You are on page 1of 13

Analisis Regresi

Suhadi Ibnu
Universitas Negeri Malang (UM)

Penggunaan Prosedur Regresi • Digunakan untuk menguji hubungan antara satu atau lebih variabel bebas dengan variabel terikat yang mengarah kepada hubungan sebab-akibat. kriterion. . atau prediktor vs.

Model Regresi Regresi sederhana prediktor X Y Regresi ganda X1 X2 .X 3 rx1-y rx2-y rx3-y . Gabungan antara rx1-y hingga r3-y = R Y kriterion .

B2.+ BnXn missal Ŷ = 100 + 1. Xn = variabel prediktor B1.. B3 ….Model Regresi Regresi Sederhana Ŷ = B0 +B1X1 Regresi Ganda Ŷ = B0 +B1X1 + B2X2 + B3X3 + ….5X3 Ŷ = variabel kriterion (predicted) estimasi X1.5X1+ 0. X2.9X2 + 0. X3 …. Bn = koefisien regresi Bo = konstanta .

Cara Menetapkan Banyaknya Prediktor • Apriori • Menurut teori • Menurut pengalaman • Keputusan peneliti • Sesuai dengan data empirik .

regresi (Prosedur ENTER) • Mulai dengan satu variabel dan terus ditambah sampai penambahan tidak signifikan maknanya (Prosedur FORWARD) • Mulai dengan semua variabel kemudian dikurangi satu-demi satu.Teknik Memasukkan Variabel Prediktor ke dalam Persamaan Regresi • A-priori: Semuanya dimasukkan bersamaan ke dalam pers. gabungan antara FORWARD & BACKWARD . Hingga penurunan tidak signifikan (Prosedur BACKWARD) • Dengan prosedur STEPWISE.

. tingkat signifikansinya. korelasi partial (rpart) dan r2part .Kriteria Kelayakan Persamaan Regresi • Besarnya harga R dan R2 • Signifikansi harga F dari ANOVA • Peran setiap prediktor yang dapat dilihat dari berbagai parameter seperti B (koefisien regresi).

dari persamaan Ŷ = β1X1 + β2X2 + β3X3 + ….+ βnXn β adalah koefisien regresi untuk semua prediktor apabila nilai variabel predikor diberikan dalam z-score .Membandingkan Peran Variabel • Berdasar harga-harga koefisien β.

Kriteria untuk Penambahan/Pengurangan Prediktor • R2change • F(change) = R2change x (N-p-1)/q(1 – R 2) • Derajat kebebabasan (df) = q dan N-p-1 • Di mana p = banyaknya variabel bebas dalam persamaan regresi q = banyaknya variabel bebas dimasukkan/dikeluarkan • dalam langkah tertentu N = banyaknya subjek .

• Options mengelola missing data pilihan metoda pemasukan variabel prediktor. . termasuk berbagai plot.Eksekusi Prosedur Regresi dan Hasil Analisis • Dari file data ditetapkan variabel terikat dan varaiabel(-variabel) bebas atau prediktornya. • Statistics memberikan analisis tambahan dan/atau parameter yang diminta.

kooefisien determinasi menunjukkan persentase varian (var terikat) yang dapat dikaitkan dengan persamaan regresi yang dibentuk.Tampilan Hasil Analisis Regresi • • • Variabel yang masuk ke dalam persamaan Ringkasan model : R. ANOVA: untuk melihat apakah secara umum persamaan regresi yang dihasilkan ‘acceptable’. R2 . . koofisien korelasi ganda antara variabel terikat dengan v ariabel-variabel bebasnya.

koefisien Beta yaitu koefisien regresi setiap variabel bebas bila analisis dilakukan dengan menggunakan z-score. t dan signifikansinya yang menunjukkan kelayakan status setiap variabel di dalam persamaan. Jika diminta prosedur juga memberikan laporan dalam bentuk plot atau visualisasi dipenuhi tidaknya persyaratan analisis. .Tampilan Hasil Analisis Regresi • • • Koefisien regresi yang memuat koefisien regresi masingmasing variabel bebas. korelasi dan kontribusi parsial tiap variabel prediktopr terhadap variabel terikat Jika diminta prosedur juga memberikan laporan tentang variabel yang dimasukkan dan/atau dibuang dari persamaan dengan kriteria yang digunakan untuk memasukkan dan mengeluarkan variabel-variabel tersebut.

• Teruskan dengan hasil analisis Regresi dengan SPSS .