RESUME MATERI BIOMETRI

UJI REGRESI GANDA

Penyusun:

LEXI JALU AJI

15304241026

PENDIDIKAN BIOLOGI I

JURUSAN PENDIDIKAN BIOLOGI

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS NEGERI YOGYAKARTA

 2017

A. Analisis Regresi Berganda

Analisis regresi merupakan hubungan secara linear antara dua atau lebih
variabel bebas (X1, X2, X3.Xn) dengan satu variabel terikat (Y). Berfungsi untuk
mengetahui seberapa besar pengaruh prediktor (variabel bebas) terhadap respons
(variabel terikat). Selain itu juga berfungsi untuk mengetahui variabel bebas apa saja
yang dapat digunakan sebagai predictor. Syarat analisis regresi ganda adalah :
1. Variable terikat yang merupakan variable respon harus berasal dari populasi
yang berdistribusi normal.
2. Pengamatan dilakukan secara acak
3. Variable bebas merupakan variable yang dapat memprediksi respon

B. Model Analisis Regresi

Tujuan analisis regersi adalah unutk mendapatkan suatu bentuk hubungan

antara variabel yang akan diestimasi (dependent variable) dengan variabel bebas
(independent variable) dan menggunakan model tersebut untuk mengestimasi nilai
dari variabel yang akan di estimasi.

Model regresi mengasumsikan bahwa faktor-faktor yang diramal

menunjukkan adanya suatu hubungan sebab akibat (cause-effect relationship) dengan
satu atau lebih variabel bebas (independent variable).

1. Full model
Biasanya ditolak karena pada umumnya ada variabel bebas yang tidak
menyumbang. Full model menunjukkan apakah seluruh variabel bebas benar-
benar signifikan ditunjukkan oleh nilai R2. Misal: dari 10 variabel bebas ada 3
variabel bebas yang menyumbang besar
2. Backward Elimination Procedure
Metode backward bekerja dengan mengeluarkan satu per satu variabel
predictor yang tidak signifikan dan dilakukan terus menerus sampai tidak ada
variabel prediktor yang tidak signifikan
3. Forward Elimination Procedure
Pemodelan dimulai dari nol peubah (empty model), kemudian satu per
satu peubah dimasukkan sampai kriteria tertentu dipenuhi.

4. Stepwise Regression Procedure

Gabungan antara metode backward dengan forward. Variabel yang
pertama kali masuk adalah variabel korelasinya tertinggi dan signifikan dengan
 variabel terikat, variabel yang masuk kedua adalah variabel yang korelasi
parsialnya tertinggi dan masih signifikan, setelah variabel tertentu masuk ke
dalam model maka variabel lain yang ada di dalam model dievaluasi, jika ada
variabel yang tidak signifikan maka variabel tersebut dikeluarkan.

C. Koefisien Determinasi
Merupakan suatu ukuran yang digunakan untuk melihat seberapa besar
sumbangan variabel independent terhadap variasi variabel dependent.

Dengan, Nilai 0<R2 < 1

Kegunaannya:

Untuk ukuran ketetapan garis regresi dari hasil estimasi terhadap sekelompok
data hasil observasi dan untuk mengukur proporsi dari jumlah variasi yang
diterangkan oleh model regresi