Library:
> # install.packages("knitr")
> # install.packages("rmarkdown")
> # install.packages("prettydoc")
> # install.packages("equatiomatic")Regresi linier adalah suatu metode yang digunakan untuk menyatakan pola hubungan antara variabel respo dengan variabel prediktor. Bila variabel prediktor berjumlah lebih dari satu sehingga digunakan analisis regresi linier berganda.
Regresi Linier Berganda adalah metode peramalan yang memiliki ciri-ciri variabel tidak bebas berjumlah satu dan variabel bebas berjumlah lebih dari satu. Analisa ini untuk mengetahui arah hubungan antara variabel, apakah masing-masing variabel independen berhubungan positif atau negatif dan untuk memprediksi nilai dari variabel independen mengalami kenaikan atau penurunan.Yang menjadi pembeda antara Regresi Linier Berganda dan Regresi Linier Sederhana hanya ada satu variabel bebas dan variabel tidak bebas.
Teori Metode Regresi Linier Berganda Analisis regresi linier berganda merupakan metode statistik yang digunakan untuk menyelidiki hubungan antara satu variabel dependen (Y) dengan dua atau lebih variabel independen (X1, X2, …, Xn). Tujuan utama dari analisis ini adalah untuk memperoleh persamaan regresi yang dapat digunakan untuk memprediksi nilai variabel dependen berdasarkan nilai variabel independen.
Asumsi Regresi Linier Berganda
Data yang akan digunakan berasal dari (JATI) Jurnal Mahasiswa Teknik Informatika berjudul “METODE REGRESI LINIER BERGANDA UNTUK PREDIKSI OMSET PENYEWAAN KAMERA DI JOE KAMERA” library(readxl) laprak2 <- read_excel(“~/SEMESTER 4/Komputasi Statistika/laprak2.xlsx”)
Penelitian ini bertujuan untuk membuat aplikasi yang bisa memprediksi omzet perusahaan distributor makanan ringan dibulan selanjutnya. Peneliti melakukan prediksi dengan mengolah data penjualan setiap produk yang dimiliki pada bulan Agustus 2021. Penelitian ini menghasilkan prediksi penjualan bulan September terjadi kenaikan dan penurunan pada setiap produknya.
Sebelum menjalankan program, terlebih dahulu memasang packages untuk melakukan analisis regresi berikut.
> # Library
> library(readxl)
> library(tseries)
Error in library(tseries): there is no package called 'tseries'library(zoo)
Data diimpor dari file excel “laprak2”, yaitu data mentah dari jurnal yang disebutkan di atas. Variabel X dan Y didefinisikan sebagai penamaan tertentu.
> data <- read_excel("D:/Documents/SEMESTER 4/Komputasi Statistika/laprak2.xlsx")
> Y <- as.matrix(data$Y, ncol=1)
> n <- dim(Y)[1]
> X1 <- data$X1
> X2 <- data$X2
> X3 <- data$X3
> X0 <- rep(1,16)
> X <- data.frame(X0, X1, X2, X3)
> X <- as.matrix(X)> #penduga koefisien
> beta_duga <- solve(t(X)%*%X)%*%(t(X)%*%Y)
> beta_duga
[,1]
X0 -2118.429293
X1 125.338720
X2 4.538016
X3 14.902406> #uji F
> y_duga <- X%*%beta_duga
> u_duga <- Y - y_duga
> y_bar <- rep(mean(Y),n)
>
> #menghitung analisis ragam
> JKT <- t(Y-y_bar)%*%(Y-y_bar)
> JKR <- t(y_duga-y_bar)%*%(y_duga-y_bar)
> JKG <- JKT-JKR
> JK <- c(JKR, JKG, JKT)
> JK
[1] 49809743.8 507079.6 50316823.4k = 4 #banyaknya peubah
dbR <- k-1
dbT <- n-1
dbG <- dbT-dbR
db <- c(dbR, dbG, dbT)
KT <- JK/db
#membentuk tabel anova
SK <- c("Regresi", "Galat", "Total")
anova <- data.frame(SK, JK, db, KT)
names(anova) <- c("SK", "JK", "db", "KT")
anova#menghitung uji F
SU_F <- anova$KT[1]/anova$KT[2]
SU_F#menghitung pvalue
pvalue_f <- pf(SU_F, anova$db[1], anova$db[2], lower.tail=FALSE)
pvalue_f#uji T
var_cov <- anova$KT[2]*solve(t(X)%*%X)
var_covsd <- rep(0,k)
for (i in 1:k){
sd[i] <- sqrt(var_cov[i,i])
}
sdthit <- beta_duga/sd
thitpvalue_t <- 2*pt(abs(thit), anova$db[2], lower.tail=FALSE)
pvalue_t#koefisien determinasi
Rsq <- anova$JK[1]/anova$JK[3]
Rsq
#membentuk matriks
reg1 <- lm(Y~X1+X2+X3,data=data)
summary(reg1)moodel regresi: -2118.429293+125.338720X1+4.538016X2+14.902406X3
moodel regresi: -2118.429293+125.338720X1+4.538016X2+14.902406X3
Uji asumsi yang dibutuhkan antara lain uji linieritas, uji nirmalitas, uji homoskedastisitas, uji non-autokorelasi, dan uji non-multikolinearitas.
Analisis regresi akan memberikan gambaran tentang hubungan antara variabel independen dan dependen, seberapa signifikan variabel independen mempengaruhi variabel dependen, kualitas penjelasan model, dan asumsi-asumsi yang terpenuhi. Analisis regresi dapat dilakukan jika memenuhi asumsi normalitas, asumsi homoskedastisitas, asumsi non autokorelasi, dan asumsi non multikolinearitas.
Aditya Anggara, Karina Auliasari, Yosep Agus Pranoto. (2023). METODE REGRESI LINIER BERGANDA UNTUK PREDIKSI OMSET PENYEWAAN KAMERA DI JOE KAMERA. JATI, 853.