1
Dwinasanti Nur Rachmawati
Sekolah Tinggi Ilmu Statistik (Jakarta)
BPS (Badan Pusat Statistik)
Dialog box items
Stepwise (forward and backward), untuk memilih metode standard stepwise
regression
Predictor in initial model: masukkan variable prediktor. Variabel ini akan
dikeluarkan jika p-value lebih besar dari alpha to enter value
Jika ingin mempertahankan variabel tertentu dalam model abaikan nilai p-value
dan enter variabel tersebut dalam Predictor to include in every model dalam box
utama
Alpha to enter, nilai α yang digunakan sebagai batas untuk memasukkan variable
ke dalam model
Alpha to remove, nilai α yang digunakan sebagai batas untuk mengeluarkan
variable dari dalam model
Forward selection, untuk memilih metode Forward selection
Alpha to enter : nilai α yang digunakan sebagai batas untuk memasukkan
variable ke dalam model
Backward elimination: untuk memilih metode backward elimination
Alpha to remove: nilai α yang digunakan sebagai batas untuk mengeluarkan
variable dari dalam model
2
Dwinasanti Nur Rachmawati
Sekolah Tinggi Ilmu Statistik (Jakarta)
BPS (Badan Pusat Statistik)
Contoh:
Seorang sosiolog sedang meneliti perubahan meningkatnya tren pembunuhan
baru-baru ini yang terjadi di united states, studi ini meneliti tingkat pembunuhan tiap
100.000 populasi (Y) berhubungan dengan populasi (X1), persentase keluarga dengan
pendapatan pertahun kurang dari $ 5,000 (X2), dan tingkat pengangguran (X3).
Penelitian dilakukan dilihat dari sampel 20 kota yang erada di united states.
City X1 X2 X3 Y
1 587 16.5 6.2 11.2
2 643 20.5 6.4 13.4
3 635 26.3 9.3 40.7
4 692 16.5 5.3 5.3
5 1248 19.2 7.3 24.8
6 643 16.5 5.9 12.7
7 1964 20.2 6.4 20.9
8 1531 21.3 7.6 35.7
9 713 17.2 4.9 8.7
10 749 14.3 6.4 9.6
11 7895 18.1 6 14.5
12 762 23.1 7.4 26.9
13 2793 19.1 5.8 15.7
14 741 24.7 8.6 36.2
15 625 18.6 6.5 18.1
16 854 24.9 8.3 28.9
17 716 17.9 6.7 14.9
18 921 22.4 8.6 25.8
19 595 20.2 8.4 21.7
20 3353 16.9 6.7 25.7
Temukan model regresi yang terbaik antara Y, X1, X2, dan X3 dengan tiga metode
pembentukan model regresi dengan menggunakan MINITAB
a. Stepwise regression
b. Forward selection
c. Backward elimination
Dengan α = 5%
3
Dwinasanti Nur Rachmawati
Sekolah Tinggi Ilmu Statistik (Jakarta)
BPS (Badan Pusat Statistik)
Pembahasan:
Tujuan : mengetahui hubungan antara tingkat pembunuhan dengan faktor-
faktor yang mempengaruhinya
Variable yang diteliti :
Y = tingkat pembunuhan tiap 100.000 populasi
X1 = populasi
X2 = persentase keluarga dengan pendapatan pertahun kurang dari $ 5,000
X3 = tingkat pengangguran
N = 20
Pembahasan akan dimulai dari metode dengan cara-cara khusus yaitu forward
selection lalu berlanjut ke backward elimination lalu terakhir stepwise
regression agar diketahui perbedaan langkah pembentukan model terbaik dari
masing-masing metode itu
a. Forward selection
Stat > Regression > Stepwise
Isi kotak dialog response dengan variable Y dan predictor dengan variable X1, X2,
dan X3.
> Methods > Forward selection
Isi kotak dialog Alpha to enter dengan nilai α yang telah ditentukan yaitu 0,05
(5%)
Step 1 2
Constant -28.53 -34.07
x3 7.08 4.40
T-Value 7.31 2.88
P-Value 0.000 0.010
x2 1.22
4
Dwinasanti Nur Rachmawati
Sekolah Tinggi Ilmu Statistik (Jakarta)
BPS (Badan Pusat Statistik)
T-Value 2.15
P-Value 0.046
S 5.10 4.65
R-Sq 74.80 80.20
R-Sq(adj) 73.39 77.87
Penjelasan:
Seperti pada langkah-langkah yang telah dijelaskan pada materi forward yaitu
pertama-tama mencari variabel bebas yang berhubungan erat dengan variabel
tak bebasnya dengan melihat korelasi dari masing-masing variabel bebas
dengan variabel tak bebasnya,
Pada step 1 dimulai dengan hanya memasukkan variabel X3 yaitu tingkat
pengangguran yang merupakan variabel bebas yang korelasi terhadap
variabel tak bebasnya paling tinggi.
Regresikan Y dengan X3 lalu didapat model regresinya yaitu
5
Dwinasanti Nur Rachmawati
Sekolah Tinggi Ilmu Statistik (Jakarta)
BPS (Badan Pusat Statistik)
kurang dari $ 5,000 dan tingkat pengangguran. Sedangkan sisanya (100 % -
77,87% = 22,13 %) dijelaskan oleh sebab-sebab yang lain.
b. Backward elimination
Stat > Regression > Stepwise
Isi kotak dialog response dengan variable Y dan predictor dengan variable X1, X2,
dan X3.
> Methods > Backward Elimination
Isi kotak dialog Alpha to remove dengan nilai α yang telah ditentukan yaitu 0,05
(5%)
Step 1 2
Constant -36.76 -34.07
x1 0.00076
T-Value 1.20
P-Value 0.248
x2 1.19 1.22
T-Value 2.12 2.15
P-Value 0.050 0.046
x3 4.7 4.4
T-Value 3.08 2.88
P-Value 0.007 0.010
S 4.59 4.65
R-Sq 81.83 80.20
R-Sq(adj) 78.43 77.87
Penjelasan:
Seperti pada langkah-langkah yang telah dijelaskan pada materi backward
elimination metode backward merupakan cara pembuatan model dengan
memasukkan semua variabel kemudian dikeluarkan satu persatu dengan
melakukan pengujian terhadap parameter-parameternya dengan menggunakan
partial F test.
6
Dwinasanti Nur Rachmawati
Sekolah Tinggi Ilmu Statistik (Jakarta)
BPS (Badan Pusat Statistik)
Pada step 1 semua variabel bebas X1, X2, dan X3 di masukkan kedalam
model, hasil regresi Y dengan X1, X2, dan X3 adalah
c. Stepwise regression
Stat > Regression > Stepwise
7
Dwinasanti Nur Rachmawati
Sekolah Tinggi Ilmu Statistik (Jakarta)
BPS (Badan Pusat Statistik)
Isi kotak dialog response dengan variable Y dan predictor dengan variable X1, X2,
dan X3.
> Methods > Stepwise (forward and backward)
Lalu pilih use alpha value isi kotak dialog Predictor in initial model dengan variable
X1, X2, dan X3, isi juga kotak dialog Alpha to enter dan Alpha to remove dengan
0.05 (5%) lalu klik ok.
Step 1 2
Constant -36.76 -34.07
x1 0.00076
T-Value 1.20
P-Value 0.248
x2 1.19 1.22
T-Value 2.12 2.15
P-Value 0.050 0.046
x3 4.7 4.4
T-Value 3.08 2.88
P-Value 0.007 0.010
S 4.59 4.65
R-Sq 81.83 80.20
R-Sq(adj) 78.43 77.87
Penjelasan:
Stepwise regression merupakan merode yang menggabungkan antara metode
forward selection dan backward elimination. Karena program pengolahan yang
dipakai adalah minitab maka pada outputnya tidak terlalu terlihat proses tahapan
demi tahapan dari stepwise, bila dilihat sepintas mirip dengan output pada
backward elimination, sehingga penjelasannyapun sama seperti pada output
backward elimination
Kesimpulan:
8
Dwinasanti Nur Rachmawati
Sekolah Tinggi Ilmu Statistik (Jakarta)
BPS (Badan Pusat Statistik)
Jumlah variable yang signifikan dalam model regresi ini hanya X2 dan X3
sehingga dapat dikatakan bahwa dengan tingkat kepercayaan sebesar 5%
variable yang berpengaruh terhadap tingkat pembunuhan adalah
persentase keluarga dengan pendapatan pertahun kurang dari $ 5,000 dan
tingkat pengangguran
model yang terbentuk adalah
yang berarti bahwa dengan penambahan variable persentase keluarga
dengan pendapatan pertahun kurang dari $ 5,000 dan tingkat pengangguran
maka akan membuat tingkat pembunuhan meningkat.
R2=80,20%
Yang berarti besarnya variable tingkat pembunuhan 80,20% dipengaruhi
oleh variable persentase keluarga dengan pendapatan pertahun kurang dari
$ 5,000 dan tingkat pengangguran sisanya 19,80% dipengaruhi oleh
variabel lain diluar model ataupun dari error.
9
Dwinasanti Nur Rachmawati
Sekolah Tinggi Ilmu Statistik (Jakarta)
BPS (Badan Pusat Statistik)