II. TINJAUAN PUSTAKA
II.1 Analisis Regresi Berganda
Analisis regresi linear berganda adalah analisis regresi linear dengan dua atau lebih peubah bebas dalam modelnya. Ada pun bentuk umum dari analisis regresi linear
berganda menurut Myers 1990 adalah : � = �
+ �
1 1
+ … + �
+
y
i
adalah peubah respon ke- i, β
adalah parameter intersep, X adalah peubah penjelas, dan
ε adalah komponen galat yang tidak bisa dijelaskan model. Seperti halnya analisis regresi sederhana, analisis regresi linear berganda memiliki asumsi bahwa E
ε=0, var
ε = σ
2
, E ε
i
, ε
j
= 0, galat menyebar normal, galat bebas terhadap peubah bebas. Sebagai tambahan, asumsi pada regresi linear berganda adalah tidak adanya hubungan
linear antar peubah bebas, covX
i
, X
j
= 0.
II.2 Ukuran Kepentingan Peubah Metode Konvensional
Koefisien regresi βj dalam model regresi berganda menggambarkan berapa perubahan Y jika peubah bebas ke-j
berubah 1 unit satuan. Koefisien βj yang paling besar bukan berarti menggambarkan pengaruh peubah bebas ke-j yang paling besar
karena satuan koefisien regresi bergantung pada satuan peubah respon Y dan peubah bebas ke-j. Untuk mengkaji relatif pentingnya masin-masing peubah bebas, terdapat
beberapa ukuran yang sering digunakan.
II.3 Koefisien Baku
Koefisien baku menggambarkan relatif pentingnya peubah bebas X
j
dalam model regresi berganda. Untuk menghitung koefisien baku, hal yang perlu dilakukan
hanyalah melakukan regresi linear, yang mana di dalamnya masing-masing peubah
dibakukan dengan cara mengurangi dengan rata-ratanya dan dibagi simpangan bakunya. Model regresi yang dibakukan adalah sebagai berikut :
− =
�
2 ∗
21
−
2
2
+ … + �
2 ∗
− +
∗
Hubungan koefisien baku β
j
dan koefisien awal β
j
adalah : �
∗
= �
semakin besar nilai koefisien baku, semakin penting peubah bebasnya. Namun ukuran kepentingan dengan koefisien baku ini tidak tepat digunakan bila data peubah bebasnya
memiliki hubungan linear ada multikolinearitas.
II.4 Korelasi Parsial
Kategori