Estimasi Parameter Model Regresi Linier

dan                  n i ij ij k j j i k j X X Y L 1 1 1 ˆ ˆ 2 ˆ ,..., ˆ , ˆ       , dimana j = 1, 2, 3, ..., k. Dari persamaan 2.2 dan 2.3 diperoleh persamaan normal kuadrat terkecil:              n i n i n i i ik j i n i i Y X X X n 1 1 1 2 2 1 1 1 ˆ ... ˆ ˆ ˆ                    n i n i n i i ik ik j i ik n i i ik n i ik Y X X X X X X X 1 1 1 2 2 2 1 1 1 1 ˆ ... ˆ ˆ ˆ     Penyelesaian persamaan normal menjadi estimator kuadrat terkecil dari koefisien k     ˆ ,..., ˆ , ˆ , ˆ 2 1 , lebih sederhana jika persamaan normal tersebut diselesaikan dengan pendekatan matriks. Persamaan 2.3 dapat disusun dalam bentuk matriks: = Karena adalah skalar 1 x 1 maka matriks transposenya adalah = Y . Jadi L = ee = . Dengan meminimumkan L terhadap elemen kemudian disamadengankan dengan nol maka: maka diperoleh =                n i n i n i i i ik i j i i n i i n i i Y X X X X X X X 1 1 1 1 1 2 1 2 1 2 1 1 1 1 ˆ ... ˆ ˆ ˆ     Sehingga penaksiran parameter untuk model 2.1 adalah . Dimana merupakan vektor dari parameter yang ditaksir berukuran k+1 1, nilai X merupakan matriks variabel independen berukuran n k+1 dan Y adalah vektor observasi dari variabel dependen berukuran n 1

2.3.2 Uji Hipotesis dalam Regresi Global

Menurut Montgomery dan Peck 1982, untuk menguji kesesuaian model regresi OLS digunakan analisis varian yang dibuat dengan cara menguraikan bentuk jumlah kuadrat total JKT menjadi dua jumlah kuadrat regresi JKR dan jumlah kuadrat galat JKG. Untuk pengujian model regresi digunakan dua uji, yaitu:

a. Uji Signifikansi Model Secara Serentak Uji Statistik F

Uji statistik F pada dasarnya menunjukkan apakah semua variabel independen yang dimasukkan dalam model mempunyai pengaruh secara bersama-sama terhadap variabel dependen. Hipotesis yang diuji adalah yaitu: H : β 1 = β 2 = β 3 = ....= β k = 0 tidak ada hubungan linier antara variabel independen dengan variabel dependen atau model tidak sesuai H 1 : minimal ada satu j dengan β j ≠ 0 , j = 1, 2, 3, …, k. ada hubungan linier antara variabel independen dengan variabel dependen atau model sesuai Statistik Uji: 1    k n JKG k JKR F hitung Dimana n adalah jumlah observasi dan k adalah banyaknya variabel independen. Kriteria Penolakan: Tolak H jika F hitung F tabel F ;k;n-k-1 atau tolak H jika nilai p-value α. Tabel 2 . Analisis Varian Model Regresi Sumber Variansi Jumlah Kuadrat Derajat Bebas Rata – rata Kuadrat F hitung Regresi k Galat n-k-1 Total n-1

b. Uji Signifikansi Model Secara Parsial Uji Statistik t

Uji statistik t pada dasarnya menunjukkan seberapa jauh pengaruh satu variabel independen secara individual dalam menerangkan variasi variabel dependen. Hipotesis yang hendak diuji adalah yaitu: H : β j = 0 , j = 1, 2, ... , k Variabel X j tidak berpengaruh terhadap model H 1 : β j ≠ 0 , j = 1, 2, ... , k Variabel X j berpengaruh terhadap model Statistik Uji : t hitung = ; Dimana Se diperoleh dari nilai dari akar sementara nilai diperoleh dari perkalian nilai diagonal utama matriks dengan nilai . Kriteria Penolakan:

Dokumen yang terkait

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 6

PEMODELAN DATA KEMISKINAN DI PROVINSI SUMATERA BARAT MENGGUNAKAN METODE GEOGRAPHICALLY WEIGHTED REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 5

UJI HIPOTESIS MODEL MIXED GEOGRAPHICALLY WEIGHTED REGRESSION DENGAN METODE BOOTSTRAP - Diponegoro University | Institutional Repository (UNDIP-IR) D03 Hasbi Yasin

0 0 10

PEMILIHAN VARIABEL PADA MODEL GEOGRAPHICALLY WEIGHTED REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 10

PEMODELAN PENDAPATAN ASLI DAERAH (PAD) DI KABUPATEN DAN KOTA DI JAWA TENGAH MENGGUNAKAN GEOGRAPHICALLY WEIGHTED RIDGE REGRESSION - Diponegoro University | Institutional Repository (UNDIP-IR)

0 0 18

GEOGRAPHICALLY WEIGHTED REGRESSION PRINCIPAL COMPONENT ANALYSIS (GWRPCA) PADA PEMODELAN PENDAPATAN ASLI DAERAH DI JAWA TENGAH - Diponegoro University | Institutional Repository (UNDIP-IR)

3 12 21

PENENTUAN MODEL KEMISKINAN DI JAWA TENGAH DENGAN MULTIVARIATE GEOGRAPHICALLY WEIGHTED REGRESSION (MGWR) - Diponegoro University | Institutional Repository (UNDIP-IR)

1 1 17

PEMODELAN FIXED EFFECT GEOGRAPHICALLY WEIGHTED PANEL REGRESSION UNTUK INDEKS PEMBANGUNAN MANUSIA DI JAWA TENGAH - Diponegoro University | Institutional Repository (UNDIP-IR) Siti Maulina M.

5 15 20

Pemodelan dan Pemetaan Prevalensi Kusta di KabupatenKota Jawa Timur dengan Pendekatan Mixed Geographically Weighted Regression

0 0 6

PEMODELAN ANGKA PARTISIPASI SEKOLAH JENJANG MENENGAH ATAS DI JAWA TIMUR DENGAN PENDEKATAN MIXED GEOGRAPHICALLY WEIGHTED REGRESSION Repository - UNAIR REPOSITORY

1 1 12