ANALISIS MULTIVARIAT

sesi-1: Simple Linear regression

PROGRAM STUDI S1 PWK

UNIVERSITAS GADJAH MADA 2005

Referensi:
Everitt, B.S., 1996, Making Sense of Statistics in Psychology: A SecondLevel Course, Oxford University Press, Oxford. Kachigan, S.K., 2002, Statistical Analysis: An Interdisciplinary Introduction to Univariate & Multivariate Methods, Radius Press, New York. Kline P., 1994, An Easy Guide to Factor Analysis, Routledge, London. Napa J.A., 1995, Metode Statistik dan Ekonometri, Liberty, Yogyakarta. Supranto J., 2004, Analisis Multivariat: Arti & Interpretasi, Rineka Cipta, Jakarta.

agam.psppr-ugm.net

Var-1

UNI - VARIAT

Var-2 Var-3

Var-1

Var-2 Var-3 Var-1

BI - VARIAT

Var-2 Var-3

Var-2

MULTI - VARIAT

Var-1

Var-3 Var- 4 Var- 5

PENGANTAR
MENGAPA MULTIVARIAT?

Karena tidak semua gejala itu hanya didasarkan pada hubungan dua variabel saja.
Contoh: -Harga tanah tidak hanya ditentukan oleh lokasi yang dekat dengan jalan raya, tetapi oleh faktor lain misal dekat kampus, dekat pasar, kesuburan tanah, bentuk persilnya. -INDEKS PRESTASI tidak hanya ditentukan oleh lama belajar, tetapi juga IQ, EQ,

Sehingga diperlukan multivariat mengkaitkan banyak variabel yang secara logis berkait.

agam.psppr-ugm.net

ANALISIS MULTIVARIAT
ASSOCIATION (HUBUNGAN)
1. 2. 3. 4. 5. 1. 2. 3. 4. 5. 6. 7. 8. 1. 2. 1. 2. 3. MULTIPLE REGRESSION QUANTIFICATION 1 TOBIT ANALYSIS PATH ANALYSIS CANONICAL CORRELATION

CLASSIFICATION

TESTS OF HYPOTHESES OF MEANS MULTIPLE DISCRIMINANT ANALYSIS QUANTIFICATION II PROBIT ANALYSIS AND LOGIT ANALYSIS LOG-LINEAR MODEL MULTIVARIATE ANALYSIS OF VARIANCE MULTIVARIATE ANALYSIS OF COVARIANCE CLUSTER ANALYSIS MULTI-DIMENSIONAL SCALING QUANTIFICATION IV

SCALING

ABSTRACTION

PRINCIPAL COMPONENT ANALYSIS QUANTIFICATION III FACTOR ANALYSIS

SEBELUM MULTIVARIAT, PERLU MEMAHAMI TERLEBIH DAHULU:

SIMPLE LINEAR REGRESSION

(ini sebenarnya bivariat, tetapi menjadi dasar pemahaman bagi kita tentang multivariat)

Kemudian baru:

MULTIPLE LINEAR REGRESSION

agam.psppr-ugm.net

SIMPLE LINEAR REGRESSION

(REGRESI SEDERHANA) Tujuan: untuk menemukan seberapa besar pengaruh perubahan variabel independen terhadap variabel dependen. Besarnya pengaruh dilihat koefisien regresinya. Kedua variabel adalah QUANTITATIVE. REGRESI TIDAK DAPAT untuk mengukur KETERKAITAN. Bila korelasi (keterkaitan) kecil maka REGRESI tidak ada artinya. KORELASI DIHITUNG DULU BARU REGRESI.
Merupakan statistik BIVARIATE dan merupakan cikal bakal MULTIVARIATE.

ada/tidaknya keterkaitan

Seberapa peran independent variabel pada prediksi dependent variabel

SCATTERGRAMS

KORELASI ( r )
bila secara visual jelas ada korelasi yang kuat

REGRESI SEDERHANA ( r 2 )

Mengungkapkan tingkat pengelompokan titiktitik thd garis regresi (kekuatan keterkaitan dua variabel)

Menarik garis rata-rata. Memperlihatkan besarnya pengaruh independent var (x) terhadap dependent variabel (Y). Bisa untuk memprediksi

Nilai r besar

Nilai r kecil

agam.psppr-ugm.net

REGRESI SEDERHANA
Contoh Adakah dan seberapa kaitan antara jumlah penduduk (X) dengan jumlah mobil pribadi (Y)? Apabila pada tahun 2010 jumlah penduduk menjadi 1000 orang, berapakah jumlah mobil pada saat itu.

Tahun
1980 1985 1990 1995 2000 2005

Jml Penduduk (X)

125 345 390 456 564 654

Jml mobil (Y)

4 6 12 14 18 24

Hitung dulu Pearson Correlation Coefficientnya ( r ):

Dulu dipelajari dengan rumus di bawah ini:
n. 3 xiyi (3 xi) (3 yi) n.3 xi2 (3 xi)2 n.3 yi 2 (3 yi)2

r=

Rumus di atas sebenarnya adalah Covariance dari x dan y dibagi dengan perkalian standar deviasi x dan standar deviasi y. Covariance xy S xy Jadi r = atau Sx . Sy (stand.dev. X ) ( stand.dev. Y)

Catatan: Covariance adalah foundamental index untuk mengukur besarnya hubungan antara dua variabel kuantitatif. TANPA MERUBAH FORMAT PERHITUNGAN TABEL, MAKA PROSES MENGHITUNG r BISA DILAKUKAN.

Bila sudah mendapat hasil r maka kita bisa menghitung r2 (kuadratkan nilai r!) BUKAN r2 dulu, kemudian r = r2; bila hal ini maka tanda + dan tidak jelas.

agam.psppr-ugm.net

Tahun 1980 1985 1990 1995 2000 2005 n=6

Jml Penddk (X) 125 345 390 456 564 654 2534

Jml mobil (Y) 4 6 12 14 18 24 78

X2 15625 119025 152100 207936 318096 427716 1240498

Y2 16 36 144 196 324 576 1292

X.Y 500 2070 4680 6384 10152 15696 39482

r=

n. 3 xiyi (3 xi) (3 yi) n.3 xi2 (3 xi)2 n.3 yi 2 (3 yi)2

Alternatif lain: x.y ( x) ( y) / n Sy = x2 ( x)2 / n y2 ( y)2 / n

r=

Sxy Sx .

Tahun 1980 1985 1990 1995 2000 2005 n=6

Jml Penddk (X) 125 345 390 456 564 654 2534

Jml mobil (Y) 4 6 12 14 18 24 78

X2 15625 119025 152100 207936 318096 427716 1240498

Y2 16 36 144 196 324 576 1292

X.Y 500 2070 4680 6384 10152 15696 39482

x = 2534 / 6 = 422,33 y = 78/6 = 13

Sxy = x.y ( x) ( y) / n = 39482 (2534)(78) / 6 = 6540

Sx = x2 ( x)2 / n = 1240498 (2534)2 / 6 = 170305 r= Sx Sxy . Sy =

Sy = y2 ( y)2 / n = 1292 (78)2 / 6 = 278 6540 170305.

cek dengan SPSS

278

r = 0,950476

r2 = 0,903405 dianggap kuat keterkaitannya

agam.psppr-ugm.net

Tahap perhitungan r dan r2 sudah dilakukan di atas. Lalu bagaimana bila kita akan memprediksinya? Misal tahun 2010 jumlah penduduknya jadi 1000 jiwa. Lalu berapa jumlah mobilnya? Rumus regresi sederhana b = Sxy / Sx = 6540 /170305 = 0,038402 a =y - bx = 13 0,038402 . 422,333 = - 3,218314 Y=a+bX Aslinya Yi = o + 1 Xi + i

Yi : variabel dependen ke-i Xi : variabel independen ke-i I : variabel pengganggu ke-i o : konstansta 1 : koefisien regresi

Jadi, persamaan garis regresinya = Y = - 3,218 + 0,038 x

Selanjutnya, jumlah mobil tahun 2010 bila jml penduduk 1000 jiwa = Y = - 3,218 + 0,038 (1000) = - 3,218 + 38 = 34,7 jadi jumlah mobil tahun 2010 = 35 unit.

HASIL PERHITUNGAN SPSS

agam.psppr-ugm.net

agam.psppr-ugm.net

Apa arti residual? Beberapa pustaka menyebut SSE (sum of square error) yang menunjukkan variasi kesalahan kuadrad yang tidak dapat dijelaskan oleh garis regresi (unexplained variation) Yi = o + 1 Xi + i

Semakin kecil variabel pengganggu atau standard error, berarti kenyataan akan mendekati harapan yang terkandung dalam teori.

Menghitung SSE / RESIDUAL = SSE = Yi 2 - a Yi - b XiYi = 1292 - (- 3,218314) (78) - (0,038402) (39482) = 26,840728 ini bisa juga untuk menghitung F atau t hitung. F = t2 = b2 . Xi2 SSE / (n-2)

t test berguna untuk menguji persamaan regresi untuk tiap variabel F test berguna untuk menguji persamaan multiple regresi untuk keseluruhan model. BAGAIMANA MENGHITUNG t (hitung) :

tn-2 =
=

n2 1r
2

d.f= n - 2
Model 1 (Constant) jmlpend

Coefficientsa Unstandardized Coefficients B Std. Error -3.218 2.855 .038 .006 Standardized Coefficients Beta .950

t -1.127 6.116

0,95

62

a. Dependent Variable: jmlmob

= 6,0848
Setelah ini cek t - TABLE

1 0,95 2

agam.psppr-ugm.net