Download to read offline
More Related Content
Similar to Analisis regresi sederhana ganda
Analisis regresi sederhana ganda
- 1. ANALISIS REGRESI LINEAR SEDERHANA& GANDA Widyastuti, S. Psi., M. Si., Psikolog Ahmad Ridfah, S. Psi., M. Psi., Psikolog Nur Akmal, S. Psi., M.A. FAKULTAS PSIKOLOGI UNM FEBRUARI 2021
- 2. Sejarah (Gonick &Smith, 2020) Prosedur ini disebut dengan analisis regresi karena … Pada sekitar peralihan abad ke-20, ahli genetika Francis Galton menemukan suatu fenomena yang disebut regresi menuju rata-rata (regression to the mean). Ketika mencoba mencari hukum pewarisan sifat, ia menemukan bahwa tinggi anak laki-laki cenderung susut menuju tinggi rata-rata populasi. Dibandingkan dengan ayah mereka, ayah yang tinggi cenderung memiliki anak yang lebih pendek, dan sebaliknya. Galton mengembangkan suatu analisa regresi untuk mempelajari pengaruh ini.
- 3. Tugas Pokok Anareg(Hadi, 2001) • Mencari korelasi antara kriterium dan prediktor. • Menguji apakah korelasi itu signifikan ataukah tidak. • Mencari persamaan garis regresinya. • Menemukan sumbangan relatif antara sesama prediktor, jika prediktornya lebih dari satu.
- 4. Sekilas Anareg • Analisisregresi hanya dapat dilakukan apabila telah diketahui, bahwa ada hubungan yang signifikan antar variabel yang bersangkutan. • Apabila tidak ada hubungan antar variabel, maka variabel tersebut tidak dapat digunakan untuk memprediksi keadaan variabel yg lain. • Jadi kita berusaha mengetahui keadaan suatu variabel (misal variabel Y), lewat variabel lain (misal variabel X) atau sebaliknya. • Korelasi sempurna, jika r = 1.00 atau r = -1.00.
- 5. • Variabel X= VI = variabel prediktor • Variabel Y = VD = variabel kriterium • Hubungan antara variabel prediktor dengan variabel kriterium biasanya dilukiskan dalam sebuah garis, yang disebut garis regresi. • Garis regresi ada yg berbentuk linear (lurus), dan ada yg berbentuk melengkung (kurva) • Dalam penghitungan regresi biasanya diasumsikan garis regresinya linear.
- 6. • Oleh karenaitu perlu dilakukan uji linearitas. • Apabila garis regresi yg diperoleh tidak linear, maka tidak dapat dikenai rumus yg sama, yaitu harus dihitung dengan rumus garis regresi non linear (misal: regresi eksponensial, regresi logistik, dls).
- 7. Rumus Anareg Sederhana •Rumus persamaan garis regresi dg satu prediktor Y = a+bX (Santoso, 2010). Y = variabel kriterium X = variabel prediktor b = koefisien prediktor (slope), merupakan tingkat kemiringan garis regresi, yang juga berarti berapa banyaknya peningkatan Y jika X meningkat sebanyak 1 poin. a = bilangan konstan (intercept), merupakan nilai dari prediksi Y jika nilai dari X adalah nol.
- 8. Rumus Anareg Sederhana Rumuspersamaan garis regresi dg satu prediktor (Hadi, 2001) Y = aX + K Y = kriterium X = prediktor a = koefisien prediktor K = bilangan konstan
- 9. Langkah dalam anaregsederhana • Menghitung korelasi antara kedua variabel • Jika koefisien korelasi (r) yg diperoleh signifikan, buat persamaan garis regresinya. • Garis regresi yang ingin didapatkan harus memiliki kriteria khusus, yakni memiliki kesalahan prediksi paling kecil dibandingkan semua garis regresi yang mungkin di buat (Santoso, 2010). Tujuan peneliti adalah ingin mendapatkan dasar ramalan yang menghasilkan kesalahan- kesalahan yang sekecil-kecilnya (Hadi, 2001).
- 10. • Tujuan tersebutdi atas dapat tercapai, jika dari serangkaian ramalan, jumlah kesalahan- kesalahan ramalan tersebut sama dengan nol. Kesalahan ramalan ini di sebut residu (Hadi, 2001). • Untuk mengisi persamaan garis regresi (Y = aX + K) itu, harga koefisien prediktor (a) dan harga bilangan konstan (K) harus ditemukan terlebih dahulu. Harga-harga a dan K dapat ditemukan dengan dua jalan, yaitu dengan metode skor kasar dan metode skor deviasi (Hadi, 2001).
- 11. • Rumus metodeskor kasar
- 12. • Rumus metodeskor deviasi y = ax
- 13. • Setelah garisregresi diketahui, maka perlu dilakukan analisis varians terhadap garis regresi, dengan maksud menguji signifikansi garis regresi yang bersangkutan, hal ini terutama dilakukan jika dalam prediksi digunakan beberapa prediktor. Jika hanya satu prediktor maka setelah garis regresi diketahui, maka tugas yang kita kerjakan boleh dikatakan selesai (Hadi, 2001).
- 14. Anareg dalam SPSS(Santoso, 2006) 1. Analyze Regression Linear 2. Pengisian kotak dialog (dependen, independen) 3. Pilih Statistics Estimates Model Fit Descriptives Casewise diagnostics all cases Continue 4. Pilih Plots SDRESID pada VD ZPRED pada VI Next ZPRED pada VD DEPENDNT pada VI Next Normal Probability Plot Continue Ok
- 15. Hasil 1. Statistik deskriptif 2.Tingkat signifikansi korelasi dan besarnya korelasi. 3. Variables Entered/Removed 4. Model Summary R = koefisien korelasi
- 16. R square =pengkuadratan dari koefisien korelasi = koefisien determinasi = semakin kecil angka R square, semakin lemah hubungan kedua variabel = berkisar 0-1 = sekian % dari variabel dependen dapat dijelaskan oleh variabel independen, sisanya oleh variabel lain yg tidak di teliti. SEE variabel dependen jika SEE < SD variabel dependen, maka model regresi lebih bagus dalam bertindak sebagai prediktor variabel dependen, daripada rata-rata dari variabel dependen itu sendiri.
- 17. 5. Anova Lihat Sig. jika < 0,05 maka model regresi bisa digunakan untuk memprediksi variabel dependen. 6. Coefficients Menunjukkan persamaan garis regresi Y= B(constan)+ B X Uji t menguji signifikansi konstanta dan variabel dependen apakah benar variabel independen dapat memprediksi variabel dependen Sig < 0,025 maka koef regresi signifikan uji dilakukan dua sisi sehingga probabilitas = 0,05/2 = 0,025
- 18. 7. Casewise diagnostics membahas ttg residu semakin kecil residu atau standardized residual (residu/SEE) akan semakin baik bagi persamaan regresi dalam memprediksi data. 8. Residuals statistics ringkasan deskiriptif dari nilai residu. 9. Gambar Normal P-P Plot of Regression Standardized Residual jika residual berasal dari distribusi normal, maka sebaran data akan terletak di sekitar garis lurus.
- 19. 10. Scatterplot 1 Menggambarkan hubungan antara nilai yg diprediksi dengan Studentized Delete Residual-nya Jika model regresi layak dipakai untuk prediksi (fit), maka data akan berpencar di sekitar angka nol (0 pada sumbu Y) dan tidak membentuk suatu pola atau tren tertentu. 11. Scatterplot 2 Menggambarkan hubungan antara varibel dependen dengan nilai prediksinya Jika model memenuhi syarat, maka sebaran data akan berada mulai dari kiri bawah lurus ke arah kanan atas.
- 20. Analisis Regresi Ganda •Memiliki lebih dari 1 prediktor. • Untuk anareg ganda dengan 2 prediktor, berarti terdapat 1 variabel kriterium dan 2 variabel prediktor, dst. • Prinsip-prinsip untuk memprediksikan kriterium dari satu prediktor berlaku juga untuk memprediksikan kriterium dari dua prediktor atau lebih (Hadi, 2001). • Persamaan garis regresi (Hadi, 2001).
- 21. • Langkah SPSSdalam anareg ganda tergolong sama dengan anareg sederhana, begitu pula dengan cara pembacaan hasilnya. • Harus diingat untuk melakukan uji asumsi sebelum uji hipotesis, baik pada anareg sederhana maupun ganda.
- 22. Daftar Pustaka Gonick, L.& Smith, W. 2020. Kartun Statistik. Jakarta: KPG (Kepustakaan Populer Gramedia). Hadi, S. 2001. Analisis Regresi. Yogyakarta: Andi. Santoso, A. 2010. Statistik untuk Psikologi dari Blog menjadi Buku. Yogyakarta: Universitas Sanata Darma. Santoso, S. 2006. Menguasai Statistik di Era Reformasi Informasi dengan SPSS 14. Jakarta: Elex Media Komputindo
- 23. Tugas I • Reviutentang analisis regresi.
- 24. Tugas II • Mengerjakan3 nomor soal. Dikumpulkan besok jam 08.00.
- 25. Tugas Membuat paper tentanganalisis regresi logistik, sekurang-kurangnya berisi tentang: • Apa itu regresi logistik? • Kapan regresi logistik digunakan? • Asumsi regresi logistik. • Fungsi regresi logistik. • Langkah-langkah regresi logistik di SPSS. • Contoh soal yang berkaitan dengan psikologi dan interpretasi datanya. Paper dikumpulkan minggu depan