ANALISIS REGRESI

DIMANA & MENGAPA

KORELASI DIGUNAKAN?
Prediksi: korelasi digunakan utk memprediksikan suatu
variabel berdasarkan variabel lainnya.
Validitas: korelasi digunakan utk menguji apakah suatu alat
ukur psikologis benar-benar mengukur apa yg hendak diukur
(validitas alat ukur).
Reliabilitas: korelasi digunakan utk melihat konsistensi &
kestabilan pengukuran terhadap individu.
Verifikasi teori: korelasi digunakan utk menguji (hipotesis)
mengenai hubungan antara 2 variabel.
 DIMANA & MENGAPA
KORELASI DIGUNAKAN?
Prediksi: korelasi digunakan utk memprediksikan suatu
variabel berdasarkan variabel lainnya.
 Dapat dikatakan bahwa ketika kita melihat suatu variabel
yang secara konsisten berhubungan linier dengan variabel
lainnya, kita dapat membuat persamaan yang menggambarkan
hubungan tersebut. Dari persamaan ini, dapat dibuat
peramalan terhadap variabel yang kedua bila besaran variabel
yang pertama sudah diketahui, dan sebaliknya.
Proses statistik untukmencari dan menggunakan
persamaan prediksi ini dikenal sebagai REGRESI
 Intinya, apakah satu variabel dapat diprediksi dari variabel
lainnya.
 PREDIKSI
•Untuk melakukan prediksi, perlu dikumpulkan data dari dua
variabel yang diperoleh dari sekelompok subyek.
•Bila telah diperoleh persamaan regresi yg baik, maka hanya
dgn mengetahui nilai satu variabel dari subyek, dpt diprediksi
nilai pada variabel satunya lagi.
•Pada topik regresi ini, kita akan pelajari tentang: - persamaan
yang menggambarkan hubungan linier
antara dua variabel
- menghitung persamaan regresi (dengan menggunakan slope
dan intercept) terhadap data set yang kita peroleh.
 PREDIKSI & REGRESI
rXY = hubungan variabel X & variabel Y.
RXY = prediksi variabel Y dari variabel X.

Tujuan analisis regresi: membuat sebuah garis

prediksi yg akurat.
Persamaan garis prediksi: Ŷ = bX + a
 CONTOH (DATA HIPOTETIS):
PREDIKSI IPK DARI KONSEP DIRI

Konsep Diri IPK Prediksi IPK dari Konsep Diri

IPK = 1,25 + 0,05*Konsep Diri
0 1,25 4.5

5 1,5 4

3.5
10 1,75
3
15 2,00 2.5
20 2,25 2
25 2,50 1.5

30 2,75 1

35 3,00 0.5

40 3,25 0
0 10 20 30 40 50 60
45 3,50
50 3,75 Persamaan regresi:
55 4,00 IPK = 0,05*Konsep Diri + 1,25
Contoh prediksi yang sempurna.
Dalam kenyataannya, sulit mendapatkan garis regresi yang melalui
semua titik (koordinat).
 REGRESI Y TERHADAP X

Ŷ = bX + a
Y

a
X
0
PERSAMAAN LINEAR ANTARA 2
VARIABEL

Y’ = Ŷ = bX + a
Y’ = Ŷ = nilai prediksi terhadap DV
b = slope = koefisien regresi
 besar perubahan pada variabel Y (DV) ketika
variabel X (IV) berubah 1 poin/satuan.
a = intercept = konstanta
 nilai Y ketika X= 0

garis regresi = Garis lurus yg dihasilkan dari persamaan.

ANALISIS REGRESI

Pengetahuan tentang satu atau lebih IV

digunakan untuk menyimpulkan satu DV.
DV = outcome = variabel yg diprediksi
IV = predictor = variabel yg memprediksi
Indeks yang diperoleh melalui persamaan
estimasi merupakan teknik statistika yg
digunakan dalam analisis regresi.
ANALISIS REGRESI

Berdasarkan jumlah prediktor (IV)

Simple regression Multiple regression

• IV = 1 • IV > 1
• DV = 1 • DV = 1

• DV = kontinu
• IV = kontinu/kategori
CONTOH SIMPLE REGRESSION

Diperoleh persamaan regresi utk memprediksi IPK dari TPA (tes

seleksi):
IPK = 1,15 + 0,005*TPA
a. Apakah artinya?
b. Berapakah prediksi IPK seorang calon mahasiswa apabila
mendapat TPA =500?
PERSAMAAN REGRESI UNTUK Y

Ŷ = bX + a

di mana
atau

SY= SD dari
skor-skor Y
SX= SD dari
skor-skor X
Hasil prediksi DV (Ŷ) belum tentu sama dengan sebenarnya (Y)
Distance = residu = Y - Ŷ
Y
Y1
Ŷ = bX + a
distance
Y3 Ŷ2
Ŷ1
Y2

Ŷ3

X
 Standard Error of Estimate
Mengukur standard distance antara garis regresi (Ŷ)
& actual data points (Y).
 semakin besar, semakin tidak akurat prediksinya.

Ssresidual = ∑(Y-Ŷ)2, df= N-2

Misal, standard error of estimate =2,5

Artinya standard distance antara garis regresi & actual
data points sebesar 2,5.
 PERCENTAGE OF VARIANCE ACCOUNTED
FOR...
= R2XY

X Y

Menjelaskan proporsi varians DV yg dapat

diprediksikan oleh IV.  coefficient of
determination.
Contoh: R2XY = 0,8.
80% proporsi varians prestasi dapat diprediksi oleh
inteligensi, 20% sisanya diprediksi selain oleh
inteligensi.
Meskipun demikian, perlu dilakukan uji hipotesis
HUBUNGAN STANDARD ERROR OF ESTIMATE &
KORELASI

Bila korelasi semakin besar, maka titik-titik pada

scatterplot akan semakin mendekati garis regresi, sehingga
standard error akan semakin kecil. Dan sebaliknya.
r2 menunjukkan proporsi variabilitas dari skor Y yg dpt
diprediksi (predicted proportion) dari persamaan regresi.
 1 - r2 menujukkan unpredicted proportion.
Predicted variability = Ssregresi = r2SSY.
Unpredicted variability = Ssresidual = (1-r2)SSY.
UJI HIPOTESIS PERSAMAAN REGRESI
Ho = persamaan regresi tdk menjelaskan proporsi varians
yg signifikan dari skor Y.
Uji hipotesis menggunakan ANOVA (F-ratio).
dfregresi = k = jumlah prediktor.
dfresidual = N – k – 1

Uji hipotesis: tabel B4 (Gravetter & Wallnau)

Signifikan bila F hitung > F kritis.
 F kritis dgn df = dfregresi, dfresidual.
 PERSAMAAN REGRESI: STANDARDIZED
COEFFICIENT
Indeks a & b dlm persamaan regresi dihitung dari data
mentah, yg interpretasinya terkait dgn satuan dari DV.
 Sulit utk diperbandingkan
Misal: konsumsi susu per hari dalam setahun
Berat badan (Kg) = 0,15 + 0,03*konsumsi susu(L)
Anxiety = 1,5 - 1,25*konsumsi susu(L)
Utk dpt dibandingkan, maka persamaan regresi hrs
diperoleh dari nilai baku (z-score).
 Pada scatterplot, dgn memindahkan sumbu X & Y
menjadi sumbu Mean X & Mean Y.
CONTOH TABEL RINGKASAN
SOURCE SS df MS F
Regression 25,60 1 25,60 5,33
Residual 14,40 3 4,80
Total 40,00 4

Dari tabel B4,

α= 0,05, df= 1, 3  F kritis = 10,13
F hitung < F kritis  Ho diterima.
 PERSAMAAN REGRESI: STANDARDIZED
COEFFICIENT

Ŷ = bX + a
Y zY` = βzX
ZY
+3,0
2,5
+2,0

2,0 +1,0

1,5
-2,0 -1,0 +1,0 +2,0 +3,0 ZX
1,0 -1,0
0,5 -2,0
a
X
0 10 20 30 40
PERSAMAAN REGRESI: STANDARDIZED
COEFFICIENT

zY` = α + βzX
α=0
zY` = βzX

Bagaimana interpretasinya?
zIPK` = 0,75zinteligensi
LATIHAN
Subyek Ujian Motivasi
A 10 4
B 20 6
C 30 7
D 40 8
E 50 10

Bagaimana persamaan regresi utk memprediksi

ujian dari motivasi?
Apa interpretasinya?
Gambarkan garis regresinya!
 PENULISAN APA STYLE UNTUK REGRESI

- Jelaskan teknik analisis statistik yg digunakan & alasannya.

- Sampaikan percentage of variance explained (R2) bersamaan
dengan F test (df1, df2).
- Sebutkan salah satu, unstandardized (b) atau standardized (β),
dgn nilai t & significance level-nya. df =N-k-1

Contoh:
Analisis simple regression digunakan untuk memprediksikan
depresi dari dukungan sosial. Dukungan sosial menjelaskan
proporsi varians yang signifikan dari depresi, R2 = 0,12, F(1,
225) = 42,64, p < 0,05, menunjukkan 12% varians dari depresi
dapat diprediksikan dari dukungan sosial. Dukungan sosial
secara signifikan memprediksi depresi b = -2,00, t(225) = 6,53, p
< 0,05.
LATIHAN
Penelitian Faktor Protektif terhadap Stress: Problem
Focused Coping, Emotion Focused Coping, dan
Mindfulness
- pada dewasa muda.
Keterangan notasi sebagai berikut:
- S = Stress
- PSC = Problem focused coping
- EFC = Emotion focused coping
- M = Mindfulness Tentukan variabel yang terlibat: -
IV. DV,