REGRESI LINIER BERGANDA (MULTIPLE REGRESSION) GANGGA ANURAGA S.Si, M.Si
REGRES LINIER BERGANDA Hubungan antara variabel dependen Y dengan dua atau lebih variabel independen X. Selanjutnya dapat dituliskan sebagai berikut : Dimana :
ESTIMASI LEAST SQUARES (ORDINARY LEAST SQUARES) Meminimalkan sum of squared residual / residual sum of squares (RSS) : Turunkan RSS terhadap b0 , b1 , b2 ,…, bp
ESTIMASI LEAST SQUARES DENGAN PENDEKATAN MATRIK Bentuk Matriks
Secara umum model regresi linier dapat dituliskan dalam bentuk persamaan sebagai berikut :
Meminimalkan sum of squared residual / residual sum of squares (RSS) : Meminimalkan RSS (β) = 0 dan turunkan terhadap β
RESIDUAL Model prediksi :
Uji Parameter Regresi dan Analisa Varians Analisa varians merupakan suatu cara yang dapat digunakan dalam teknik pemisahan (dekomposisi) variasi yang terdapat dalam model
UJI KOEFISIEN REGRESI SECARA SERENTAK Untuk menguji secara serentak (overall) dari seluruh parameter regresi X terhadap Y dengan hipotesa :
UJI KOEFISIEN REGRESI SECARA INDIVIDU Setelah dilakukan pengujian koefisien regresi secara bersama dan ternyata tolak Ho yang berarti paling sedikit ada satu yang tidak sama dengan nol maka perlu dilakukan pengujian secara individu. Hal ini dimaksudkan untuk menentukan ada tidaknya pengaruh masing-masing variabel Xi terhadap variabel Y, dan untuk melihat kontribusi dari masing-masing variabel prediktor terhadap variabel respon.
UJI KOEFISIEN REGRESI SECARA INDIVIDU
Koefisien Determinasi (R2) Mengukur ketepatan atau kecocokan suatu garis regresi yang diterapkan terhadap suatu kelompok data hasil observasi. Makin besar nilai R2 dikatakan model regresi semakin tepat atau cocok, sebaliknya makin kecil nilai R2 dikatakan model regresinya tidak tepat untuk mewakili data hasil observasi. Mengukur proporsi atau prosentase dari jumlah variasi Y yang dapat diterangkan oleh model regresi. Untuk membandingkan model dengan jumlah prediktor yang berbeda, maka digunakan koefisien determinasi :
TERIMA KASIH