LAPORAN PRAKTIKUM KE-I

“MENENTUKAN MODEL PERSAMAAN REGRESI TERBAIK”

Disusun untuk memenuhi laporan praktikum analisis regresi lanjutan

Oleh :
Nama : Ira Humairo’
NIM :185090501111024

Asisten :
1. Shelma Ayu Widya Masyitha 175090501111028
2. Ratih Kartika Rahmatulnissa 175090501111029

LABORATORIUM STATISTIKA
PROGRAM STUDI STATISTIKA
JURUSAN STATISTIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS BRAWIJAYA
MALANG
2020
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Dalam menentukan model regresi, variabel bebas
dapat masuk dalam model secara bersama-sama atau satu
persatu. Jika variabel bebas masuk dalam model secara
bersama-sama maka perhitungan akan ringkas, akan tetapi
tidak akan kelihatan apa yang terjadi dalam perhitungan
tersebut karena setiap variabel bebas yang masuk memberikan
pengaruh yang berbeda, tergantung pada urutan variabel bebas
tersebut yang masuk dalam model. Namun tidak berarti semua
variabel yang masuk dalam model regresi menjadikan model
tersebut model yang terbaik (Sembiring,1995). Model regresi
terbaik adalah model yang dapat menjelaskan 2 perilaku
peubah tak bebas dengan sebaik-baiknya dengan memilih
peubah-peubah bebas dari sekian banyak peubah bebas yang
tersedia dalam data.
Untuk menentukan peubah bebas mana yang akan
dimasukkan ke dalam model regresi, menurut Draper, ada dua
kriteria yang saling bertentangan yaitu agar persamaannya
bermanfaat untuk peramalan, biasanya ingin dimasukkan
sebanyak mungkin peubah sehingga diperoleh nilai ramalan
yang andal serta untuk memperoleh informasi dari banyak
peubah serta pemantauannya sering kali diperlukan biaya yang
tinggi, maka diinginkan persaman regresi yang mencakup
sesedikit mungkin peubah. Kompromi diantara kedua kriteria
itulah yang disebut pemilihan model regresi terbaik. Untuk
mengatasi kesulitan yang dihadapi dalam menentukan model
terbaik dapat digunakan beberapa metode yaitu :
metode semua kombinasi yang mungkin (all possible
regression), regresi himpunan bagian terbaik (best subset
regression), prosedur eliminasi langkah mundur (the backward
elimination) dan prosedur regresi bertatar (the stepwise
regression procedure). Metode yang sering digunakan adalah
metode semua kombinasi yang mungkin (all possible
regression). Namun metode yang biasanya direkomendasikan
adalah metode the stepwise regression procedure, karena lebih
menghemat waktu-komputer dibandingkan metodemetode yang
lain, dan juga untuk mencegah masuknya peubah X dari
pada yang diperlukan sambil memperbaiki persamaannya pada
setiap tahap.
Proses identifikasi dalam regresi menjadi salah langkah
penting yang harus dilakukan dalam analisis regresi. Identifikasi
dalam regresi dimaksudkan untuk mengetahui karakteristik data
yang ada apakah dapat diregresikan atau tidak, mengetahui
hubungan antara variabel independen terhadap variabel
dependen, mengidentifikasi adanya data outlier serta faktor lain
dari data yang dapat mempe- 10 ngaruhi atau bahkan
menghambat dalam proses analisis regresi. Proses identifikasi
bertujuan untuk menentukan metode serta langkah-langkah yang
sesuai diterapkan pada data penelitian yang tersedia.
Pada bagian ini, kita akan membahas mengenai Forward
elimination and Backward elimination.
a. Forward elimination
Metode seleksi maju adalah langkah maju di mana peubah
bebas dimasukkan satu demi satu menurut urutan besar
pengaruhnya terhadap model, dan berhenti bila semua yang
memenuhi syarat telah masuk. Dimulai dengan memeriksa
matriks korelasi kemudian mengambil peubah bebas yang
menghasilkan koefisien korelasi maksimum, dan tidak
dipersoalkan apakah korelasi positif atau negatif karena yang
diperhatikan hanyalah eratnya hubungan antara suatu peubah
bebas dengan Y sedangkan arah hubungan tidak menjadi
persoalan. Bila nilai Fhitung lebih kecil dari yang ditetapkan
untuk pemasukan peubah bebas ke dalam model maka 𝑋𝑗
tidak jadi masuk, begitu juga sebaliknya. Persamaannya dari
prosedur eliminasi langkah maju adalah sebagai berikut

b. Backward elimination
 Metode eliminasi langkah mundur lebih ekonomis
dibandingkan dengan metode ‘semua kemungkinan
regresi’ dalam pengertian bahwa metode ini mencoba
memeriksa hanya regresi terbaik yang mengandung
sejumlah tertentu peubah primal. Langkah-langkah pokok
dalam prosedur ini adalah sebagai berikut:
 Menghitung persamaan regresi yang mengandung semua
peubah peramal. 12
 Menghitung nilai-F parsial untuk setiap peubah peramal,
seolah-olah ia merupakan peubah terakhir yang dimasukan
ke dalam persamaan regresi.
 Membandingkan nilai-F parsial terendah, misalnya FL,
dengan nilai-F bertaraf nyata dari tabel, misalnya F0. Jika
FL < F0, dibuang peubah ZL, yang menghasilkan FL dari
persamaan regresi dan kemudian hitung kembali
persamaan regresi tanpa menyertakan peubah tersebut;
selanjutnya kembali ke langkah (b). Sedangkan jika FL >
F0 ambilah persamaan regresi itu.
1.2 Tujuan
1. Untuk mengetahui persamaan model regresi terbak dari soal
2. Untuk mengetahui motede persamaan regresi mana yang
terbaik
3. Untuk mengetahui apakah metode forward lebih baik dari
pada backward
 BAB II
METODOLOGI

Metodologi adalah penjelasan tentang metode yang digunakan

atau penjelasan mengenai pengoprasian software (dari laporan ini:
SPSS). Langkah – langkah dalam menggunakan aplikasi SPSS adalah
sebagai berikut:
1. Buka aplikasi SPSS pada taskbar

2. Buka halaman variable view. Kemudian pada name isikan

Y,X1,X2, X3 dan X4 sehingga muncul tampilan seperti ini

3. Pada measured ganti ukuran data menggunakan skala

4. Kemudian buka data view. Inputkan data dari excel atau manual
sehingga muncul tampilan seperti ini

5. Selanjutnya klik data analyze , klik regression kemudian pilih

linier
6. Masukkan Variabel Y ke kolom dependent dan X1,X2,X3 dan X4
pada kolom independent. Kemudian pada method klik Backward,
Kemudian klik OK.

7. Selanjutnya akan muncul output seperti ini

 BAB III
HASIL DAN PEMBAHASAN
3.1 Hasil
-Output SPSS

Interpretasi :
Setiap kenaikan X1 satu satuan maka secara rata-rata akan
meningkatkan y 1.46831 dengan asumsi variable bebas yang lain
dari model regresi adalah tetap.Setiap kenaikan X2 satu satuan maka
secara rata-rata akan meningkatkan y 0.66225 dengan asumsi
variable bebas yang lain dari model regresi adalah tetap.

-Output Excel
4.
5.
6.
7.
8.
9.
10.
11.

Interpretasi :
Setiap kenaikan X1 satu satuan maka secara rata-rata akan
meningkatkan y 1.46831 dengan asumsi variable bebas yang lain
dari model regresi adalah tetap.Setiap kenaikan X2 satu satuan
maka secara rata-rata akan meningkatkan y 0.66225 dengan
asumsi variable bebas yang lain dari model regresi adalah tetap.

3.2 Pembahasan
Dari 2 output yang dihasilkan , baik menggunakan
aplikasi SPSS dengan metode backward elimination maupun
menggunakan aplikasi Microsoft office excel dengan metode
forward elimination didapatkan hasil Yduga yang sama. Sehingga
di dapat kesimpulan bahwa kita tidak bisa mengatakan bahwa
model 1 lebih baik daripada model lainnya, karena pemilihan
model regresi yag terbaik tergantung pada alasan dan apa yang
diinginkan oleh peneliti, sehingga model manapun tetap dianggap
bagus atau baik.
 BAB IV
PENUTUP
4.1 Kesimpulan

Jadi, hasil yang didapatkan dengan metode forward selection

dengan aplikasi Microsoft Office Excel didapatkan Persamaan regresi
yakni Y= 52.557+1.4683X1+0.6623X2+e dan hasil yang didapatkan
dengan metode backward selection dengan aplikasi SPSS didapatkan
persamaan regresi yakni Y= 52.557+1.4683X1+0.6623X2+e yang artinya
baik menggunakan metode backward elimination maupun metode
forward elimination didapatkan hasil yang sama. Sehingga dapat ditarik
kesimpulan bahwa untuk penggunaan penentuan model regresi terbaik
dapat dipakai metode yang mana saja tergantung apa yang diinginkan
oleh peneliti.
4.2 Saran
Dalam mengolah data tersebut, dapat diolah dengan menggunakan
aplikasi SPSS untuk lebih mempersingkat waktu pengerjaan , namun juga
sebaiknya menggunakan aplikasi Microsoft office excel untuk lebih
memudahkan kita mendapatkan hasil yang akurat dan mengecek
kebenarannya . Namun perhitungan penentuaan penggunaan model
regresi terbaik juga dapat memakai alternatif aplikasi yang lainnya

DAFTAR PUSTAKA
file:///C:/Users/G40/Downloads/Pemilihan_Model_Terbaik_Regr
esi.pdf
https://www.academia.edu/31944729/Pemilihan_Model_Terbaik
_Regresi
file:///C:/Users/G40/Downloads/tina%20yuniati%20(1).pdf