REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR

Presentasi berjudul: "REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR"— Transcript presentasi:

1 REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR
BAB VIII REGRESI LINEAR BERGANDA DAN REGRESI (TREND) NONLINEAR

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 Kemudian dapat dibentuk persamaan regresi linear berganda.
Kalau persamaan tersebut 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.

5 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 dengan terlebih dahulu menentukan persamaan normal: b0 n b1 X b2 X = Y b0 X1 + b1 X1 X1 + b2  X1X2 = X1Y b0 X2 + b1 X1 X2 + b2  X2X2 = X2Y

6 Menentukan b0,b1,b2 Dengan metode substitusi dan eliminasi
Selesaikan ketiga persamaan tersebut dengan metode eliminasi dan substitusi sehingga diperoleh b0, b1, dan b2.

7 Menentukan b0,b1,b2 2) Dengan Matriks Ubah persamaan normal ke dalam persamaan matriks:

8 b0,b1, dan b2 dapat ditentukan dengan rumus yang menggunakan determinan matriks sebagai berikut :

9 det(A) = (n) (X1X1) (X2X2) + (X1) (X1X2) (X2) +
(X1X2) (X1X2) (n) – (X2X2) (X1) (X1)

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

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

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

13 Menentukan b0,b1,b2 Dengan software statistik seperti excel dan SPSS
Dengan cara ini persamaan regresi berganda dapat dengan cepat diperoleh dengan menginput data variabel Y, X1, dan X2 terlebih dahulu lalu dianalisis dengan software tersebut.

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

15 Korelasi X2 dan Y digambarkan dengan rumus berikut :

16 Korelasi X1 dan X2 digambarkan dengan rumus berikut :

17 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 :

18 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.

19 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)

20 Koefisien korelasi parsial X1 dan Y, jika X2 konstan

21 Koefisien korelasi parsial X1 dan X2, kalau Y konstan

22 REGRESI NON LINIER TREND PARABOLA TREND EKSPONENSIAL &

23 TREND PARABOLA Garis trend pada dasarnya adalah garis regresi di mana variabel bebas X merupakan variabel waktu. Baik garis regresi maupun trend dapat berupa garis lurus maupun tidak lurus. Persamaan garis trend parabola adalah sebagai berikut : Y’ = a + bX + cX2

24 a n + b X + c X2 = Y a X + b X2 + c X3 = XY
Persamaan Normal a n + b X + c X2 = Y a X + b X2 + c X3 = XY a X2 + b X3 + c X4 = X2Y

25 TREND EKSPONENSIAL (LOGARITMA)
Y’ = abx dapat diubah menjadi trend semi log: log Y’ = log a + (log b)X

26 TREND EKSPONENSIAL (LOGARITMA)
Bentuk Persamaan: Y’ = abx