regresi linier berganda -...
TRANSCRIPT
REGRESI LINIER BERGANDA
9 Debrina Puspita Andriani
www.debrina.lecture.ub.ac.id E-mail : [email protected] / [email protected]
Outline
03/11/2014 www.debrina.lecture.ub.ac.id
2
Regresi Berganda : PENGERTIAN
¡ Menguji hubungan linier antara 1 variabel dependen (y)
dan 2 atau lebih variabel independen (xn)
03/11/2014 www.debrina.lecture.ub.ac.id
3
Contoh
¡ Hubungan antara suhu warehouse dan viskositas cat dengan jumlah cacat foam mark pada produk
¡ Var. independen : suhu warehouse & viskositas cat
¡ Var. dependen : jumlah cacat foam mark
¡ Hubungan antara kecepatan pelayanan dan kualitas produk dengan kepuasan pelanggan
¡ Var. independen : kecepatan pelayanan & kualitas produk
¡ Var. dependen : kepuasan pelanggan
Regresi Berganda : MODEL (1)
03/11/2014 www.debrina.lecture.ub.ac.id
4
Model pd populasi:
Y-intercept Population slopes Random Error
Estimasi (atau prediksi) Nilai y
Estimasi koofisien slope
Estimasi model regresi berganda:
Estimasi intercept
nn2211 xbxbxbay ++++= …
εxβxβxβαy nn2211 +++++= …
Regresi Berganda : MODEL (2)
03/11/2014 www.debrina.lecture.ub.ac.id
5
Model dgn 2 variabel independen
y
x2
2211 xbxbay ++=
Slope variabel x2
x1
Regresi Berganda : MODEL (2)
03/11/2014 www.debrina.lecture.ub.ac.id
6
y
x1
x2
2211 xbxbay ++=yi
yi
<
e = (y – y) <
x2i
x1i persamaan regresi y yang terbaik diperoleh dengan meminimumkan sum of squared error (jmh kuadrat error) Σe2
<
Sample observation
Model dgn 2 variabel independen
Regresi Berganda : ASUMSI
03/11/2014 www.debrina.lecture.ub.ac.id
7
¡ Error berdistribusi normal
¡ Mean dari error adalah nol
¡ Error memiliki variansi yang konstan
¡ Error bersifat independen
e = (y – y)
Error (residual) dari model regresi:
<
Regresi Berganda
03/11/2014 www.debrina.lecture.ub.ac.id
8
o Tentukan tujuan apa yang diinginkan dan pilih variabel dependennya
o Tentukan sejumlah variabel independen
o Pengumpulan data sampel (observasi) untuk semua variabel
Regresi Berganda : PERSAMAAN
Dapat ditentukan dengan beberapa cara sbb:
03/11/2014
www.debrina.lecture.ub.ac.id
9
1. Metode Kuadrat Terkecil
(dgn 2 var independen)
03/11/2014 www.debrina.lecture.ub.ac.id
10
1. Metode Kuadrat Terkecil (dgn 2 var independen)
03/11/2014 www.debrina.lecture.ub.ac.id
11
2211 XbXbYa −−=
2211 xbxbay ++=
nY
Y∑
= nX
X 11∑
=nX
X 22
∑=
1. Metode Kuadrat Terkecil (Lanjutan)
03/11/2014 www.debrina.lecture.ub.ac.id
12
( )( ) ( )( )( )( ) ( )221
22
21
221122
1 xxxxyxxxyxx
b∑-∑∑
∑∑-∑∑=
( )( ) ( )( )( )( ) ( )221
22
21
121221
2 xxxxyxxxyxx
b∑-∑∑
∑∑-∑∑=
b1 dan b2 à Koefisien regresi parsial, dicari dgn persamaan
1. Metode Kuadrat Terkecil (Lanjutan)
03/11/2014 www.debrina.lecture.ub.ac.id
13
222 YnYy -∑=∑
21
21
21 XnXx -∑=∑
22
22
22 XnXx -∑=∑
YXnYXyx 111 -∑=∑
YXnYXyx 222 -∑=∑
212121 XXnXXxx -∑=∑
1. Metode Kuadrat Terkecil (Contoh Soal)
Internal Revenue Service mencoba mengestimasi pajak aktual yang tak terbayar tiap bulan di divisi Auditing. Dua faktor yang mempengaruhinya adalah jumlah jam kerja pegawai dan jumlah jam kerja mesin (komputer). Untuk menganalisis seberapa besar kedua faktor itu mempengaruhi besarnya pajak aktual tak terbayar tiap bulan, dilakukan pencatatan selama 10 bulan.
03/11/2014 www.debrina.lecture.ub.ac.id
14
X1 X2 Y(Rp1000)
Jamkerjapegawai Jamkerjamesin/komputer
Pajakaktualyangtidakdibayar
Januari 45 16 29Pebruari 42 14 24Maret 44 15 27April 45 13 25Mei 43 13 26Juni 46 14 28Juli 44 16 30Agustus 45 16 28September 44 15 28Oktober 43 15 27
Bulan
Cari persamaan regresi linier bergandanya!
1. Metode Kuadrat Terkecil (Solusi - 1)
03/11/2014 www.debrina.lecture.ub.ac.id
15
nke X1 X2 Y X1Y X2Y X1X2 X12 X2
2 Y2
1 45 16 29 1.305 464 720 2.025 256 8412 42 14 24 1.008 336 588 1.764 196 5763 44 15 27 1.188 405 660 1.936 225 7294 45 13 25 1.125 325 585 2.025 169 6255 43 13 26 1.118 338 559 1.849 169 6766 46 14 28 1.288 392 644 2.116 196 7847 44 16 30 1.320 480 704 1.936 256 9008 45 16 28 1.260 448 720 2.025 256 7849 44 15 28 1.232 420 660 1.936 225 78410 43 15 27 1.161 405 645 1.849 225 729
Rata2 44,1 14,7 27,2Total 441 147 272 12.005 4.013 6.485 19.461 2.173 7.428
1. Metode Kuadrat Terkecil (Solusi - 2)
03/11/2014 www.debrina.lecture.ub.ac.id
16
6,29)2,27)(10(428.7YnYy 2222 = -= -∑=∑
9,12)1,44)(10(461.19XnXx 221
21
21 = -= -∑=∑
1,12)7,14)(10(173.2XnXx 222
22
22 =-= -∑=∑
8,9)2,27)(1,44)(10(005.12YXnYXyx 111 =-= -∑=∑
6,14)2,27)(7,14)(10(013.4YXnYXyx 222 =-= -∑=∑
3,2)7,14)(1,44)(10(485.6XXnXXxx 212121 =-= -∑=∑
1. Metode Kuadrat Terkecil (Solusi - 3)
03/11/2014 www.debrina.lecture.ub.ac.id
17
( )( ) ( )( )( )( ) ( ) 564,0
)3,2()1,12)(9,12()6,14)(3,2()8,9)(1,12(
xxxxyxxxyxx
b 2221
22
21
221122
1 =-
-=
∑-∑∑∑∑-∑∑
=
( )( ) ( )( )( )( ) ( ) 099,1
)3,2()1,12)(9,12()8,9)(3,2()6,14)(9,12(
xxxxyxxxyxx
b 2221
22
21
121221
2 =-
-=
∑-∑∑∑∑-∑∑
=
828,13)7,14)(099,1()1,44)(564,0(2,27XbXbYa 2211 -=--=--=
Sehingga diperoleh persamaan regresi linier berganda yaitu:
Y = -13,828 + 0,564X1 + 1,099X2
1. Metode Kuadrat Terkecil (Interpretasi)
03/11/2014 www.debrina.lecture.ub.ac.id
18
Persamaan regresi linier berganda Y = -13,828 + 0,564X1 + 1,099X2
Nilai a = -13,828 Jika jam kerja pegawai (X1) dan jam kerja mesin (X2) keduanya bernilai nol, maka estimasi besarnya pajak tertunda (Y) sebesar -13,828
Nilai b1 = + 0,564 • Hubungan antara jam kerja pegawai (X1) dengan pajak tertunda (Y) • Jika jam kerja mesin (X2) adalah konstan, maka setiap kenaikan nilai
jam kerja pegawai (X1) sebesar satu satuan akan meningkatkan pajak tertunda (Y) sebesar 0,564 satuan,
Nilai b2 = + 1,099 • Hubungan antara jam kerja mesin (X2) dengan pajak tertunda (Y) • Jika jam kerja pegawai (X1) adalah konstan, maka setiap kenaikan
nilai jam kerja mesin (X2) sebesar satu satuan akan meningkatkan pajak tertunda (Y) sebesar 1,099 satuan
2. Persamaan Normal
03/11/2014 www.debrina.lecture.ub.ac.id
19
2. Persamaan Normal
03/11/2014 www.debrina.lecture.ub.ac.id
20
!𝑌 = 𝑛𝑎 + 𝑏1!𝑋1 + 𝑏2!𝑋2
!𝑋1𝑌 = 𝑎!𝑋1 + 𝑏1!𝑋12 + 𝑏2!𝑋1𝑋2
!𝑋2𝑌 = 𝑎!𝑋2 + 𝑏1!𝑋1𝑋2 + 𝑏2!𝑋22
03/11/2014 www.debrina.lecture.ub.ac.id
21
nke X1 X2 Y X1Y X2Y X1X2 X12 X2
2 Y2
1 45 16 29 1.305 464 720 2.025 256 8412 42 14 24 1.008 336 588 1.764 196 5763 44 15 27 1.188 405 660 1.936 225 7294 45 13 25 1.125 325 585 2.025 169 6255 43 13 26 1.118 338 559 1.849 169 6766 46 14 28 1.288 392 644 2.116 196 7847 44 16 30 1.320 480 704 1.936 256 9008 45 16 28 1.260 448 720 2.025 256 7849 44 15 28 1.232 420 660 1.936 225 78410 43 15 27 1.161 405 645 1.849 225 729
Rata2 44,1 14,7 27,2Total 441 147 272 12.005 4.013 6.485 19.461 2.173 7.428
Dari soal sebelumnya :
2. Persamaan Normal (Contoh Soal)
2. Persamaan Normal (Solusi - 1)
03/11/2014 www.debrina.lecture.ub.ac.id
22
2. Persamaan Normal (Solusi - 2)
03/11/2014 www.debrina.lecture.ub.ac.id
23
Diperoleh persamaan: Y = -13,828 + 0,564X1 + 1,099X2
3. Sistem Matriks
03/11/2014 www.debrina.lecture.ub.ac.id
24
3. Sistem Matriks
03/11/2014 www.debrina.lecture.ub.ac.id
25
AAa
detdet 1=
AAb
detdet 2
1 = AA
bdetdet 3
2 =
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
=
∑∑∑∑∑∑∑∑
22212
21211
21
XXXXXXXXXXn
A
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
=
∑∑∑∑∑∑∑∑∑
22212
21211
21
1
XXXYXXXXYXXXY
A
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
=
∑∑∑∑∑∑∑∑
2222
2111
2
2
XYXXXXYXXXYn
A
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
=
∑∑∑∑∑∑∑∑
YXXXXYXXXYXn
A
2212
1211
1
3
Dari persamaan normal disusun dalam bentuk
matriks
Mencari Determinan Matriks
03/11/2014 www.debrina.lecture.ub.ac.id
26
Untuk mencari determinan matriks berordo 3 x 3 dapat dengan beberapa metode, salah satunya dengan metode Sarrus. Misal ada sebuah matriks B.
Maka
03/11/2014 www.debrina.lecture.ub.ac.id
27
nke X1 X2 Y X1Y X2Y X1X2 X12 X2
2 Y2
1 45 16 29 1.305 464 720 2.025 256 8412 42 14 24 1.008 336 588 1.764 196 5763 44 15 27 1.188 405 660 1.936 225 7294 45 13 25 1.125 325 585 2.025 169 6255 43 13 26 1.118 338 559 1.849 169 6766 46 14 28 1.288 392 644 2.116 196 7847 44 16 30 1.320 480 704 1.936 256 9008 45 16 28 1.260 448 720 2.025 256 7849 44 15 28 1.232 420 660 1.936 225 78410 43 15 27 1.161 405 645 1.849 225 729
Rata2 44,1 14,7 27,2Total 441 147 272 12.005 4.013 6.485 19.461 2.173 7.428
Dari soal sebelumnya :
3. Sistem Matriks (Contoh Soal)
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
=
∑∑∑∑∑∑∑∑
22212
21211
21
XXXXXXXXXXn
A
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
=⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
∑∑∑
∑∑∑∑∑∑∑∑
YXYXY
bba
XXXXXXXXXXn
2
1
2
122212
21211
21
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
=
∑∑∑∑∑∑∑∑∑
22212
21211
21
1
XXXYXXXXYXXXY
A
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
=
∑∑∑∑∑∑∑∑
2222
2111
2
2
XYXXXXYXXXYn
A
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
=
∑∑∑∑∑∑∑∑
YXXXXYXXXYXn
A
2212
1211
1
3
AAa
detdet 1=
AAb
detdet 2
1 = AA
bdetdet 3
2 =
n = 10 ∑Y = 272 ∑X1 = 441 ∑X2 = 147 ∑X1Y = 12.005 ∑X2Y = 4.013 ∑X1X2 = 6.485 ∑X1
2 = 19.461
∑X2
2 = 2.173
∑Y
2 = 7.483
3. Sistem Matriks (Solusi)
Persamaan regresi berganda dengan
3 variabel bebas
03/11/2014 www.debrina.lecture.ub.ac.id
29
Persamaan regresi berganda dengan 3 variabel bebas (1)
03/11/2014 www.debrina.lecture.ub.ac.id
30
Persamaan regresi berganda dengan 3 variabel bebas (2)
03/11/2014 www.debrina.lecture.ub.ac.id
31
Kesalahan Baku & Koefisien Regresi
Berganda
03/11/2014 www.debrina.lecture.ub.ac.id
32
www.debrina.lecture.ub.ac.id
33 Kesalahan Baku & Koefisien Regresi Berganda (1) Kesalahan baku : nilai yang menyatakan seberapa jauh menyimpangnya nilai regresi terhadap nilai yang sebenarnya
( ) ( )( )mn
yxbyxbySe −
+−= ∑ ∑∑ 2211
2
( )( )21.Y21
21
e1
r1XnX
SSb
-∑ -= ( )( )21.2
222
2
1 Y
e
rXnX
SSb
−−=
∑
( )( ) ( )( )∑ ∑∑ ∑∑∑∑
−−
−=
22
22
21
21
21211.
XXnXXn
XXXXnrY Koefisien Korelasi
antara X1 dan X2
m = k+1 k = jmh var bebas
03/11/2014
www.debrina.lecture.ub.ac.id
34
Pada contoh soal sebelumnya ( ) ( )( )
mnyxbyxby
Se −
+−= ∑ ∑∑ 2211
2
071,1310
)6,14(10,1)8,9(56,0(6,29Se =
-+-
=
Dgn persamaan pd slide sebelumnya bisa diperoleh nilai Sb1 dan Sb2 :
Kesalahan Baku & Koefisien Regresi Berganda (2)
03/11/2014
Sb1 = 0,303 Sb2 = 0,313
Interval Keyakinan Bagi penduga B1 dan B2
www.debrina.lecture.ub.ac.id
35
Interval keyakinan bagi penduga B1 adalah b1 – t(α/2, n-k-1).Sb1< B1 < b1 + t(α/2, n-k-1).Sb1
0,564 – (2,365)(0,303) < B1 < 0,564 + (2,365)(0,303)
-0,153 < B1 < 1,281
Interval keyakinan bagi penduga B2 adalah B2 – t(α/2, n-k-1).Sb2 < B2 < b2 + t(α/2, n-k-1).Sb2
1,099 – (2,365)(0,313) < B2 < 1,099 – (2,365)(0,313)
0,359 < B2 < 1,839
Pengujian menggunakan distribusi t dengan derajat bebas (db) = n – m, Dengan contoh soal sebelumnya, dgn ∝ =5%, db = n – m = n – k -1 = 10 – 2 - 1 = 7, maka:
03/11/2014
Pengujian Parameter Koefisien Regresi
Berganda 1. Pengujian hipotesis serentak
2. Pengujian hipotesis individual
03/11/2014 www.debrina.lecture.ub.ac.id
36
Pengujian Parameter Koefisien Regresi Berganda
03/11/2014 www.debrina.lecture.ub.ac.id
37
Bertujuan untuk menentukan apakah ada sebuah hubungan linear antar variabel tidak bebas Y dengan variabel bebas X1, X2,… ,Xk.
Ada 2 bentuk pengujian hipotesis bagi koefisien regresi berganda:
1. Pengujian hipotesis serentak 2. Pengujian hipotesis individual
Pengujian Hipotesis Serentak Merupakan pengujian hipotesis koefisien regresi berganda dengan B1 dan B2 serentak atau secara bersama-sama mempengaruhi Y.
Pengujian Hipotesis individual Merupakan pengujian hipotesis koefisien regresi berganda dengan hanya satu B (B1 atau B2 ) yang mempengaruhi Y.
Pengujian Hipotesis Serentak (1)
www.debrina.lecture.ub.ac.id
38
Langkah-langkah pengujian:
1. Menentukan formulasi hipotesis ¡ H0 : B1 = B2 = 0 (X1 dan X2 tidak mempengaruhi Y) ¡ H1 : B1 ≠ B2 ≠ 0 (X1 dan X2 mempengaruhi Y atau
paling tidak ada X yang mempengaruhi Y
2. Menentukan taraf nyata (α) dan nilai F tabel ¡ Taraf (α) dan nilai F tabel ditentukan dengan
derajat bebas ν1 = k dan ν2 = n - k -1
3. Menentukan kriteria pengujian H0 diterima jika F0 ≤ Fα(ν1)(ν2) H0 ditolak jika F0 > Fα(ν1)(ν2)
Fα(ν1)(ν2) = …….
03/11/2014
Pengujian Hipotesis Serentak (2)
www.debrina.lecture.ub.ac.id
39
Langkah-langkah pengujian:
4. Menentukan nilai uji statistik dengan tabel ANOVA
Sumber Variasi
Jumlah Kuadrat
Derajat Bebas
Rata-rata Kuadrat
F0
Regresi (X1, X2) Error
JKR
JKE
k
n – k - 1
JKR k
JKE n - k -1
RKR RKE
Total JKT n - 1
∑ -=∑= 222 YnYyJKT
∑∑ += yxbyxbJKR 2211
( ) ( )∑ ∑-+∑ -= YXnYXbYXnYXbJKR 222111
atau
JKE = JKT - JKR 03/11/2014
Pengujian Hipotesis Serentak (2)
www.debrina.lecture.ub.ac.id
40
Langkah-langkah pengujian:
4. Menentukan nilai uji statistik dengan rumus F0
Selain menggunakan tabel ANOVA di atas, nilai F0 dapat pula ditentukan dengan menggunakan rumus:
( ))3(
12
0
−
−=
nKPB
KPB
FDimana: KPB = (R2) = koefisien penentu/koefisien
determinasi berganda n = jumlah sampel
𝑅2 =𝑏1 ∑𝑥1𝑦 + 𝑏2 ∑𝑥2𝑦
∑𝑦2 Dengan:
5. Membuat kesimpulan Menyimpulkan apakah H0 diterima atau ditolak
03/11/2014
Pengujian Hipotesis Individual (1)
www.debrina.lecture.ub.ac.id
41
Langkah-langkah pengujian:
1. Menentukan formulasi hipotesis ¡ H0 : Bi = 0 (tidak ada pengaruh Xi terhadap Y) ¡ H1 : Bi > 0 (ada pengaruh positif Xi terhadap Y) Bi < 0 (ada pengaruh negatif Xi terhadap Y) Bi ≠ 0 (ada pengaruh Xi terhadap Y)
2. Menentukan taraf nyata (α) dan nilai t tabel db = n - k
3. Menentukan kriteria pengujian H0 diterima jika t0 ≥ tα (n-m) H0 ditolak jika t0 < tα (n-m)
03/11/2014
Pengujian Hipotesis Individual (2)
www.debrina.lecture.ub.ac.id
42
Langkah-langkah pengujian:
4. Menentukan nilai uji statistik
5. Membuat kesimpulan
03/11/2014
SOLUSI : Pengujian Individual (1)
03/11/2014 www.debrina.lecture.ub.ac.id
43
1. Menentukan formulasi hipotesis H0 : B1 = 0 (tidak ada pengaruh X1 terhadap Y) H1 : B1 ≠ 0 (ada pengaruh X1 terhadap Y) Dan H0 : B2 = 0 (tidak ada pengaruh X2 terhadap Y) H1 : B2 ≠ 0 (ada pengaruh X2 terhadap Y)
2. Menentukan taraf nyata (α) dan nilai t tabel ∝ = 0,05 derajat bebas = 10 – 3 =7 t (0,025;7) = 2,365
3. Menentukan kriteria pengujian H0 diterima jika ti < t (0,025;7) = 2,365 dan ti > t (0,025;7) = - 2,365 H0 ditolak jika ti > t (0,025;7) = 2,365 dan ti < t (0,025;7) = - 2,365
SOLUSI : Pengujian Individual (2)
03/11/2014 www.debrina.lecture.ub.ac.id
44
4. Menentukan nilai uji statistik Untuk uji B1 Untuk uji B2
5. Kesimpulan Karena t1à 1,859 < 2,365 Maka terima hipotesis H0 : B1 = 0 Karena t2à 3,511 > 2,365 Maka tolak Ho : B2 = 0
Berarti: à tidak ada hubungan linier antara variabel X1 dgn Y à ada hubungan linier antara variabel X2 dgn Y