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, atau
prediktor vs. kriterion.

Model Regresi
Regresi sederhana
prediktor

Y
Regresi ganda

X1
X2
.X 3

rx1-y
rx2-y

rx3-y

Gabungan antara rx1-y hingga r3-y = R

kriterion

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

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

Teknik Memasukkan Variabel

Prediktor ke dalam Persamaan
Regresi
A-priori: Semuanya dimasukkan bersamaan

ke dalam pers. 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. Hingga penurunan
tidak signifikan (Prosedur BACKWARD)
Dengan prosedur STEPWISE, gabungan
antara FORWARD & BACKWARD

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),
tingkat signifikansinya, korelasi
partial (rpart) dan r2part .

Membandingkan Peran
Variabel
Berdasar harga-harga koefisien ,
dari persamaan

= 1X1 + 2X2 + 3X3 + .+ nXn

adalah koefisien regresi untuk semua
prediktor apabila nilai variabel
predikor diberikan dalam z-score

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

Eksekusi Prosedur Regresi

dan Hasil Analisis
Dari file data ditetapkan variabel terikat

dan varaiabel(-variabel) bebas atau

prediktornya.
Options mengelola missing data pilihan
metoda pemasukan variabel prediktor.
Statistics memberikan analisis
tambahan dan/atau parameter yang
diminta, termasuk berbagai plot.

Tampilan Hasil Analisis

Regresi

Variabel yang masuk ke dalam persamaan

Ringkasan model : R, koofisien korelasi
ganda antara variabel terikat dengan v
ariabel-variabel bebasnya; R2 , kooefisien
determinasi menunjukkan persentase
varian (var terikat) yang dapat dikaitkan
dengan persamaan regresi yang dibentuk.
ANOVA: untuk melihat apakah secara
umum persamaan regresi yang dihasilkan
acceptable.

Tampilan Hasil Analisis

Regresi

Koefisien regresi yang memuat koefisien regresi masingmasing variabel bebas, 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, 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.
Jika diminta prosedur juga memberikan laporan dalam
bentuk plot atau visualisasi dipenuhi tidaknya persyaratan
analisis.

 Teruskan dengan hasil analisis

Regresi dengan SPSS