Analisis
regresi berganda adalah metode analisis untuk meramalkan nilai pengaruh dua
variabel bebas atau lebih (X1, X2, X3, ..., Xn)
terhadap satu variabel terikat Y. Semakin banyak variabel bebas yang digunakan
maka semakin tinggi pula kemampuan model regresi untuk menjelaskan variabel
terikat. Faktor-faktor lain di luar variabel bebas yang digunakan (residual)
akan semakin kecil dan semakin tinggi pula koefisien determinasinya (R2).
Contoh analisis yang dapat digunakan dalam penelitian sebagai berikut :
Variabel
|
Nama Variabel
|
Kategori
|
(1)
|
(2)
|
(3)
|
Y
|
Ambang
batas hujan
|
Kuantitatif
(mm)
|
L
|
Tutupan
Lahan
|
Kuantitatif
(m)
|
I
|
Intensitas
Hujan
|
Kuantitatif
(mm)
|
W
|
Lama
Waktu Hujan
|
Kuantitatif
(jam)
|
Sehingga, bentuk persamaan regresi
yang akan dibentuk adalah :
Y= a0
+ L + I + W
Ket : a0
adalah intersept
Pemeriksaan
keberartian pada analisis korelasi ganda dapat dilakukan dengan mengikuti
langkah-langkah berikut :
- Menentukan rumusan hipotesis Ho dan H1.
Ho : R =
0 :
Tidak ada pengaruh variabel bebas terhadap variabel terikat.
H1 : R ≠
0 : Ada pengaruh variabel bebas
terhadap variabel terikat.
2. Membandingkan nilai uji F terhadap nilai tabel F dengan kriteria pengujian:
Jika nilai uji F ≥ nilai tabel F, maka tolak H0
3. Membuat kesimpulan
Setelah
model memenuhi pemeriksaan keberartian, maka perlu dilakukan pengujian untuk
mengetahuiapakah model yang terbentuk telah memenuhi sifat BLUE (Best Linear
Unbiased Estimator). Model yang dikatakan memiliki sifat BLUE apabila telah
memenuhi asumsi klasik di bawah ini:
1. Normalitas
Regresi linier klasik mengasumsikan bahwa residual mengikuti
distribusi normal dengan rata-rata 0 dan varians konstan . Pemeriksaan normalitas
dapat dilakukan menggunakan Normal Probability Plot dari nilai residual.
Apabila plot nilai residual dengan nilai harapannya mendekati garis lurus
dengan sudut 45o, maka dapat disimpulkan residual berdistribusi normal.
2. Asumsi Homoskedastis
Homoskedastis adalah keadaan dimana varians residual dari
setiap variabel independen adalah konstan. dapat dilakukan dengan metode
scatter plot dengan memplotkan nilai ZPRED (nilai prediksi) dengan SRESID
(nilai residualnya). Model yang baik didapatkan jika tidak terdapat pola
tertentu pada grafik, seperti mengumpul di tengah, menyempit kemudian melebar
atau sebaliknya melebar kemudian menyempit.
3. Uji Multikolinearitas
Uji multikolinearitas adalah untuk melihat ada atau tidaknya
korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi
linear berganda. Jika ada korelasi yang tinggi di antara variabel-variabel
bebasnya, maka hubungan antara variabel bebas terhadap variabel terikatnya
menjadi terganggu. Jadi tidak boleh ada korelasi yang tinggi antara motivasi
dengan kepemimpinan, motivasi dengan kepuasan kerja atau antara kepemimpinan
dengan kepuasan kerja. Alat statistik yang sering dipergunakan untuk menguji
gangguan multikolinearitas adalah dengan variance inflation factor (VIF). Jika nilai
VIF lebih besar 10 berarti terjadi multikolinearitas.
4. Uji linieritas
Uji linearitas dipergunakan untuk melihat apakah model yang
dibangun mempunyai hubungan linear atau tidak. Uji ini jarang digunakan pada
berbagai penelitian, karena biasanya model dibentuk berdasarkan telaah teoretis
bahwa hubungan antara variabel bebas dengan variabel terikatnya adalah linear.
Hubungan antar variabel yang secara teori bukan merupakan hubungan linear
sebenarnya sudah tidak dapat dianalisis dengan regresi linear, misalnya masalah
elastisitas.
Jika ada hubungan antara dua variabel yang belum diketahui
apakah linear atau tidak, uji linearitas tidak dapat digunakan untuk mengkonfirmasikan
apakah sifat linear antara dua variabel yang diidentifikasikan secara teori
sesuai atau tidak dengan hasil observasi yang ada. Uji linearitas dapat
menggunakan uji Durbin-Watson, Ramsey Test atau uji Lagrange Multiplier.
No comments:
Post a Comment