ANALISIS MULTIVARIAT sesi-1: Simple Linear regression

Transkripsi

1 ANALISIS MULTIVARIAT sesi-1: Simple Linear regression PROGRAM STUDI S1 PWK UNIVERSITAS GADJAH MADA 2005 Referensi: Everitt, B.S., 1996, Making Sense of Statistics in Psychology: A Second- Level Course, Oxford University Press, Oxford. Kachigan, S.K., 2002, Statistical Analysis: An Interdisciplinary Introduction to Univariate & Multivariate Methods, Radius Press, New York. Kline P., 1994, An Easy Guide to Factor Analysis, Routledge, London. Napa J.A., 1995, Metode Statistik dan Ekonometri, Liberty, Yogyakarta. Supranto J., 2004, Analisis Multivariat: Arti & Interpretasi, Rineka Cipta, Jakarta. agam.psppr-ugm.net 1

2 UNI - VARIAT Var-1 Var-2 Var-3 BI - VARIAT Var-1 Var-2 Var-2 Var-3 Var-3 Var-1 MULTI - VARIAT Var-1 Var-2 Var-3 Var- 4 Var- 5 PENGANTAR MENGAPA MULTIVARIAT? Karena tidak semua gejala itu hanya didasarkan pada hubungan dua variabel saja. Contoh: -Harga tanah tidak hanya ditentukan oleh lokasi yang dekat dengan jalan raya, tetapi oleh faktor lain misal dekat kampus, dekat pasar, kesuburan tanah, bentuk persilnya. -INDEKS PRESTASI tidak hanya ditentukan oleh lama belajar, tetapi juga IQ, EQ, Sehingga diperlukan multivariat mengkaitkan banyak variabel yang secara logis berkait. agam.psppr-ugm.net 2

3 ANALISIS MULTIVARIAT ASSOCIATION (HUBUNGAN) CLASSIFICATION SCALING ABSTRACTION 1. MULTIPLE REGRESSION 2. QUANTIFICATION 1 3. TOBIT ANALYSIS 4. PATH ANALYSIS 5. CANONICAL CORRELATION 1. TESTS OF HYPOTHESES OF MEANS 2. MULTIPLE DISCRIMINANT ANALYSIS 3. QUANTIFICATION II 4. PROBIT ANALYSIS AND LOGIT ANALYSIS 5. LOG-LINEAR MODEL 6. MULTIVARIATE ANALYSIS OF VARIANCE 7. MULTIVARIATE ANALYSIS OF COVARIANCE 8. CLUSTER ANALYSIS 1. MULTI-DIMENSIONAL SCALING 2. QUANTIFICATION IV 1. PRINCIPAL COMPONENT ANALYSIS 2. QUANTIFICATION III 3. FACTOR ANALYSIS SEBELUM MULTIVARIAT, PERLU MEMAHAMI TERLEBIH DAHULU: SIMPLE LINEAR REGRESSION (ini sebenarnya bivariat, tetapi menjadi dasar pemahaman bagi kita tentang multivariat) Kemudian baru: MULTIPLE LINEAR REGRESSION agam.psppr-ugm.net 3

4 SIMPLE LINEAR REGRESSION (REGRESI SEDERHANA) Tujuan: untuk menemukan seberapa besar pengaruh perubahan variabel independen terhadap variabel dependen. Besarnya pengaruh dilihat koefisien regresinya. Kedua variabel adalah QUANTITATIVE. REGRESI TIDAK DAPAT untuk mengukur KETERKAITAN. Bila korelasi (keterkaitan) kecil maka REGRESI tidak ada artinya. KORELASI DIHITUNG DULU BARU REGRESI. Merupakan statistik BIVARIATE dan merupakan cikal bakal MULTIVARIATE. ada/tidaknya keterkaitan Seberapa peran independent variabel pada prediksi dependent variabel SCATTERGRAMS KORELASI ( r ) bila secara visual jelas ada korelasi yang kuat REGRESI SEDERHANA ( r 2 ) X Y X Y Mengungkapkan tingkat pengelompokan titiktitik thd garis regresi (kekuatan keterkaitan dua variabel) Menarik garis rata-rata. Memperlihatkan besarnya pengaruh independent var (x) terhadap dependent variabel (Y). Bisa untuk memprediksi Nilai r besar Nilai r kecil agam.psppr-ugm.net 4

5 REGRESI SEDERHANA Contoh Adakah dan seberapa kaitan antara jumlah penduduk (X) dengan jumlah mobil pribadi (Y)? Apabila pada tahun 2010 jumlah penduduk menjadi 1000 orang, berapakah jumlah mobil pada saat itu. Tahun Jml Penduduk (X) Jml mobil (Y) Hitung dulu Pearson Correlation Coefficientnya ( r ): Dulu dipelajari dengan rumus di bawah ini: r = n. 3 x i y i (3 x i ) (3 y i ) n.3 x i2 (3 x i ) 2 n.3 y i 2 (3 y i ) 2 Rumus di atas sebenarnya adalah Covariance dari x dan y dibagi dengan perkalian standar deviasi x dan standar deviasi y. Covariance xy S xy Jadi r = atau (stand.dev. X ) ( stand.dev. Y) S x. S y Catatan: Covariance adalah foundamental index untuk mengukur besarnya hubungan antara dua variabel kuantitatif. TANPA MERUBAH FORMAT PERHITUNGAN TABEL, MAKA PROSES MENGHITUNG r BISA DILAKUKAN. Bila sudah mendapat hasil r maka kita bisa menghitung r 2 (kuadratkan nilai r!) BUKAN r 2 dulu, kemudian r = r 2 ; bila hal ini maka tanda + dan tidak jelas. agam.psppr-ugm.net 5

6 Tahun Jml Penddk (X) Jml mobil (Y) X 2 Y 2 X.Y n = r = n. 3 x i y i (3 x i ) (3 y i ) n.3 x i2 (3 x i ) 2 n.3 y i 2 (3 y i ) 2 Alternatif lain: r = S x y S x. Sy = Σ x.y (Σ x) (Σ y) / n Σ x 2 (Σ x) 2 / n Σ y 2 (Σ y) 2 / n Tahun 1980 Jml Penddk (X) 125 Jml mobil (Y) 4 X Y 2 16 X.Y 500 x = 2534 / 6 = 422,33 y = 78/6 = n = S xy = Σ x.y (Σ x) (Σ y) / n = (2534)(78) / 6 = 6540 S x = Σ x 2 (Σ x) 2 / n = (2534) 2 / 6 = S y = Σ y 2 (Σ y) 2 / n = 1292 (78) 2 / 6 = 278 r = S xy S x. S y = r = 0, cek dengan SPSS r 2 = 0, dianggap kuat keterkaitannya agam.psppr-ugm.net 6

7 Tahap perhitungan r dan r 2 sudah dilakukan di atas. Lalu bagaimana bila kita akan memprediksinya? Misal tahun 2010 jumlah penduduknya jadi 1000 jiwa. Lalu berapa jumlah mobilnya? Rumus regresi sederhana b = S xy / S x = 6540 / = 0, a = y - b x = 13 0, ,333 = - 3, Y = a + b X Aslinya Y i = β o + β 1 X i + ε i Y i : variabel dependen ke-i X i : variabel independen ke-i ε I : variabel pengganggu ke-i β o : konstansta : koefisien regresi β 1 Jadi, persamaan garis regresinya = Y = - 3, ,038 x Selanjutnya, jumlah mobil tahun 2010 bila jml penduduk 1000 jiwa = Y = - 3, ,038 (1000) = - 3, = 34,7 jadi jumlah mobil tahun 2010 = 35 unit. HASIL PERHITUNGAN SPSS agam.psppr-ugm.net 7

8 agam.psppr-ugm.net 8

9 Apa arti residual? Beberapa pustaka menyebut SSE (sum of square error) yang menunjukkan variasi kesalahan kuadrad yang tidak dapat dijelaskan oleh garis regresi (unexplained variation) Y i = β o + β 1 X i + ε i Semakin kecil variabel pengganggu atau standard error, berarti kenyataan akan mendekati harapan yang terkandung dalam teori. Menghitung SSE / RESIDUAL = SSE = ΣY 2 i -a ΣY i -b Σ X i Y i = (- 3,218314) (78) - (0,038402) (39482) = 26, ini bisa juga untuk menghitung F atau t hitung. F = t 2 = b 2. ΣX i 2 SSE / (n-2) t test berguna untuk menguji persamaan regresi untuk tiap variabel F test berguna untuk menguji persamaan multiple regresi untuk keseluruhan model. BAGAIMANA MENGHITUNG t (hitung) : t n-2 = r n 2 d.f= n r 2 0, = = 6, ,95 2 Model 1 (Constant) jmlpend a. Dependent Variable: jmlmob Unstandardized Coefficients Coefficients a Standardized Coefficients B Std. Error Beta t Setelah ini cek t - TABLE agam.psppr-ugm.net 9