Anda di halaman 1dari 2

Regresi Stepwise adalah salah satu metode untuk mendapatkan model terbaik dari sebuah analisis

regresi. Secara definisi adalah gabungan antara metode forward dan backward, variabel yang
pertama kali masuk adalah variabel yang korelasinya tertinggi dan significant dengan variabel
dependent, variabel yang masuk kedua adalah variabel yang korelasi parsialnya tertinggi dan
masih significant, setelah variabel tertentu masuk ke dalam model maka variabel lain yang ada di
dalam model dievaluasi, jika ada variabel yang tidak significant maka variabel tersebut
dikeluarkan.
Adapun definisi lengkapnya dan prosedur metodenya bisa dibaca di buku Applied Regression
Analysis Third Edition karangan Draper and Smith halaman 335.

Model regresi terbaik terkadang didapatkan dari beberapa tahap pemilihan. Daftar sejumlah
variabel penjelas tersedia dan dari itu dicari variabel mana yang seharusnya dimasukkan ke dalam
model. Variabel penjelas terbaik akan digunakan pertama kali, dan kemudian yang kedua, dan
seterusnya. Prosedur ini kita kenal dengan Regresi Stepwise.

Regresi stepwise melibatkan dua jenis proses yaitu: forward selection dan backward elimination.
Teknik ini dilakukan melalui beberapa tahapan. Pada masing-masing tahapan, kita akan
memutuskan variabel mana yang merupakan prediktor terbaik untuk dimasukkan ke dalam model.
Variabel ditentukan berdasarkan uji-F, variabel ditambahkan ke dalam model selama nilai p-
valuenya kurang dari nilai kritik α (biasanya 0,15). Kemudian variabel dengan nilai p-value lebih
dari nilai kritik α akan dihilangkan. Proses ini dilakukan terus menerus hingga tidak ada lagi
variabel yang memenuhi kriteria untuk ditambahkan atau dihilangkan.

Model dalam regresi Stepwise adalah:

Y = β0 + β1X1 + β2X2 + β3X3 + …. + βnXn

Sedangkan Hipotesis yang digunakan dalam Regresi Stepwise adalah:

H0 : β1, β2, β3 = 0
Dengan hipotesis alternatif adalah:

Ha : β1, β2, β3 ≠ 0

Kembali ke persoalan skala likert, mengapa data likert termasuk data ordinal? Sebenarnya alasannya
gampang. Sangat setuju pasti lebih tinggi daripada yang setuju. Yang setuju pasti lebih tinggi daripada
yang netral, yang netral pasti lebih tinggi daripada yang tidak setuju, sedangkan yang tidak setuju pasti
lebih tinggi daripada yang sangat tidak setuju. Namun jarak antara sangat setuju ke setuju dan dari
setuju ke netral dan seterusnya tentunya tidak sama, oleh karena itu data yang dihasilkan oleh skala
likert adalah data ordinal. Sedangkan cara scoring bahwa Sangat setuju 5, setuju 4, netral 3, tidak
setuju 2 dan sangat tidak setuju 1 hanya merupakan kode saja untuk mengetahui mana yang lebih
tinggi dan mana yang lebih rendah.