
X1 154,008*
X2 5,026*
X4 1,863
Y = f(X ,X ) 229,5*
Pemilihan Model Terbaik
3. Stepwise Regression Procedur
Tahap pemilihannya :
i. Hitung korelasi setiap variabel bebas terhadap variabel Y.
Variabel bebas dengan nilai korelasi tertinggi masukkan dalam model regresi (syarat uji F menunjukkan variabel ini
berpengaruh nyata)
ii. Hitung korelasi parsial setiap variabel bebas tanpa menyertakan variabel bebas yang telah mauk model.
Masukkan variabel bebas dengan korelasi parsial tertinggi ke dalam model
iii. Hitung nilai t parsial variabel yang telah masuk model, jika
Pemilihan Model Terbaik
Contoh :
Akan dianalisis model regresi yang terdiri dari 4 variabel bebas
Model Variabel Korelasi t parsial F
riy 0,731
r2y 0,816
r3y -0,535
r4y -0,821
Y = f(X4) 22,798*
r1y.4 0,915 r2y.4 0,017 r3y.4 0,801
Y = f(X1,X4) 176,627*
r2y.14 0,358 X1 = 108,223*
r3y.14 0,320 X4 = 159,295*
Y = f(X1, X2,X4) 166,832*
X1 = 154,008*
X2 = 5,026*
Model terbaik Y = f(X1 , X2)