Dokumen tersebut membahas analisis regresi berganda, termasuk konsep korelasi berganda, koefisien determinasi, dan kesalahan baku dalam regresi berganda. Metode ini digunakan untuk menentukan hubungan antara dua atau lebih variabel bebas dengan satu variabel terikat.
3. Dalam menentukan ketepatan persamaan regresi yang dihasil-
kan untuk menduga nilai variabel tak bebas dengan metode kuadrat
terkecil, menentukan ketepatan pendugaan konstanta (b1.23) dan
menentukan ketepatan pendugaan koefisien regresi parsial (b1.23 dan
b13.2). Tingkat ketepatan/ ketelitian itu diukur dengan kesalahan baku
(standard error).
Se
2 =
𝑒𝑖2
𝑛−𝑘
=
𝑦𝑖
2 − 𝑏12.3𝑥2𝑖𝑦𝑖− 𝑏13.2𝑥3𝑖𝑦𝑖
𝑛−3
……........ 7.24
Se = 𝑆𝑒
2
…………………………………….. 7.25
Kesalahan Baku Regresi
Berganda Parsial
1
Besarnya kesalahan baku estimasi menunjukkan ketepatan per-
samaan regresi untuk menjelaskan nilai variabel tak bebas yang se-
benarnya. Semakin kecil nilai kesalahan baku estimasi menunjukkan
semakin tingginya ketepatan persamaan regresi yang dihasilkan untuk
menjelaskan nilai variabel tak bebas yang sesungguhnya. Dan sebalik-
nya, semakin besar nilai kesalahan baku estimasi menunjukkan sema-
kin rendahnya ketepatan persamaan regresi yang dihasilkan untuk
menjelaskan nilai variabel tak bebas yang sesungguhnya.
Untuk mengetahui ketapatan persamaan estimasi digunakan ke-
salahan baku estimasi (standard error of estimate). Kesalahan baku
estimasi dinotasikan dengan simbol (Se) dan dapat ditentukan dengan
rumus:
Pendugaan konstanta b1.23 dan koefisien regresi b1.23 dan b13.2 ju
ga akan bervariasi dari sampel satu ke sampel lain, sehingga memiliki
penyimpangan baku yang disebut “kesalahan baku” (standard error)”.
Standard error itu merupakan akar dari varian pendugaan tersebut. Ma
kin kecil standard error suatu pendugaan, makin tinggi tingkat ketelitian
pendugaan tersebut, dan sebaliknya makin besar standard error suatu
pendugaan, makin rendah tingkat ketelitian pendugaan tersebut.
4. Standard error b1.23 dinotasikan Sb1.23 dan dirumuskan sebagai berikut:
Sb1.23 = Se2 𝑥2𝑖
2 𝑥3𝑖
2− 𝑥2 3𝑖
2
𝑛 𝑥2𝑖
2 𝑥3𝑖
2− 𝑥2 3𝑖
2 − 𝑥2𝑖 𝑥2𝑖
2 𝑥3𝑖
2− 𝑥2 3𝑖
2 + 𝑥3𝑖 { 𝑥2𝑖
2 𝑥3𝑖
2−( 𝑥2 3𝑖)2
Kesalahan Baku Regresi
Berganda Parsial
1
Dimana: Sb1.23
2 = varian dari standard error b1.23. Sehingga standard error (b1.23) adalah:
Sedangkan standard error (b12.3) dinotasikan Sb12.3 dan dirumuskan sebagai berikut:
Dimana: Sb12.3
2 = varian dari standard error (b12.3). Sehingga standard error (b12.3) yaitu:
Sb1.23 = 𝑠𝑏1.23
2
……………………………. 7.27
Sb12.3
2 = Se2 𝑥3𝑖
2
𝑥2𝑖
2 − 𝑥3𝑖
2 − 𝑥2𝑖𝑥3𝑖
2 ……….. 7.2
8
Sb12.3 = 𝑠𝑏12.3
2
…………………………… 7.29
5. Dan standard error (b13.2) dinotasikan Sb13.2 dan dirumuskan sebagai berikut: Sb13.2
2 = Se2 𝑥2𝑖
2
𝑥2𝑖
2 − 𝑥3𝑖
2 − 𝑥2𝑖𝑥3𝑖
2 ……….. 7.30
Kesalahan Baku Regresi
Berganda Parsial
1
Dimana: Sb13.2
2 = varian dari standard error (b13.2). Sehingga standard error (b13.2) yaitu:
Catatan : Se2 merupakan pendugaan dari 𝜎2
karena dalam praktik nilai 𝜎2
tidak pernah diketahui.
Sb13.2 = 𝑠𝑏13.2
2
…………………………… 7.31
6. Koefisien Determinasi
2
Dalam hal hubungan dua variabel, koefisien determinasi (r2)
mengukur tingkat ketepatan/kecocokan (goodness of fit) dari regresi
linear sederhana yaitu merupakan persentase sumbangan X terhadap
variasi (naik turunnya) Y. pengertian tersebut dapat diperluas untuk
regresi linear berganda. Dalam hal hubungan tiga variabel yaitu regresi
Y terhadap X2 dan X3, ingin diketahui berapa besarnya persentase
sumbangan X2 dan X3 terhadap variasi (naik turunnya) Y secara ber-
sama-sama. Besarnya persentase sumbangan ini disebut koefisien
determinasi berganda dengan simbol R2.
Rumus R2 adalah:
R2 =
𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑑𝑎𝑟𝑖 𝑟𝑒𝑔𝑟𝑒𝑠𝑖 (𝐽𝐾𝑅)
𝑗𝑢𝑚𝑙𝑎ℎ 𝑘𝑢𝑎𝑑𝑟𝑎𝑡 𝑡𝑜𝑡𝑎𝑙 (𝐽𝐾𝑇)
=
𝑦𝑖
2
𝑦𝑖
2 …… 7.32
R2 =
𝑏12.3 𝑥2𝑖𝑦𝑖+ 𝑏13.2 𝑥3𝑖𝑦𝑖
𝑦𝑖
2 ……………………. 7.3
3
Seperti halnya r2, maka R2 nilainya antara nol sampai dengan
satu : 0 ≤ R2 ≤ 1.
Jika R2 = 1, berarti besarnya persentase sumbangan X2 dan X3
terhadap variasi (naik turunnya) Y secara bersama-sama adalah 100%
. Jadi, seluruh variasi disebabkan oleh X2 dan X3 tidak ada variabel
lain yang mempengaruhi Y. Dalam praktek hal ini jarang terjadi sebab
meski secara teoritis kita bisa memasukkan semua variabel yang
mempengaruhi Y di dalam persamaan regresi linear berganda, di
dalam praktiknya hal ini tidak mungkin. Kesalahan pengganggu yang
sumbangannya terhadap variasi Y diukur dengan 𝑒𝑖
2
sebagai penye-
bab nilai R2 tidak dapat mencapai nilai satu.
Makin dekat R2 dengan satu, makin cocok garis regresi untuk
meramalkan Y. Oleh karena itu, r2 dan R2 dipergunakan sebagai suatu
kriteria untuk mengukur cocok tidaknya suatu garis regresi untuk
meramalkan variabel tak bebas Y.
7. Korelasi yang digunakan untuk menguji hubungan dua atau lebih variabel independent 𝑋 dengan satu variabel dependent 𝑌 secara bersamaan
(simultan).
Jadi variabe xi dan x2 akan
diuji dengan variabel y
Contoh:
Hubungan motivasi kerja dan kemampuan pegawai terhadap pelayanan administrasi pada bank syariah mandiri
Dari judul tersebut dapat ditentukan variabelnya sebagai berikut:
Variabel 𝑋1 = motivasi kerja
Variabel 𝑋2 = kemampuan pegawai
Variabel 𝑌 = pelayanan administrasi
Hipotesis:
𝐻0 = tidak ada hubungan antara motivasi kerja dan kemampuan pegawai terhadap pelayanan administrasi
𝐻1 = ada hubungan antara motivasi kerja dan kemampuan pegawai terhadap pelayanan administrasi
Korelasi Berganda
3
𝑋1
𝑋2
𝑌
8. Mencari hubungan atau kontribusi dua variabel bebas 𝑋 atau lebih
secara simultan (bersama-sama) dengan variabel terikat 𝑌
Mencari arah dan kuat lemahnya hubungan antara 2 atau lebih variabel
independen 𝑋1, 𝑋2. . . . 𝑋𝑗 terhadap variabel dependen 𝑌
Manfaat Korelasi Berganda
3
9. Merupakan besar kecilnya hubungan antara dua variabel
yang dinyatakan dalam bilangan
Koefisien Korelasi disimbolkan dengan huruf R.
Besarnya Koefisien Korelasi adalah antara -1; 0; dan +1.
Besarnya korelasi -1 adalah negatif sempurna yakni terdapat hubungan di antara dua variabel atau lebih namun arahnya terbalik
+1 adalah korelasi yang positif sempurna (sangat kuat) yakni adanya sebuah hubungan di antara dua variabel atau lebih tersebut
Sedangkan koefisien korelasi 0 dianggap tidak terdapat hubungan antara dua variabel atau lebih yang diuji sehingga dapat dikatakan tidak
ada hubungan sama sekali.
Korelasi Berganda
3
10. KETERANGAN:
𝑅𝑋1𝑋2𝑌 = korelasi ganda antara 𝑋1dengan 𝑋2 secara bersama-sama dengan 𝑌
𝑟𝑋1𝑌 = korelasi product moment antara 𝑋1 dengan 𝑌
𝑟𝑋2𝑌 = korelasi product moment antara 𝑋2 dengan 𝑌
𝑟𝑋1𝑋2 = korelasi product moment antara 𝑋1 dengan 𝑋2
Rumus Korelasi Berganda
3
𝑅𝑋1𝑋2𝑌 =
𝑟2𝑋1𝑌 + 𝑟2𝑋2𝑌 − 2. 𝑟𝑋1𝑌. 𝑟𝑋2𝑌. 𝑟𝑋1𝑋2
1 − 𝑟2𝑋1𝑋2
Atau rumus untuk mencari korelasi ganda dapat digambarkan sebagai berikut:
11. Koefisien Determinasi Yang Telah Disesuaikan
(Adjusted 𝑹𝟐)
4
Bahwa koefisien tersebut telah dikoreksi dengan memasukkan ju
mlah variabel dan ukuran sampel yang digunakan. Dengan mengguna
kan koefisien determinasi yang disesuaikan maka nilai koefisien deter
minasi yang disesuaikan itu dapat naik atau turun oleh adanya penam
bahan variabel baru dalam model. Jadi variabel bebas dalam model ak
an memperbesar nilai 𝑅2
Ingat rumus dari 𝑅2
:
𝑅2
=
𝐽𝐾𝑅
𝐽𝐾𝑇
=
𝐽𝐾𝑇 − 𝐽𝐾𝑆
𝐽𝐾𝑇
= 1 −
𝐽𝐾𝑆
𝐽𝐾𝑇
𝑅2
= 1 −
𝑒𝑖
2
𝑦𝑖
2
Perhatikan bahwa:
𝑦𝑖2
= 𝑌𝑖 − 𝑌 2
tidak tergantung pada banyaknya variabel
dalam model regresi
Berapapun jumlah variabel yang tercakup dalam model regresi
tidak akan mempengaruhi nilai 𝑦𝑖
2
𝐽𝐾𝑆 = 𝑒𝑖
2
tergantung pada banyaknya variabel bebas dalam
model regresi.
Ingat rumus dibawah ini:
𝑒𝑖
2
= 𝑌𝑖 − 𝑌 2
= 𝑌𝑖 − 𝑏𝑖𝑋2
−. . . . . −𝑏𝑘𝑋𝑘
2
Jadi, 𝑒𝑖
2
memang tergantung pada variabel bebasnya. Makin
banyak variabel bebas, makin kecil 𝑒𝑖
2
yang berarti makin besar 𝑅2
.
12. Koefisien Determinasi Yang Telah Disesuaikan
(Adjusted 𝑹𝟐)
5
Untuk membandingkan dua nilai 𝑅2
harus memperhitungkan
banyaknya variabel bebas di dalam model regresi. Dengan mendefini-
sikan suatu alternafif dari 𝑅2
𝑅2
= 1 −
𝑒𝑖
2
/ 𝑛 − 𝑘
𝑦𝑖
2/ 𝑛 − 1
Dari rumus tersebut jelas bahwa:
1. Kalau 𝑘 > 1, maka 𝑅2
< 𝑅2
. Apabila banyaknya variabel bebas di t
ambah, 𝑅2
dan 𝑅2
akan sama-sama meningkat, tetapi peningkata
n 𝑅2
< 𝑅2
2. 𝑅2
dapat positif atau negatif, walaupun 𝑅2
selalu non-negatif. Jika
𝑅2
negatif nilainya dianggap 0 𝑅2
= 0 .
𝑅2
= 1 − 1 − 𝑅2
𝑛 − 1
𝑛 − 𝑘
𝑹𝟐
yang disesuaikan bisa ditulis dengan 𝑅2
𝑅2
sudah disesuaikan dengan derajat bebas dari masing-masing jumlah
kuadrat yang tercakup di dalam perhitungan 𝑅2
Dari rumus diatas bahwa 𝑅2
dan 𝑅2
saling berhubungan dan jika
disubstitusikan memperoleh rumus:
13. Koefisien Korelasi Parsial
5
Untuk hubungan tiga variabel dapat dihitung tiga koefisien
korelasi, yaitu:
𝑟12 = Koefisien Korelasi antara 𝑌 dan 𝑋
𝑟13 = Koefisien Korelasi antara 𝑌 dan 𝑋3
𝑟23 = Koefisien Korelasi antara 𝑋2 dan 𝑋3
Koefisien Korelasi tersebut masing-masing dinamakan Koefisien
Korelasi Sederhana (Simple Coefficient Of Correlation) atau
Koefisien Korelasi Order Nol (Correlation Of Zero Order), yang di-
hitung berdasar rumus berikut:
𝑟 =
𝑥𝑖𝑦𝑖
𝑥𝑖
2 𝑦𝑖
2
........................ 7.4
0
𝑟12 =
𝑥2𝑖𝑦𝑖
𝑥2𝑖
2 𝑦𝑖
2
.................... 7.4
1
Antara 𝑋 dan 𝑌
Perhatikan 𝑟12 !
𝑟12 mengukur kuat tidaknya hubungan antara 𝑌 dan 𝑋2 jika
variabel ketiga 𝑋3 , mungkin berkorelasi dengan 𝑋2 dan 𝑌 dan atau
kedua-duanya. Yang dicari adalah koefisien korelasi antara 𝑋2 dan 𝑌
yang bebas dari 𝑋3 . Koefisien korelasi yang demikian itu disebut
Koefisien Korelasi Pasial (Partial Correlation Coeffient). Secara
konsep hal ini sama dengan Koefisien Regresi Parsial (Partial
Regression Coefficient). Hal ini bisa ditulis sebagai berikut:
𝑟13 =
𝑥3𝑖𝑦𝑖
𝑥3𝑖
2 𝑦𝑖
2
.................... 7.42
𝑟23 =
𝑥2𝑖𝑥3𝑖
𝑥2𝑖
2 𝑥3𝑖
2
.................. 7.43
Antara 𝑋2 dan 𝑌
Antara 𝑋3 dan 𝑌
Antara 𝑋2 dan 𝑋3
𝑟12.3 = Koefisien Korelasi antara 𝑌 dan 𝑋2 kalau 𝑋3 konstan
𝑟13.2 = Koefisien Korelasi antara 𝑌 dan 𝑋3 kalau 𝑋2 konstan
𝑟23.1 = Koefisien Korelasi antara 𝑋2 dan 𝑋3 kalau 𝑌 konstan
14. Koefisien Korelasi Parsial
5
Rumus menghitung Koefisien Korelasi Parsial:
𝑟12.3 =
𝑟12−𝑟13 𝑟23
1−𝑟13
2 1−𝑟23
2
......................... 7.44
𝑟13.2 =
𝑟13−𝑟12 𝑟23
1−𝑟12
2 1−𝑟23
2
......................... 7.45
𝑟23.1 =
𝑟23−𝑟12 𝑟13
1−𝑟12
2 1−𝑟13
2
......................... 7.46
Koefisien Korelasi Parsial ini disebut Koefisien Korelasi Order Satu (First Order Correlation Coefficient).
Kata Order di sini dimaksudkan banyaknya indeks di belakang titik.
15. Dari hasil penelitian diperoleh data Y = hasil penjualan, X2 = biaya iklan, X3 = pendapatan sebagai berikut:
Pertanyaan:
Tentukan persamaan regresinya.
Tentukan besarnya kesalahan standar estimasinya.
Tentukan besarnya kesalahan standar koefisien regresinya (Sb12.3 dan Sb13.2).
Tentukan besarnya koefisien determinasi bergandanya. Interpretasikan besarnya nilai tersebut.
Tentukan besarnya koefisien korelasi bergandanya. Interpretasikan besarnya nilai tersebut.
Contoh 7.1
Buku Ekonometrika-Suatu Pendekatan Aplikatif
(Edisi Kedua). Halaman: 135
Muhammad Firdaus
Hasil Penjualan (Y) Biaya Iklan (X2) Pendapatan (X3)
100 100 100
106 104 99
107 106 110
120 111 126
110 111 113
116 115 103
123 120 102
133 124 103
137 126 98