Rancangan Analisis Regresi Linear Berganda

Analisis regresi pertama kali dikembangkan oleh Sir Francis Galton pada abad ke-19.
Analisis regresi dengan satu peubah prediktor dan satu peubah respon disebut analisis regresi
linier sederhana sedangkan analisis regresi yang melibatkan lebih dari satu peubah prediktor
dengan satu peubah respon disebut analisis regresi linier berganda. Analisis regresi linier
berganda merupakan analisis yang digunakan untuk menyelidiki hubungan di antara dua atau
lebih peubah prediktor terhadap peubah respon . Analisis regresi juga digunakan sebagai
peramalan sehingga peubah respon dapat diramalkan dari peubah prediktor , apabila peubah
prediktornya diketahui (Neter et al., 1997). Bisa juga dikatakan Analisis regresi linear berganda
merupakan analisis untuk mendapatkan hubungan dan model matematis antara variabel
dependen (Y) dan satu atau lebih variabel independen (X). Menurut Drapper dan Smith (1992),
hubungan antara satu variabel dependen dengan satu atau lebih variabel independen dapat
dinyatakan dalam model regresi linier. Bentuk hubungan antara peubah respon dengan peubah
prediktor dapat dinyatakan dalam bentuk persamaan regresi atau model regresi. Model regresi
merupakan sebuah persamaan yang menggambarkan pola hubungan statistik antara peubah
prediktor dengan peubah respon. Pola hubungan yang dijelaskan oleh model regresi dapat berupa
hubungan linier, hubungan kuadratik, eksponen dan lainnya. Model yang dihasilkan oleh regresi
linier berganda sebagai berikut :

Y = 0 + 1 X 1+ + P X P + i

dimana Y variabel dependen, sedangkan 0, 1, ..., p adalah parameter yang tidak diketahui,
dan e adalah error regresi. Jika dilakukan pengamatan sebanyak n, maka model pengamatan ke-i
adalah :

Y = 0 + 1 X 1+ + P X P + i i=1,2, ., n

Jika diubah dalam matrik maka dapat dinyatakan sebagai berikut :

kalau disederhanakan menjadi Y = X + , dimana Y adalah vektor berukuran nx1, X matriks
berukuran n x k, vektor berukuran kx1, danvektor berukuran nx1. Matriks X mempunyai rank
kolom penuh yaitu k, dimana k = p+1.Dalam model regresi berganda ada asumsi normalitas yaitu

IIDN ( 0, 2 I ) . Pengujian kesesuaian model secara serentak dilakukan dengan hipotesis

sebagai berikut:

H0 : 1 = 2 = ... = p = 0
H1 : Paling sedikit ada satu k 0, k=1,2,...,p

Statistik uji dalam pengujian tersebut adalah :

MSR
Fhit =
MSE

(2.3)

dengan :

MSR : Mean Square Regression (Rataan Kuadrat Regresi)

MSE : Mean Square Error (Rataan Kuadrat Sisa)
dengan keputusan model regresi sesuai untuk data yang digunakan jika Fhit > F;v1;v2 dimana
v1 = p dan v2 = (n-p-1). Setelah dilakukan pengujian secara serentak, maka langkah selanjutnya
adalah melakukan uji signifikansi secara parsial, untuk mengetahui variabel mana saja secara
statistik signifikan mempengaruhi variabel dependen. Bentuk rumusan hipotesisnya adalah
sebagai berikut :

H0 : k = 0
H1 : k 0, dengan k=1,2,...,p

Dengan taraf signifikansi = 0,05

DAFTAR PUSTAKA

Draper N.R., Smith H. 1992. Analisis Regresi Terapan. Edisi ke-2. Sumantri B, Penerjemah.
Jakarta: Gramedia Pustaka Utama. Terjemahan dari : Applied Regression Analysis

Neter, et al. 1989. Applied Linear Regression Models. Boston: Irwin.