REGRESI LINEAR BERGANDA

Presentasi berjudul: "REGRESI LINEAR BERGANDA"— Transcript presentasi:

1 REGRESI LINEAR BERGANDA
BAB IV REGRESI LINEAR BERGANDA

2 HUBUNGAN LEBIH DARI DUA VARIABEL REGRESI LINEAR BERGANDA
Apabila terdapat lebih dari dua variabel, maka hubungan linear dapat dinyatakan dalam persamaan regresi linear berganda sebagai berikut : Y’= b0 + b1X1 + b2X bkXk Disini ada satu variabel tidak bebas, yaitu Y’ dan ada k varibel bebas, yaitu X1, , Xk

3 b0 n + b1 X1 + b2 X2 + . . . + bk Xk = Y
Untuk menghitung b0, b1, b2, , bk kita gunakan metode kuadrat terkecil yang menghasilkan persamaan normal sebagai berikut : b0 n b1 X b2 X bk Xk = Y b0 X1 + b1 X1 X1 + b2  X1X bk  X1Xk = X1Y b0 X2 + b1 X1 X2 + b2  X2X bk  X2Xk = X2Y b0 Xk + b1 X1 Xk + b2  X2Xk bk  XkXk = XkY

4 Kalau persamaan ini dipecahkan, kita akan memperoleh nilai b0, b1, b2,
Kalau persamaan ini dipecahkan, kita akan memperoleh nilai b0, b1, b2, , bk. Kemudian dapat dibentuk persamaan regresi linear berganda. Apabila persamaan regresi itu telah diperoleh, barulah kita dapat meramalkan nilai Y dengan syarat kalau nilai X1, X2, , Xk sebagai variabel bebas sudah diketahui. Misalkan: k =2, maka Y’ = b0 + b1X1 + b2X2, satu variabel tak bebas(Y), dan dua variabel bebas (X1 dan X2), maka b0, b1, dan b2 dihitung dari persamaan normal berikut :

5 Persamaan diatas dapat dinyatakan dalam persamaan matriks berikut :
b0 n b1 X b2 X = Y b0 X1 + b1 X1 X1 + b2  X1X2 = X1Y b0 X2 + b1 X1 X2 + b2  X2X2 = X2Y Persamaan diatas dapat dinyatakan dalam persamaan matriks berikut :

6 Variabel b dapat diselesaikan dengan cara sebagai
berikut : Dimana :

7 det(A) = (n) (X1X1) (X2X2) + (X1) (X1X2) (X2) +
(X1X2) (X1X2) (n) – (X2X2) (X1) (X1) det(A0) = (Y) (X1X1) (X2X2) + (X1) (X1X2) (X2Y) + (X2) (X1Y) (X1X2) – (X2Y) (X1X1) (X2) – (X1X2) (X1X2) (Y) – (X2X2) (X1Y) (X1)

8 det(A1) = (n) (X1Y) (X2X2) + (Y) (X1X2) (X2) +
(X2) (X1) (X2Y) – (X2) (X1Y) (X2) – (X2Y) (X1X2) (n) – (X2X2) (X1) (Y)

9 det(A2) = (n) (X1X1) (X2Y) + (X1) (X1Y) (X2) +
(Y) (X1) (X1X2) – (X2) (X1X1) (Y) – (X1X2) (X1Y) (n) – (X2Y) (X1) (X1)

10 Korelasi Berganda : Apabila kita mempunyai tiga variabel Y, X1, X2, maka korelasi X1 dan Y digambarkan dengan rumus berikut :

11 Korelasi X2 dan Y digambarkan dengan rumus berikut :

12 Korelasi X1 dan X2 digambarkan dengan rumus berikut :

13 Kalau kita ingin mengetahui kuatnya hubungan antara variabel Y dengan beberapa variabel X lainnya (misalnya antara Y dengan X1 dan X2), maka kita harus menggunakan suatu koefisien korelasi yang disebut koefisien korelasi linear berganda (KKLB) yang rumusnya adalah sebagai berikut :

14 Apabila KKLB dikuadratkan, maka akan diperoleh koefisien penentuan (KP), yaitu suatu nilai untuk mengukur besarnya sumbangan dari beberapa variabel X terhadap variasi (naik-turunnya) Y. Kalau Y’ = b0 + b1X1 + b2X2, KP mengukur besarnya sumbangan X1 dan X2 terhadap variasi, atau naik turunnya Y. Apabila dikalikan dengan 100% akan diperoleh persentase sumbangan X1 dan X2 terhadap naik-turunnya Y.

15 Koefisien Korelasi Parsial :
Kalau variabel Y berkorelasi dengan X1 dan X2, maka koefisien korelasi antara Y dan X1 (X2 konstan), antara Y dan X2 (X1 konstan), dan antara X1 dan X2 (Y konstan) disebut Koefisien Korelasi Parsial (KKP)

16 Koefisien korelasi parsial X1 dan Y, kalau X2 konstan

17 Koefisien korelasi parsial X2 dan Y, kalau X1 konstan