113470024-regresi-berganda
Transcript of 113470024-regresi-berganda
-
7/29/2019 113470024-regresi-berganda
1/10
STATISTIK DESKREPTIF(I)
Multiple Regresi
MODUL 13
OlehIr.Sahibul Munir,SE.,MSi
FAKULTAS EKONOMI PROGRAM KELASKARYAWAN
UNIVERSITAS MERCU BUANA
-
7/29/2019 113470024-regresi-berganda
2/10
2007/2008
REGRESI BERGANDAModulregresi sederhanayang telah dibahas pada bab terdahulu difokuskan pada
modul yang menggunakan satu veriabel indenpenden X untuk mengestimasi nilai
variabel dependen Y. Modal ini dikembangankan untuk mengestimasinilai variabel
dependen Y dengan menggunakan lebih dari satu variabel indenpenden (X1, X2 ., Xn).
Dalamkasus ekonomi dan bisnis seringkali dijumpai perubahan suatu variabel dipengaruhi
oleh lebih dari satu variabel. Misalnya nilai penjualan tidak hanya dipengaruhi oleh biaya
promosi akan tetapi dapat juga secara bersama sama dipengaruhi oleh pengeluaran
untuk penelitian dan pengembangan, dan faktor faktor lainnya.
Hubungan fungsional antara variabel dependen (Y) dengan variabel
indenpenden adalah
Y = f(X1, X2,., Xn) 4 1
Yang menyatakan bahwa
Y = Variabel dependen
X1, X2,,Xn) =Variabel indenpenden
Dalam pembahasan mengenai regresi sederhna, simbol yang digiunakan untuk
variabel indenpenden adalah X. Dalam regresi berganda Persamaan regresi mempunyai
lebih dari satu vvariabel indenpenden. Untuk memberi simbol variabel indenpenden yang
terdapat dalam persamaan regresi berganda adalah dengan melanjutkan simbol yang
digunakan pada regresi sederhana yaitu dengan menambah tanda bilangan pada masing
masing variabel indenpenden tersebut misalnya X1, X2.,Xn.
Misalnya, dalam suatu persamaan regresi berganda yang mempunyai variabel
dependen Y dengan dua variabel indenpenden, Ykni X1 dan X2. Secara umum persamaan
regresi bergandanya dapat ditulis sebagai berikut.
= a + b1X1 + b2 X2
4 2
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.SiSTATISTIKA 1
-
7/29/2019 113470024-regresi-berganda
3/10
Dimana : = nilai estimasi Y
a= nilai Y pada perpotongan antara garis linear dengan sumbu vartikel Y
X1 ,X2 = nilai variabel indenpenden X1 dan X2
b1, b2 = Slope yang berhubungan dengan variabel X1 dan X2
Menentukan Persamaan Regresi Berganda
Persamaan regresi dari suatu data observasi dapat dibuat dengan menentukan besarnya
a, b1 dan b2 dapat dientukan dengan menggunakan tiga persamaan berikut ini
Y = na + b1 X1 + b2 X2 .4 3
X1Y = a X1 + b1 X1 + b1 X1X2 4 4
X2Y = a X2 + b1 X1X2 + b2 X2 .4 5
Besarnya a,b1 dan b2 dapat dicari dengan memanpulasi ketiga persamaan
tersebut.
Berikut ini contoh mentukan persamaan regresi berganda dengan menggunakan
data yang terdapat pada Tabel 4.1. pada contoh tersebut Y merupakan dependen.Sedangkan X1dan X2 merupakan variabel indenpenden.
Untuk memperoleh nilai nilai yang diperlukan pada persamaan 4 3 , 4
4, dan 4 5 maka data pada Tabel 4 . 1 diolah seperti data yang terdapat pada
Tabel 4.2.
Tabel 4.1. Data Contoh Menentukan Persamaan Regresi
Y X1 X210
17
18
26
35
8
8
21
14
17
36
6
4
9
11
20
13
28
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.SiSTATISTIKA 1
-
7/29/2019 113470024-regresi-berganda
4/10
Penyelesaian persamaan 4-3,4-4, dan 4-5 bertujuan untuk menentukan a, b1, dan b2.
Dengan memasukan nilai-nilai yang diperoleh dari tabel 4.2 ke dalam persamaan 4-3, 4-4,
dan 4-5, maka dihasilkan tiga buahpersamaan yang yang mengandung a,b1, dan b2 yang
nilainya belum diketahui,yaitu:
144 = 6a + 102b1 + 85b2
2.439 = 102a + 2.333b1 + 1.351b2
1. 590 = 85a + 1.351b1 + 1.571b2
Apabila ketiga persamaan tersebut diselesaikan secara simultan, maka
diperoleh nilai a, b1, dan b2 sebagai berikut :
a = 1,8713
b1 = 0,8771
b2 = 0,1566
Nilai a menunjukkan besarnya Y jika X1 dan X2 sama dengan nol. Nilai b1
menunjukkan besarnya perubahan Y dan X1 berubah sebanyak 1 unit. Nilai b2
menunjukkan 1 unit.
Tabel 4.2 data hasil pengolahan dari data pada tabel 4.1
Y X1 X2 X1Y X2Y X2X2 X12 X2
2 Y2
10
17
18
26
35
8
144
8
21
14
17
36
6
102
4
9
11
20
13
28
85
80
357
252
442
1.260
48
2.439
40
153
198
520
455
224
1.590
32
189
154
340
468
168
1.351
64
441
196
289
1.296
36
2.322
16
81
121
400
169
784
1.571
100
389
324
676
1.225
64
2.678
Y X1 X2 X1Y X2Y X1X2 X12
X22
2
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.SiSTATISTIKA 1
-
7/29/2019 113470024-regresi-berganda
5/10
Nilai a, b1 dan b2 disubstitusikan ke dalam persamaan regresi dua variabel secara umum
akan diperoleh sebuah persamaan regresi linear yang menunjukan hubungan antara
variabel X1, X2 dengan Y sebagai berikut :
Y = a + b1X1 + b2 X2
Y = 1,8713 + 0,8771X1 + 0, 1566X2
Nilai estimasi Y disubstitusikan ke dalam persamaan regresi dua variabel secara umum
akan diperoleh sebuah persamaan regresi linear yang menunjukkan
hubungan antara variabel X1, X2 denagn Ysebagai berikut :
Y = a + b1X1 + b2X2
Y = 1,87313 + 0,8771X1 + 0,1566X2
Nilai estimasi Y dapat ditentukan dengan menggunakan persamaan regresi
estimasi yang diperoleh. Misalnya nilai X1 = 600 dan nilai X2 = 1000, maka nilai Y
estimasiadalah :
= 1.8713 + 0,8771X1 + 0,1566X2
= 1,8713 + 0,8771(600) + 0,1566
(1000)
= 1,8713 +526.26 + 156,6
= 684.7313
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.SiSTATISTIKA 1
-
7/29/2019 113470024-regresi-berganda
6/10
1). Perumusan Hipotesis
Jika diduga bahwa suatu variabel mempunyai hubungan yang positif
dengan variabel lain, maka rumusan hipotesisnya adalah
Ho : = 0 (tidak ada hubungan antara suatu variabel yang positif
dengan variabel lain)
Ha : > 0 (terdapat hubungan yang positif dan signifikan anatara suatu
suatu variabel dengan variabel lainnya)
2). Menentukan taraf nyata (level of signifance ) , misalnya 5%
3). Menetukan titik kritis (daerah penerimaan / penolakan Ho).
Titik kritis dicari dengan bantuan Tabel t (t distribution) Nilai t-tabel ditentukan
berdasarkan tingkat signifikansi () yang digunnakan dan derajat bebas atau
degree of freedom (df), dimana df = n-2, yang besarnya tergantung pada jumlah
sampel (n).
Jika misalnya = 0,05 dan n=8 atau df = 8 - 2 = 6, maka t tabel nya adalah :
t tabel = t ; df = t 0,05;6 = 1,943
4). Membandingkan nilai t hitung dengan t-tabel.
Jika t-hitung < t-tabel, maka keputusannya adalah menerima hipotesis nol (Ho) .
Sebaliknyajika t hitung > t tabel , maka keputusannya adalah tolak Ho,dan terima Ha.
Nilai t-hitung ditentukan dengan formula sbb:
21
2
r
nrt
=
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.SiSTATISTIKA 1
-
7/29/2019 113470024-regresi-berganda
7/10
Terima Ho
5). Kesimpulan
Kesimpulan di buat berdasarkan keputusan yang diambil.
Jika keputusan menerima Ho , kesimpulannya adalah tidak ada korelasi
(hubungan) antara variabel satu dengan variabel lainnya. Sebaliknya jika
tolak Ho dan terima Ha, maka kesimpulannya adalah terdapat korelasi
(hubungan) positif yang signifikan antara variabel satu dengan variabel lainnya.
(The Chi Square Test)
Sebaagaimana yang sering dijumpai, bahwa nilai observasi atau pengamatan yang
diperoleh dari suatu sempel tidak selalu persis sama dengan nilai yang diharapkan atau
nilai teoritis yang sesuai dengan azas probabilita
Dalam percobaan pelembaransebuah dadu sebanyak 60 kali, diharapkan atau secara
teoritis akan diperoleh mata dadu :1. Sebanyak 1/6 x 60 kali = 10 kali
2. Sebanyak 1/6 x 60 kali = 10 kali
3. Sebanyak 1/6 x 60 kali = 10 kali
4. Sebanyak 1/6 x 60 kali = 10 kali
5. Sebanyak 1/6 x 60 kali = 10 kali
6. Sebanyak 1/6 x 60 kali = 10 kali
Namun demikian secara aktual atau kenyataannya tidak demikian, dan setelah diobservasi
hasilnya :Mata dadu 1 Frekuensi munculnya = 8
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.SiSTATISTIKA 1
t =1,943
Tolak Ho/Terima Ha
-
7/29/2019 113470024-regresi-berganda
8/10
Mata dadu 2 Frekuensi munculnya = 11
Mata dadu 3 Frekuensi munculnya = 11
Mata dadu 4 Frekuensi munculnya = 12
Mata dadu 5 Frekuensi munculnya = 9
Mata dadu 6 Frekuensi munculnya = 9
60
Berdasarkan hasil observasi dari percobaan percobaan diatas dapat muncul pertanyaan
apakah mata dadu tersebut imbang (fair )? Dalam pengertian statistik mata dadu yang
imbang (fair) dapat menggambarkan distribusi probabilita yang selanjutnya dalam
pembahasan ini disebut sebagai Hipotesis nol (Ho)
Pertanyaan diatas dapat juga dinyatakan sebagai berikut :
Apakah data observasi sesuai dengan Hipotesis nol (Ho) atau Apakah hasil
pengamatan (observasi) itu tidak berbeda dengan hasil yang diharapkan.
Sedangkan metode statistik yang dipakai untuk menguji masalah tsb diatas didasarkan
pada 2 distribusition (distribusi kai kuadrat, 2).
Satatistik 2 (kai kuadrat ) merupakan suatu ukuran ketidak cocokan / ketidak sesuaian
anatara hasil pengamatan (observasi ) dengan hasil yang diharafkan (expected) dandirumuskan:
( )
Eij
Eijoij2
2 =
dimana :
Oij = nilai observasi pada berisi kolom j.Eij = nilai yang diharapkan pada baris I, kolom j.
Dalam pembahasan distribusi atau pengujian 2 ini hanya meliputi
1. Test of Inedepedence
2. Test of Good ness of Fit
1. Pengujian Independensi ( Analisis abel Kontigensi)
Pengujian ini ddigunakan untuk mengetahui apakah 2 variabel memiliki hubungan atau
tidak .
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.SiSTATISTIKA 1
-
7/29/2019 113470024-regresi-berganda
9/10
Misalnya ingin diuji apakah ada hubungan atau tidak antara jenis kelamin dengan
indeks prestasi (IP) mahasiswa . Untuk tujuan tersebut diambil sempel 120 mahasiswa
dan 80 mahasiswa. Hasil pengamatan (observasinya) adalah sbb:
Tabel 1. Indesk Prestasi Mahasiswa Menurut Jenis Kelamin.
Indeks Prestasi
TotalBagus
sekali
Bagus Cukup Kurang
Mahasiswa 27 35 33 25 120
Mahasiswa 13 15 27 25 80
Total 40 50 60 50 200
Dengan = 5 % ujilah hipotesis yang menyatakan bahwa Indeks Prestasi tidak
berhubungan (independen) dengan jenis kelamin mahasiswa.
Prosedur Pengujiannya
1). Menentukan Ho dan Hi
Ho : Indeks Prestasi tidak berhubungan dengan jenis kelamin
Hi : Indeks Prestasi berhubungan dengan jenis kelamin
2). Menentukan daerah penolakan Ho dengan menggunakan distribusi 2 atau 2
tabeldf = (n 1)(k 1)
Dimana :
n = Jumlah baris
k = Jumlah kolom
df = (2 1) ( 4 1 ) = 3
Pada Tabel distribusi 2 untuk = 0,05 dan df = 3 maka 2 = 7,815
3). Menghitung nilai statistik uji (mencari 2 hitung )
( )
E
E2
2 0 =
Dimana :
O = Frekuensi pengamatan (observasi)
E = Frekuensi yang diharapkan
Nilai E untuk setiap sel dapat dicari dengan rumus :
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.SiSTATISTIKA 1
-
7/29/2019 113470024-regresi-berganda
10/10
Pusat Pengembangan Bahan Ajar - UMB Ir. Sahibul Munir SE, M.SiSTATISTIKA 1