REGRESI KORELASI LINIER SEDERHANA
REGRESI & KORELASI LINIER SEDERHANA
1.
Pendahuluan
• Gagasan perhitungan ditetapkan oleh Sir Francis Galton (1822-1911)
• Persamaan regresi :Persamaan matematik yang memungkinkan peramalan nilai suatu
peubah takbebas (dependent variable) dari nilai peubah bebas
(independent variable)
• Diagram Pencar = Scatter Diagram
Diagram yang menggambarkan nilai-nilai observasi peubah takbebas dan peubah
bebas.
Nilai peubah bebas ditulis pada sumbu X (sumbu horizontal)
Nilai peubah takbebas ditulis pada sumbu Y (sumbu vertikal)
Nilai peubah takbebas ditentukan oleh nilai peubah bebas
Anda sudah dapat menentukan mana peubah takbebas dan peubah bebas?
Contoh 1:
Umur Vs Tinggi Tanaman
Biaya Promosi Vs Volume penjualan
(X : Umur, Y : Tinggi)
(X : Biaya Promosi, Y : Vol. penjualan)
• Jenis-jenis Persamaan Regresi : a. Regresi Linier :
- Regresi Linier Sederhana
- Regresi Linier Berganda
b. Regresi Nonlinier
- Regresi Eksponensial
• Regresi Linier
- Bentuk Umum Regresi Linier Sederhana
Y = a + bX
Y
X
a
b
: peubah takbebas
: peubah bebas
: konstanta
: kemiringan
- Bentuk Umum Regresi Linier Berganda
Y = a + b1X1 + b2X2 + ...+ bnXn
Y
X1
X2
Xn
: peubah takbebas
: peubah bebas ke-1
: peubah bebas ke-2
: peubah bebas ke-n
RegresiKorelasi / thomasyunigunarto / Hal 1 – dari 9
a
b1
b2
bn
: konstanta
: kemiringan ke-1
: kemiringan ke-2
: kemiringan ke-n
• Regresi Non Linier
- Bentuk umum Regresi Eksponensial
Y = abx
log Y = log a + (log b) x
2.
Regresi Linier Sederhana
• Metode Kuadrat terkecil (least square method):
menetapkan persamaan regresi linier sederhana
metode
paling populer untuk
- Bentuk Umum Regresi Linier Sederhana :
Y = a + bX
Y
a
: peubah takbebas
: konstanta
X
b
: peubah bebas
: kemiringan
Nilai b dapat positif (+) dapat negartif (-)
b : positif → Y
b : negatif → Y
Y = a + bX
Y = a - bX
X
X
• Penetapan Persamaan Regresi Linier Sederhana
⎛ n ⎞⎛ n ⎞
n∑ xi yi − ⎜ ∑ xi ⎟ ⎜ ∑ yi ⎟
⎝ i =1 ⎠ ⎝ i =1 ⎠
i =1
n
b=
⎛ n ⎞
2
n∑ xi −⎜ ∑ xi ⎟
⎝ i =1 ⎠
i =1
n
2
n
n
a = y − bx
sehingga
a=
∑y
i =1
n
i
−b
n : banyak pasangan data
yi : nilai peubah takbebas Y ke-i
xi : nilai peubah bebas X ke-i
Contoh 2 :
RegresiKorelasi / thomasyunigunarto / Hal 2 – dari 9
∑x
i =1
n
i
Berikut adalah data Biaya Promosi dan Volume Penjualan PT BIMOIL perusahaan Minyak
Goreng.
x
Tahun Biaya Promosi
(Juta Rupiah)
1992
2
1993
4
1994
5
1995
7
1996
8
Σ
Σx = 26
y
Volume Penjualan
(Ratusan Juta Liter)
5
6
8
10
11
Σy = 40
xy
10
24
40
70
88
Σxy = 232
x²
4
16
25
49
64
Σx² =158
y²
25
36
64
100
121
Σy² = 346
bentuk umum persaman regresi linier sederhana : Y = a + b X
n=5
b=
n
⎛ n ⎞⎛ n ⎞
n ∑ x i yi − ⎜ ∑ x i ⎟ ⎜ ∑ yi ⎟
⎝ i =1 ⎠ ⎝ i = 1 ⎠
i =1
n
⎛ n ⎞
n∑ xi2 −⎜ ∑ xi ⎟
⎝ i =1 ⎠
i =1
a=
i =1
b=
(5 × 232) − (26 × 40) 1160 − 1040 120
=
=
= 1.0526 = 1.053
790 − 676 114
(5 × 158) − (26 2 )
n
n
∑ yi
2
−b
∑x
i =1
i
n
n
26 ⎞
40 ⎛
a=
− ⎜ 1.05263...× ⎟ = 8 − (1.05263...×5.2) = 8 − 5.4736... = 2.5263....= 2.530
5⎠
5 ⎝
Y=a+bX
→
Y = 2.530 + 1.053 X
• Peramalan dengan Persamaan Regresi
Contoh 3 :
Diketahui hubungan Biaya Promosi (X dalam Juta Rupiah) dan Y (Volume penjualan dalam
Ratusan Juta liter) dapat dinyatakan dalam persamaan regresi linier berikut
Y = 2.530 + 1.053 X
Perkirakan Volume penjualan jika dikeluarkan biaya promosi Rp. 10 juta ?
Jawab :
3.
Y = 2.530 + 1.053 X
X = 10
Y = 2.53 + 1.053 (10) = 2.53 + 10.53 = 13.06 (ratusan juta liter)
Volume penjualan = 13.06 x 100 000 000 liter
Korelasi Linier Sederhana
RegresiKorelasi / thomasyunigunarto / Hal 3 – dari 9
• Koefisien Korelasi (r) : ukuran hubungan linier peubah X dan Y
Nilai r berkisar antara (+1) sampai (-1)
Nilai r yang (+) ditandai oleh nilai b yang (+)
Nilai r yang (-) ditandai oleh nilai b yang (-)
Jika nilai r mendekati +1 atau r mendekati -1 maka
X dan Y memiliki korelasi linier yang tinggi
Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna
Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier
(dalam kasus r mendekati 0, anda dapat melanjutkan analisis ke regresi eksponensial)
• Koefisien Determinasi Sampel = R = r²
Ukuran proporsi keragaman total nilai peubah Y yang dapat dijelaskan oleh nilai
peubah X melalui hubungan linier.
Penetapan & Interpretasi Koefisien Korelasi dan Koefisien Determinasi
⎛ n ⎞⎛ n ⎞
n∑ xi yi − ⎜ ∑ xi ⎟ ⎜ ∑ yi ⎟
⎝ i=1 ⎠ ⎝ i=1 ⎠
i =1
n
r=
2
2
n
n
⎤
⎡ n
⎤⎡ n
⎛
⎞
⎛
⎞
2
2
⎢n∑ xi −⎜ ∑ xi ⎟ ⎥⎢n∑ yi −⎜ ∑ yi ⎟ ⎥
⎝ i=1 ⎠ ⎥⎦
⎝ i=1 ⎠ ⎥⎦⎢⎣ i=1
⎢⎣ i=1
R = r2
Contoh 4 :
Lihat Contoh 2, setelah mendapatkan persamaan Regresi Y = 2.530 + 1.053 X, hitung koef.
korelasi (r) dan koef determinasi (R).
Gunakan data berikut (lihat Contoh 2)
Σx = 26 Σy = 40
r=
Σxy = 232
n
⎛ n ⎞⎛ n ⎞
n∑ xi yi − ⎜ ∑ xi ⎟ ⎜ ∑ yi ⎟
⎝ i =1 ⎠ ⎝ i =1 ⎠
i =1
2
2
n
⎡ n
⎞ ⎤⎡ n 2 ⎛ n ⎞ ⎤
2 ⎛
⎢n∑ xi −⎜ ∑ xi ⎟ ⎥ ⎢n∑ yi −⎜ ∑ yi ⎟ ⎥
⎝ i =1 ⎠ ⎥⎦
⎝ i =1 ⎠ ⎥⎦ ⎢⎣ i =1
⎢⎣ i =1
RegresiKorelasi / thomasyunigunarto / Hal 4 – dari 9
Σx² =158
Σy² = 346
r=
(5 × 232) − (26 × 40)
[(5 × 158) − (26 )] × [ (5 × 346) − (40 )]
2
2
=
=
1160 − 1040
[ 790 − 676] × [1730 − 1600]
=
120
114 × 130
120
120
=
= 0.9857...
. ...
14820 12173
Nilai r = 0.9857 menunjukkan bahwa peubah X (biaya promosi) dan Y (volume penjualan)
berkorelasi linier yang positif dan tinggi
R = r 2 = 0.9857...2 = 0.97165....= 97 %
Nilai R = 97% menunjukkan bahwa 97% proporsi keragaman nilai peubah Y (volume
penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) melalui hubungan linier.
Sisanya, yaitu 3 % dijelaskan oleh hal-hal lain.
4.
Regresi Linier Berganda
• Pembahasan akan meliputi regresi linier dengan 2 Variabel Bebas (X1 dan X2) dan 1
Variabel Tak Bebas (Y).
• Bentuk Umum : Y = a + b1 X1 + b2 X2
Y
: peubah takbebas
X1
: peubah bebas ke-1
X2
: peubah bebas ke-2
a
b1
b2
: konstanta
: kemiringan ke-1
: kemiringan ke-2
• a , b1 dan b2 didapatkan dengan menyelesaikan tiga persamaan Normal berikut:
(i)
n
n
n
i =1
i =1
i =1
n a + b1 ∑ x1i + b 2 ∑ x2i = ∑ yi
n
n
n
n
i =1
i =1
a ∑ x1i + b1 ∑ x1i + b 2 ∑ x2i x1i = ∑ x1i yi
2
(ii)
(iii)
i =1
i =1
n
n
n
n
i =1
i =1
i =1
i =1
a ∑ x2i + b1 ∑ x2i x1i + b 2 ∑ x2i 2 = ∑ x2i yi
n : banyak pasangan data
x1i : nilai peubah bebas X1 ke-i
Contoh 4:
RegresiKorelasi / thomasyunigunarto / Hal 5 – dari 9
yi : nilai peubah takbebas Y ke-i
x2i : nilai peubah bebas X2 ke-i
Berikut adalah data Volume Penjualan (juta unit) Mobil dihubungkan dengan variabel biaya
promosi (X1 dalam juta rupiah/tahun) dan variabel biaya penambahan asesoris (X2 dalam
ratusan ribu rupiah/unit).
x1
x2
y
x1 x2
x1y
x2y
x1²
x2²
y²
2
3
5
6
7
8
3
4
6
8
9
10
4
5
8
10
11
12
6
12
30
48
63
80
8
15
40
60
77
96
12
20
48
80
99
120
4
9
25
36
49
64
9
16
36
64
81
100
16
25
64
100
121
144
∑x = ∑x
1
2
=
1 2
50
40
31
∑y= ∑x x
∑
=
x1y =
296
239
Tetapkan Persamaan Regresi Linier Berganda
n=6
∑ x = 31
∑ x x =239
∑ x =187
1
∑x
1 2
∑
2
x 1 y =296
∑x
2
1
= 40
2
2
=306
∑x
(i)
∑ y = 50
∑ x y = 379
∑ y = 470
2
2
n a + b1 ∑ x1i + b 2 ∑ x2i = ∑ yi
i =1
(ii)
(iii)
i =1
i =1
n
n
n
i =1
n
i =1
n
i =1
i =1
i =1
n
a ∑ x1i + b1 ∑ x1i 2 + b 2 ∑ x2i x1i = ∑ x1i yi
n
i =1
n
a ∑ x2i + b1 ∑ x2i x1i + b 2 ∑ x2i 2 = ∑ x2i yi
i =1
i =1
Sehingga didapatkan tiga persamaan berikut:
(i)
(ii)
(iii)
6a
31 a
40 a
+
+
+
31 b1 +
187 b1 +
239 b1 +
RegresiKorelasi / thomasyunigunarto / Hal 6 – dari 9
40 b2
239 b2
306 b2
∑x
187
= a + b1 X1 + b2 X2
n
n
y=
379
Masukkan notasi-notasi ini dalam ketiga persamaan normal,
n
2
= 50
= 296
= 379
2
1
=
∑x
306
2
2
=
∑y
470
2
=
Lakukan Eliminasi, untuk menghilangkan (a)
(ii)
(i)
31 a
6a
+
+
(ii)
(i)
189 a +
189 a +
(iv)
187 b1
31 b1
+
+
239 b2
40 b2
= 296
= 50
1122 b1
961 b1
+
+
1434 b2
1240 b2
= 1776
= 1550
161b1
+
194 b2
= 226
239 b1
31 b1
+
+
306 b2
40 b2
= 379
= 50
1434 b1
1240 b1
+
+
1836 b2
1600 b2
= 2274
= 2000
194 b1
+
236 b2
= 274
×6
× 31
Lalu
(iii)
(i)
40 a
6a
+
+
(iii)
(i)
240 a +
240 a +
(v)
× 6
× 40
Selanjutnya, eliminasi (b1) dan dapatkan nilai (b2)
(v)
(iv)
194 b1
161 b1
+
+
236 b2
194 b2
= 274
= 226
(v)
(iv)
31234 b1
31234 b1
+
+
37996 b2
37636 b2
= 44114
= 43844
360 b2
b2
=
=
270
0.75
Dapatkan Nilai (b1) dan nilai (a) dengan melakukan substitusi, sehingga:
(v)
194 b1
+
236 b2
194 b1
194 b1
+
+
236 (0.75)
= 274
177
= 274
194 b1 = 97
b1 = 0.50
= 274
Perhatikan b2 = 0.75
(i)
6a
+
31 b1
+
40 b2
= 50
Perhatikan b1 = 0.50 dan b2 = 0.75
6a
6a
+
+
31(0.50)
15.5
RegresiKorelasi / thomasyunigunarto / Hal 7 – dari 9
+
+
40 (0.75)
30
6a
a
= 50
= 50
= 4.5
= 0.75
× 161
× 194
Sehingga Persamaan Regresi Berganda
a + b1 X1 + b2 X2
5.
dapat ditulis sebagai 0.75 + 0.50 X1 + 0.75 X2
Korelasi Linier berganda
• Koefisien Determinasi Sampel untuk Regresi Linier Berganda diberi notasi sebagai berikut
2
R y.12
• Sedangkan Koefisien Korelasi adalah akar positif Koefisien Determinasi atau
ry.12 =
2
Ry.12
• Rumus
R y2.12 = 1 −
JKG
( n − 1) s 2y
JKG : Jumlah Kuadrat Galat
sy² : Jumlah Kuadrat y (terkoreksi)
di mana
s y2 =
n∑ y 2 −
(
∑y
)
2
n(n − 1)
JKG = ∑ y 2 − a ∑ y − b1 ∑ x1 y − b2 ∑ x 2 y
Contoh 5:
Jika diketahui (dari Contoh 4)
n=6
∑ x = 31
∑ x x =239
∑ x =187
1
∑x
1 2
∑
1
Maka tetapkan
2
R y.12
= 40
x 1 y =296
∑x
2
2
2
2
=306
∑ y = 50
∑ x y = 379
∑ y = 470
dan jelaskan artinya nilai tersebut!
RegresiKorelasi / thomasyunigunarto / Hal 8 – dari 9
2
2
s y2 =
n∑ y 2 −
(∑ y )
2
n(n − 1)
=
6(470) − (50) 2 2820 − 2500 320
=
=
= 10.667
6(6 − 5)
30
30
JKG = ∑ y 2 − a ∑ y − b1 ∑ x1 y − b2 ∑ x 2 y = 470 - 0.75(50) - 0.5 (296) - 0.75 (379)
= 470 - 37.5 - 148 - 284.25
= 0.25
R y2.12 = 1 −
JKG
( n − 1) s 2y
= 1−
0.25
0.25
= 1−
5 × 10.667
53.333
= 1 - 0.0046875
= 0.9953125
= 99.53%
2
Nilai R y.12 = 99.53% menunjukkan bahwa 99.53% proporsi keragaman nilai peubah Y
(volume penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) dan X2 (biaya
aksesoris) melalui hubungan linier.
Sisanya sebesar 0.47% dijelaskan oleh hal-hal lain.
Selesai
RegresiKorelasi / thomasyunigunarto / Hal 9 – dari 9
1.
Pendahuluan
• Gagasan perhitungan ditetapkan oleh Sir Francis Galton (1822-1911)
• Persamaan regresi :Persamaan matematik yang memungkinkan peramalan nilai suatu
peubah takbebas (dependent variable) dari nilai peubah bebas
(independent variable)
• Diagram Pencar = Scatter Diagram
Diagram yang menggambarkan nilai-nilai observasi peubah takbebas dan peubah
bebas.
Nilai peubah bebas ditulis pada sumbu X (sumbu horizontal)
Nilai peubah takbebas ditulis pada sumbu Y (sumbu vertikal)
Nilai peubah takbebas ditentukan oleh nilai peubah bebas
Anda sudah dapat menentukan mana peubah takbebas dan peubah bebas?
Contoh 1:
Umur Vs Tinggi Tanaman
Biaya Promosi Vs Volume penjualan
(X : Umur, Y : Tinggi)
(X : Biaya Promosi, Y : Vol. penjualan)
• Jenis-jenis Persamaan Regresi : a. Regresi Linier :
- Regresi Linier Sederhana
- Regresi Linier Berganda
b. Regresi Nonlinier
- Regresi Eksponensial
• Regresi Linier
- Bentuk Umum Regresi Linier Sederhana
Y = a + bX
Y
X
a
b
: peubah takbebas
: peubah bebas
: konstanta
: kemiringan
- Bentuk Umum Regresi Linier Berganda
Y = a + b1X1 + b2X2 + ...+ bnXn
Y
X1
X2
Xn
: peubah takbebas
: peubah bebas ke-1
: peubah bebas ke-2
: peubah bebas ke-n
RegresiKorelasi / thomasyunigunarto / Hal 1 – dari 9
a
b1
b2
bn
: konstanta
: kemiringan ke-1
: kemiringan ke-2
: kemiringan ke-n
• Regresi Non Linier
- Bentuk umum Regresi Eksponensial
Y = abx
log Y = log a + (log b) x
2.
Regresi Linier Sederhana
• Metode Kuadrat terkecil (least square method):
menetapkan persamaan regresi linier sederhana
metode
paling populer untuk
- Bentuk Umum Regresi Linier Sederhana :
Y = a + bX
Y
a
: peubah takbebas
: konstanta
X
b
: peubah bebas
: kemiringan
Nilai b dapat positif (+) dapat negartif (-)
b : positif → Y
b : negatif → Y
Y = a + bX
Y = a - bX
X
X
• Penetapan Persamaan Regresi Linier Sederhana
⎛ n ⎞⎛ n ⎞
n∑ xi yi − ⎜ ∑ xi ⎟ ⎜ ∑ yi ⎟
⎝ i =1 ⎠ ⎝ i =1 ⎠
i =1
n
b=
⎛ n ⎞
2
n∑ xi −⎜ ∑ xi ⎟
⎝ i =1 ⎠
i =1
n
2
n
n
a = y − bx
sehingga
a=
∑y
i =1
n
i
−b
n : banyak pasangan data
yi : nilai peubah takbebas Y ke-i
xi : nilai peubah bebas X ke-i
Contoh 2 :
RegresiKorelasi / thomasyunigunarto / Hal 2 – dari 9
∑x
i =1
n
i
Berikut adalah data Biaya Promosi dan Volume Penjualan PT BIMOIL perusahaan Minyak
Goreng.
x
Tahun Biaya Promosi
(Juta Rupiah)
1992
2
1993
4
1994
5
1995
7
1996
8
Σ
Σx = 26
y
Volume Penjualan
(Ratusan Juta Liter)
5
6
8
10
11
Σy = 40
xy
10
24
40
70
88
Σxy = 232
x²
4
16
25
49
64
Σx² =158
y²
25
36
64
100
121
Σy² = 346
bentuk umum persaman regresi linier sederhana : Y = a + b X
n=5
b=
n
⎛ n ⎞⎛ n ⎞
n ∑ x i yi − ⎜ ∑ x i ⎟ ⎜ ∑ yi ⎟
⎝ i =1 ⎠ ⎝ i = 1 ⎠
i =1
n
⎛ n ⎞
n∑ xi2 −⎜ ∑ xi ⎟
⎝ i =1 ⎠
i =1
a=
i =1
b=
(5 × 232) − (26 × 40) 1160 − 1040 120
=
=
= 1.0526 = 1.053
790 − 676 114
(5 × 158) − (26 2 )
n
n
∑ yi
2
−b
∑x
i =1
i
n
n
26 ⎞
40 ⎛
a=
− ⎜ 1.05263...× ⎟ = 8 − (1.05263...×5.2) = 8 − 5.4736... = 2.5263....= 2.530
5⎠
5 ⎝
Y=a+bX
→
Y = 2.530 + 1.053 X
• Peramalan dengan Persamaan Regresi
Contoh 3 :
Diketahui hubungan Biaya Promosi (X dalam Juta Rupiah) dan Y (Volume penjualan dalam
Ratusan Juta liter) dapat dinyatakan dalam persamaan regresi linier berikut
Y = 2.530 + 1.053 X
Perkirakan Volume penjualan jika dikeluarkan biaya promosi Rp. 10 juta ?
Jawab :
3.
Y = 2.530 + 1.053 X
X = 10
Y = 2.53 + 1.053 (10) = 2.53 + 10.53 = 13.06 (ratusan juta liter)
Volume penjualan = 13.06 x 100 000 000 liter
Korelasi Linier Sederhana
RegresiKorelasi / thomasyunigunarto / Hal 3 – dari 9
• Koefisien Korelasi (r) : ukuran hubungan linier peubah X dan Y
Nilai r berkisar antara (+1) sampai (-1)
Nilai r yang (+) ditandai oleh nilai b yang (+)
Nilai r yang (-) ditandai oleh nilai b yang (-)
Jika nilai r mendekati +1 atau r mendekati -1 maka
X dan Y memiliki korelasi linier yang tinggi
Jika nilai r = +1 atau r = -1 maka X dan Y memiliki korelasi linier sempurna
Jika nilai r = 0 maka X dan Y tidak memiliki relasi (hubungan) linier
(dalam kasus r mendekati 0, anda dapat melanjutkan analisis ke regresi eksponensial)
• Koefisien Determinasi Sampel = R = r²
Ukuran proporsi keragaman total nilai peubah Y yang dapat dijelaskan oleh nilai
peubah X melalui hubungan linier.
Penetapan & Interpretasi Koefisien Korelasi dan Koefisien Determinasi
⎛ n ⎞⎛ n ⎞
n∑ xi yi − ⎜ ∑ xi ⎟ ⎜ ∑ yi ⎟
⎝ i=1 ⎠ ⎝ i=1 ⎠
i =1
n
r=
2
2
n
n
⎤
⎡ n
⎤⎡ n
⎛
⎞
⎛
⎞
2
2
⎢n∑ xi −⎜ ∑ xi ⎟ ⎥⎢n∑ yi −⎜ ∑ yi ⎟ ⎥
⎝ i=1 ⎠ ⎥⎦
⎝ i=1 ⎠ ⎥⎦⎢⎣ i=1
⎢⎣ i=1
R = r2
Contoh 4 :
Lihat Contoh 2, setelah mendapatkan persamaan Regresi Y = 2.530 + 1.053 X, hitung koef.
korelasi (r) dan koef determinasi (R).
Gunakan data berikut (lihat Contoh 2)
Σx = 26 Σy = 40
r=
Σxy = 232
n
⎛ n ⎞⎛ n ⎞
n∑ xi yi − ⎜ ∑ xi ⎟ ⎜ ∑ yi ⎟
⎝ i =1 ⎠ ⎝ i =1 ⎠
i =1
2
2
n
⎡ n
⎞ ⎤⎡ n 2 ⎛ n ⎞ ⎤
2 ⎛
⎢n∑ xi −⎜ ∑ xi ⎟ ⎥ ⎢n∑ yi −⎜ ∑ yi ⎟ ⎥
⎝ i =1 ⎠ ⎥⎦
⎝ i =1 ⎠ ⎥⎦ ⎢⎣ i =1
⎢⎣ i =1
RegresiKorelasi / thomasyunigunarto / Hal 4 – dari 9
Σx² =158
Σy² = 346
r=
(5 × 232) − (26 × 40)
[(5 × 158) − (26 )] × [ (5 × 346) − (40 )]
2
2
=
=
1160 − 1040
[ 790 − 676] × [1730 − 1600]
=
120
114 × 130
120
120
=
= 0.9857...
. ...
14820 12173
Nilai r = 0.9857 menunjukkan bahwa peubah X (biaya promosi) dan Y (volume penjualan)
berkorelasi linier yang positif dan tinggi
R = r 2 = 0.9857...2 = 0.97165....= 97 %
Nilai R = 97% menunjukkan bahwa 97% proporsi keragaman nilai peubah Y (volume
penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) melalui hubungan linier.
Sisanya, yaitu 3 % dijelaskan oleh hal-hal lain.
4.
Regresi Linier Berganda
• Pembahasan akan meliputi regresi linier dengan 2 Variabel Bebas (X1 dan X2) dan 1
Variabel Tak Bebas (Y).
• Bentuk Umum : Y = a + b1 X1 + b2 X2
Y
: peubah takbebas
X1
: peubah bebas ke-1
X2
: peubah bebas ke-2
a
b1
b2
: konstanta
: kemiringan ke-1
: kemiringan ke-2
• a , b1 dan b2 didapatkan dengan menyelesaikan tiga persamaan Normal berikut:
(i)
n
n
n
i =1
i =1
i =1
n a + b1 ∑ x1i + b 2 ∑ x2i = ∑ yi
n
n
n
n
i =1
i =1
a ∑ x1i + b1 ∑ x1i + b 2 ∑ x2i x1i = ∑ x1i yi
2
(ii)
(iii)
i =1
i =1
n
n
n
n
i =1
i =1
i =1
i =1
a ∑ x2i + b1 ∑ x2i x1i + b 2 ∑ x2i 2 = ∑ x2i yi
n : banyak pasangan data
x1i : nilai peubah bebas X1 ke-i
Contoh 4:
RegresiKorelasi / thomasyunigunarto / Hal 5 – dari 9
yi : nilai peubah takbebas Y ke-i
x2i : nilai peubah bebas X2 ke-i
Berikut adalah data Volume Penjualan (juta unit) Mobil dihubungkan dengan variabel biaya
promosi (X1 dalam juta rupiah/tahun) dan variabel biaya penambahan asesoris (X2 dalam
ratusan ribu rupiah/unit).
x1
x2
y
x1 x2
x1y
x2y
x1²
x2²
y²
2
3
5
6
7
8
3
4
6
8
9
10
4
5
8
10
11
12
6
12
30
48
63
80
8
15
40
60
77
96
12
20
48
80
99
120
4
9
25
36
49
64
9
16
36
64
81
100
16
25
64
100
121
144
∑x = ∑x
1
2
=
1 2
50
40
31
∑y= ∑x x
∑
=
x1y =
296
239
Tetapkan Persamaan Regresi Linier Berganda
n=6
∑ x = 31
∑ x x =239
∑ x =187
1
∑x
1 2
∑
2
x 1 y =296
∑x
2
1
= 40
2
2
=306
∑x
(i)
∑ y = 50
∑ x y = 379
∑ y = 470
2
2
n a + b1 ∑ x1i + b 2 ∑ x2i = ∑ yi
i =1
(ii)
(iii)
i =1
i =1
n
n
n
i =1
n
i =1
n
i =1
i =1
i =1
n
a ∑ x1i + b1 ∑ x1i 2 + b 2 ∑ x2i x1i = ∑ x1i yi
n
i =1
n
a ∑ x2i + b1 ∑ x2i x1i + b 2 ∑ x2i 2 = ∑ x2i yi
i =1
i =1
Sehingga didapatkan tiga persamaan berikut:
(i)
(ii)
(iii)
6a
31 a
40 a
+
+
+
31 b1 +
187 b1 +
239 b1 +
RegresiKorelasi / thomasyunigunarto / Hal 6 – dari 9
40 b2
239 b2
306 b2
∑x
187
= a + b1 X1 + b2 X2
n
n
y=
379
Masukkan notasi-notasi ini dalam ketiga persamaan normal,
n
2
= 50
= 296
= 379
2
1
=
∑x
306
2
2
=
∑y
470
2
=
Lakukan Eliminasi, untuk menghilangkan (a)
(ii)
(i)
31 a
6a
+
+
(ii)
(i)
189 a +
189 a +
(iv)
187 b1
31 b1
+
+
239 b2
40 b2
= 296
= 50
1122 b1
961 b1
+
+
1434 b2
1240 b2
= 1776
= 1550
161b1
+
194 b2
= 226
239 b1
31 b1
+
+
306 b2
40 b2
= 379
= 50
1434 b1
1240 b1
+
+
1836 b2
1600 b2
= 2274
= 2000
194 b1
+
236 b2
= 274
×6
× 31
Lalu
(iii)
(i)
40 a
6a
+
+
(iii)
(i)
240 a +
240 a +
(v)
× 6
× 40
Selanjutnya, eliminasi (b1) dan dapatkan nilai (b2)
(v)
(iv)
194 b1
161 b1
+
+
236 b2
194 b2
= 274
= 226
(v)
(iv)
31234 b1
31234 b1
+
+
37996 b2
37636 b2
= 44114
= 43844
360 b2
b2
=
=
270
0.75
Dapatkan Nilai (b1) dan nilai (a) dengan melakukan substitusi, sehingga:
(v)
194 b1
+
236 b2
194 b1
194 b1
+
+
236 (0.75)
= 274
177
= 274
194 b1 = 97
b1 = 0.50
= 274
Perhatikan b2 = 0.75
(i)
6a
+
31 b1
+
40 b2
= 50
Perhatikan b1 = 0.50 dan b2 = 0.75
6a
6a
+
+
31(0.50)
15.5
RegresiKorelasi / thomasyunigunarto / Hal 7 – dari 9
+
+
40 (0.75)
30
6a
a
= 50
= 50
= 4.5
= 0.75
× 161
× 194
Sehingga Persamaan Regresi Berganda
a + b1 X1 + b2 X2
5.
dapat ditulis sebagai 0.75 + 0.50 X1 + 0.75 X2
Korelasi Linier berganda
• Koefisien Determinasi Sampel untuk Regresi Linier Berganda diberi notasi sebagai berikut
2
R y.12
• Sedangkan Koefisien Korelasi adalah akar positif Koefisien Determinasi atau
ry.12 =
2
Ry.12
• Rumus
R y2.12 = 1 −
JKG
( n − 1) s 2y
JKG : Jumlah Kuadrat Galat
sy² : Jumlah Kuadrat y (terkoreksi)
di mana
s y2 =
n∑ y 2 −
(
∑y
)
2
n(n − 1)
JKG = ∑ y 2 − a ∑ y − b1 ∑ x1 y − b2 ∑ x 2 y
Contoh 5:
Jika diketahui (dari Contoh 4)
n=6
∑ x = 31
∑ x x =239
∑ x =187
1
∑x
1 2
∑
1
Maka tetapkan
2
R y.12
= 40
x 1 y =296
∑x
2
2
2
2
=306
∑ y = 50
∑ x y = 379
∑ y = 470
dan jelaskan artinya nilai tersebut!
RegresiKorelasi / thomasyunigunarto / Hal 8 – dari 9
2
2
s y2 =
n∑ y 2 −
(∑ y )
2
n(n − 1)
=
6(470) − (50) 2 2820 − 2500 320
=
=
= 10.667
6(6 − 5)
30
30
JKG = ∑ y 2 − a ∑ y − b1 ∑ x1 y − b2 ∑ x 2 y = 470 - 0.75(50) - 0.5 (296) - 0.75 (379)
= 470 - 37.5 - 148 - 284.25
= 0.25
R y2.12 = 1 −
JKG
( n − 1) s 2y
= 1−
0.25
0.25
= 1−
5 × 10.667
53.333
= 1 - 0.0046875
= 0.9953125
= 99.53%
2
Nilai R y.12 = 99.53% menunjukkan bahwa 99.53% proporsi keragaman nilai peubah Y
(volume penjualan) dapat dijelaskan oleh nilai peubah X (biaya promosi) dan X2 (biaya
aksesoris) melalui hubungan linier.
Sisanya sebesar 0.47% dijelaskan oleh hal-hal lain.
Selesai
RegresiKorelasi / thomasyunigunarto / Hal 9 – dari 9