Upload
truongdung
View
226
Download
0
Embed Size (px)
Citation preview
11/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009
Multiple RegressionMultiple Regression
((RegresiRegresi MajemukMajemuk))
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 22
RegresiRegresi MajemukMajemuk
• Diperkenalkan oleh Pearson pada 1908
• Digunakan untuk mengetahui besarnyaproporsi dari suatu variabel yang kontinuyang berhubungan atau dijelaskan oleh duaatau lebih variabel
• Contoh: hubungan antara jenis kelaminsiswa, motivasi belajar, inteligensi, danwaktu belajar dengan prestasi di sekolah� Dari hasil, bisa diketahui mana prediktor yang
lebih baik dalam memperkirakan prestasi
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 33
GrafikGrafik HubunganHubungan VariabelVariabel
Contoh grafik
untuk 3 variabel
(1 DV & 2 IV)
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 44
AsumsiAsumsi RegresiRegresi MajemukMajemuk
• Hubungan antar variabelnya bersifat linear
• Distribusi bersifat normal
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 55
AsumsiAsumsi Multiple RegressionMultiple Regression
• Non-zero variance: prediktor (IV) harusmemiliki varians
• No perfect multicollinearity: antar prediktortdk berhubungan
• Homoscedasticity: pada setiap level prediktor, varians residu hrs bernilai sama.
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 66
AsumsiAsumsi Multiple RegressionMultiple Regression
• Independent error: residu pada setiappengukuran tidak berkorelasi.
• Normally distributed error: residu terjadisecara acak dan berdistribusi normal.
• Independence: nilai dari DV berasal dariindividu yg berbeda
• Linearity: hubungan antara IV & DV terjadisecara linear.
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 77
Jenis Variabel dalam Regresi Majemuk
�Variabel Kriteria: variabel Kontinu
�Variabel Prediktor: variabel Kontinu danvariabel Kategori
Identifikasikan variabel-variabel berikut:
“Hubungan antara jenis kelamin siswa, motivasi belajar, inteligensi, dan waktubelajar dengan prestasi di sekolah”
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 88
PrediktorPrediktor yang yang BaikBaik
Syarat-syarat yang baik dari prediktor:
• Berkorelasi tinggi dengan DV
• Tidak berkorelasi dengan sesama IV
� Collinearity diagnostic
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 99
PersamaanPersamaan RegresiRegresi MajemukMajemuk
Y = b1X1 + b2X2+ …… + bnXn+ c + e
Y = variabel yang ingin diprediksi
b = koefisien regresi
c = konstanta
e = error�residual
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 1010
LangkahLangkah--langkahlangkah PengolahanPengolahan Data Data
MenggunakanMenggunakan SPSSSPSS
Analyze, Regression, Linear; pilih IV danDV, klik Statistics; Estimates, Confidence Intervals, Model Fit; continue; OK.
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 1111
MetodeMetode PengujianPengujian RMRM
• Enter
• Stepwise
• Backward
• Forward
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 1212
MetodeMetode Multiple RegressionMultiple Regression
a. Hierarchical (Blockwise)Prediktor dipilih berdasarkan informasi dariteori atau penelitian sebelumnya, utkmenentukan urutan prediktor yg dianalisis. Prediktor yg telah diketahui dimasukkanterlebih dahulu
b. Enter (Forced entry)Prediktor dimasukkan secara simultan (urutankadang lebih berdasarkan urutan pemasukandata).
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 1313
c. Komputer yg menentukan
• Forward: mencari prediktor terbaik (memiliki
korelasi tertinggi dgn outcome). Apabila sudah
baik, dipilih prediktor selanjutnya.
• Stepwise: sama seperti forward, ditambah
dgn removal test.
• Backward: kebalikan dari forward, dimana
semua prediktor dimasukkan terlebih dahulu &
menghitung kontribusi masing-masing
prediktor.
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 1414
MembacaMembaca Output SPSSOutput SPSS
• Lihat tabel korelasi � lihat nilai R danAdjusted R2
• Lihat tabel ANOVA � untuk melihatapakah model signifikan dalammemprediksi DV
• Lihat tabel coefficient � untuk melihatsumbangan setiap prediktor (beta) danmelihat apakah setiap prediktor signifikandalam memprediksi DV (nilai t)
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 1515
ContohContoh PengolahanPengolahan DataData
• DV/Variabel Kriteria: SALARY
• IV/Variabel Prediktor: GENDER, COLLEGE, GRADUATION DATE
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 1616
BAGAIMANA?BAGAIMANA?
• ANALYZE
– REGRESSION
• LINEAR
1717/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009
CRITERION
PREDICTOR
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 1818
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 1919
Variables Entered/Removedb
Gender, Graduation
Date, Collegea . Enter
. Gender
Stepwise (Criteria:
Probability-of-F-to-enter <=
.050, Probability-of-F-to-remove
>= .100).
Model
1
2
Variables Entered
Variables
Removed Method
All requested variables entered.a.
Dependent Variable: Starting Salaryb.
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 2020
Model Summary
.382a .146 .144 6447.247
.381b .145 .144 6448.359
Model1
2
R R Square
Adjusted
R Square
Std. Error of
the Estimate
Predictors: (Constant), Gender, Graduation Date,
College
a.
Predictors: (Constant), Graduation Date, Collegeb.
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 2121
ANOVAc
7.80E+09 3 2600688256 62.566 .000a
4.56E+10 1096 41566999.46
5.34E+10 1099
7.74E+09 2 3872385324 93.128 .000b
4.56E+10 1097 41581335.94
5.34E+10 1099
Regression
Residual
Total
Regression
Residual
Total
Model
1
2
Sum of
Squares df
Mean
Square F Sig.
Predictors: (Constant), Gender, Graduation Date, Collegea.
Predictors: (Constant), Graduation Date, Collegeb.
Dependent Variable: Starting Salaryc.
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 2222
Coefficientsa
20362.728 600.093 33.933 .000
674.639 185.359 .102 3.640 .000
1060.127 87.525 .363 12.112 .000
495.125 421.730 .035 1.174 .241
20530.774 582.873 35.223 .000
667.722 185.298 .101 3.604 .000
1096.914 81.738 .376 13.420 .000
(Constant)
Graduation Date
College
Gender
(Constant)
Graduation Date
College
Model1
2
B Std. Error
Unstandardized
Coefficients
Beta
Standardized
Coefficients
t Sig.
Dependent Variable: Starting Salarya.
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 2323
PERSAMAANPERSAMAAN
SALARY= …COLLEGE + ….GRAD
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 2424
R Square (RR Square (R22))
• R2 disebut sebagai coefficient of determination.
• R2 merupakan koefisien yang menyatakanseberapa besar model regresi dapatmemperkirakan variasi predicted variable
• R2 = 1- residual variance
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 2525
• Contoh: R square=0.6, maka dikatakanbahwa model dapat menjelaskan 60 % variasi DV.
=> 60% varians DV dpt diprediksikan dari IV.
• Semakin besar R square, semakin baikmodel yang kita buat.
• Fungsi eksplanasi dari Regresi.
• Lihat signifikansinya dengan F.
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 2626
VariansVarians Residual Residual
• Residual�residu�sisa
• Residual variance adalah variasi predicted variable
(DV) yg tidak dapat diperkirakan dari persamaan
yang dibuat. Besarnya antara 0-1
Contoh: bila korelasi X dan Y sama dengan 0
maka residual variance-nya adalah 1 (tidak ada
korelasi antara X dan Y, variasi Y terkait dengan
faktor di luar X)
• Semakin kecil residual variance, maka semakin
baik prediksi
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 2727
StandarStandar Error of EstimateError of Estimate
• Menentukan seberapa besarpenyimpangan predicted dari skor yang sebenarnya
/liche/Statistik S2 Profesi F.Psi.UI/2009/liche/Statistik S2 Profesi F.Psi.UI/2009 2828
PersamaanPersamaan RegresiRegresi
Lihat nilai konstanta (a) & koef. Regresi (b).
a = menunjukkan besarnya skor DV tanpaadanya IV.
b = menunjukkan perubahan skor DV apabilaada penambahan 1 skor IV.
�Lihat signifikansi dari nilai t (apakah koefisientersebut dpt digunakan untuk memprediksikanDV).