27 November 2009

REGRESI LOGISTIK

"Logistic regression may be used to model a relationship between a two category (binary) outcame variable (also called a dependent variable) and one or more axplanatory variables (also called insdependent or predictor variables). The estimates from a logistic regression model for each independent variables give an estimate of the effect of that variable on the outcame variable after adjusting for all other independent variables in the model,"(Cath Robert, Rachel Dolman, Anne Kingdon,2007).

("Model regresi logistik dapat digunakan untuk memodelkan hubungan antara dua kategori (binary) variabel hasil (variabel dependen/terikat) dan dua atau lebih variabel penjelas (variabel independen/bebas. Estimasi model regresi logistik untuk masing-masing variabel bebas memberikan perkiraan efek variabel tersebut terhadap variabel terikat setelah menyesuaikan dengannya dengan variabel bebas lainnya pada pemodelan tersebut," (Cath Robert, Rachel Dolman, Anne Kingdon,2007)).
Sumber : Sofyan dan Heri, SPSS Complete, 2009

Ada beberapa perbedaan antara analisis regresi berganda dengan analisis regresi logistik/binary logistik yaitu :
  1. Analisis regresi berganda terdapat uji F yaitu uji pengaruh bersama-sama variabel independen terhadap variabel dependen dan uji t yaitu untuk mengetahui pengaruh tiap variabel/masing-masing variabel independen terhadap variabel dependen. sedangkan analisis regresi logistik hanya terdapat uji t.
  2. Pada analisis logistik variabel dependennya berskala dikotomis (dua pilihan), misalnya ya atau tidak, berkualitas atau tidak berkualitas, lulus atau gagal, sering atau jarang
Selanjutnya Langkah Analisis Regresi Logistik dengan SPSS 
Silahkan download artikelnya [PDF]

26 November 2009

ANALISIS FAKTOR

"Factor analysis, including variations such as component analysis and common factor analysis is a statistical approach that can be used to analyse interrelationship among a large number of variabel and to explain these variable in term of their common underlying dimension (factor). The objective is to find a way of codensing the information contained in a number of origin variable into a smaller set of variable (factor) with a minimum loss of information," (Hair, Anderson, Tatham, Black,1995).

("Faktor analisis, termasuk variasi seperti analisis komponen dan faktor analisis umum adalah pendekatan statistik yang dapat digunakan untuk menganalisis hubungan diantara beberapa variabel dan menjelaskan variabel-variabel ini dalam keadaan umumnya berdasarkan dimensi (faktor). Tujuannya adalah untuk mencari cara menyingkat informasi yang terdapat dalam beberapa variabel asal menjadi serangkaian variabel yang lebih kecil (faktor) dengan meminimalkan kehilangan informasi,"(Hair, Anderson, Tatham, Black,1995)
Sumber : Sofyan dan Heri, SPSS Complete, 2009

Asumsi mendasar pada analisis faktor adalah bahwa variable-variabel yang dianalisis memiliki keterkaitan atau saling berhubungan karena analisis faktor berusaha untuk mencari common dimension (kesamaan dimensi) yang mendasari variabel-variabel tersebut.

09 November 2009

VALIDITAS DAN RELIABILITAS

"Reliability is a set of latent construct indicators consistent in their measurement. In more formal term, reliability is degree to which a set of two or more indicator "share" in their measurement of a construct. The indicator highly reliable consruct are highly intercorrelated, indicating that they all are measuring the same laten construct. As reliablity decreases, the indicators become less consistent and then are poorer indicator of laten construct,"(Hair,Anderson,Tatham,Black,1995).
("Reliabilitas merupakan serangkaian indikator gagasan laten yang konsisten dalam pengukuranya. dalam istilah yang lebih formal, reliabilitas adalah tingkatan di mana serangkaian dua atau lebih indikator "berbagi" di dalam pengukuran gagasan mereka. Indikator gagasan yang dapat dipercaya sangat berhubungan, menunjukan bahwa mereka semua mengukur gagasan laten yang sama. Ketika reliabilitas menurun, indikator menjadi kurang konsisten, sehingga menjadi indikator gagasan laten yang buruk."(Hair, Anderson, Tatham, Black, 1995).
Sumber : Yamin dan Kurniawan, 2009.

Validitas
Istilah valid atau validitas berasal dari kata validity yang mempunyai arti sejauh mana ketepatan dan kecermatan alat ukur dalam melakukan fungsi ukurnya. Suatu dimensi atau indikator dikatakan valid apabila indikator tersebut mampu mencapai tujuan pengukuran dari kotnstrak amatan yang tepat. Suatu indikator mengukur konstrak amatan a haruslah indikator yang pada akhirnya memberikan informasi dan menggambarkan konstrak amatan A. Dalam prakteknya, kecermatan pengukuran baik dalam bidang eksak, sosial atau psikologi masih didapati suatu kesalahan. Kesalahan itu dapat berupa hasil yang tinggi (overestimate). Kesalahan-kesalahan ini yang dikenal dengan istilah measurement error. Indikator yang valid adalah indikator yang memiliki measurement error yang kecil.
Uji validitas adalah suatu ukuran yang menunjukkan sejauhmana kevalidan kesahihan/data suatu instrumen. Tinggi rendahnya validitas instrumen menunjukkan sejauhmana data yang terkumpul tidak menyimpang dari gambaran tentang variabel yang dimaksud (Bilson Simamora, 2004:72). Variabel-variabel terukur dikatakan valid jika r hasil > r tabel (nilai kritis). Untuk menguji validitas dapat menggunakan rumus Bivariate Pearson.


Rumus Bivariate Pearson


Dimana :

= Korelasi item pertanyaan dengan item total
n     = jumlah responden
X    =  Skor item pertanyaan
Y    = Skor total item pertanyaan

Reliabilitas
Uji reliabilitas atau kehandalan menunjukkan sejauhmana pengukuran dapat memberikan hasil yang tidak berbeda bila dilakukan pengukuran kembali terhadap subyek yang sama artinya mempunyai konsistensi pengukuran yang baik. Sebaliknya, apabila suatu instrumen dikatakan reliabel bila nilai Alpha Cronbach > 0.7. Pengujian reliabiltas dapat dilakukan dengan rumus KR 2.1 (Kuder Richardson).
Formula Alpha cronbach's :

Rumus Alpha Cronbach's

Dimana :
   = Nilai Alpha Cronbach's
k   = banyaknya item pertanyaan
= varian item pertanyaan
  = varian skor tes.  

Silahkan download artikelnya [PDF]

REGRESI BERGANDA

 "Multiple regression is the appropirate method of analysis, when the reseach problem involves a single metrice independen variable. The objective of multiple regression analysis is to predict the change in the dependent variable, variable is response to change several independent variable"(Hair, Anderson,Tatham, Black,1985).
(Regresi berganda adalah metode analisis yang tepat ketika penelitian melibatkan satu variabel terikat yang diperkirakan berhubungan dengan satu atau lebih variabel bebas. Tujuan analisis regresi berganda adalah memperkirakan perubahan respon pada variabel terikat terhadap beberapa variabel bebas)(Hair,Anderson,Tatham,Black,1995)
Sumber : Yamin dan Kurniawan (2009)

Analisis regresi berganda adalah sebuah pendekatan yang digunakan untuk mendefinisikan hubungan matematis antara variabel dependen (Y) dengan satu atau beberapa variabel independen (X) . Hubungan matematis digunakan sebagai suatu model regresi yang digunakan untuk meramalkan atau meprediksi nilai (Y) berdasarkan nilai (X) tertentu. Dengan analisis regresi akan diketahui variabel independen yang benar-benar signifikan mempengaruhi variabel dependen dan dengan variabel yang signifikan tadi dapat digunakan untuk memprediksi nilai variabel dependen. Hubungan matematis dapat digambarkan sebagai berikut :


Dimana :
Y = variabel deoenden
= konstanta
= Koefisien regresi
  = variabel independen
= eror/residu

Sumber : Sofyan dan Heri, SPSS Complete, 2009


Ada beberapa uji asumsi klasik yang mendasar dalam analisis regresi antara lain :
  1. Normalitas. Uji normalitas bertujuan untuk menguji apakah dalam sebuah model regresi, variabel independen dan dependen mempunyai distribusi normal atau mendekati normal. Deteksi pengambilan keputusan adalah sebagai berikut : jika data menyebar disekitar garis diagonal dan mengikuti arah garis diagonal maka model regresi memenuhi asumsi normalitas. Jika data menyebar jauh dari garis diagonal dan atau tidak mengikuti arah garis diagonal, maka model regresi tidak memenuhi asumsi normalitas. Uji Normalitas dapat dilakukan dengan Kolmogorov-Smirnov. Pengujian ini dilakukan pada nilai standardized Residual. Jadi sebelum melakukan uji tersebut, lakukan analisis regresi terlebih dahulu, untuk mendapatkan nilai standardized residual.
  2. Multikolinieritas. Uji asumsi ini bertujuan untuk menguji apakah pada model regresi ditemukan adanya korelasi antarvariabel independen. Jika terjadi korelasi maka model regresi tersebut terdapat problem multikolinieritas. Sedangkan yang baik seharusnya dalam model regresi tidak terjadi korelasi antara variabel independen. Cara mendeteksi problem ini dengan melihat besarnya nilai VIF (variance inflation factor) dan tollerance. Nilai VIF disekitar angka 1 dan nilai tollerance  mendekati 1. Kemudian melihat besarnya korelasi antara variabel independen, besarnya nilai koefisien korelasinya antara variabel independen harus lemah (<0.05).
  3. Heterokedastisitas.  Pengujian ini dilakukan untuk menguji apakah dalam sebuah model regresi terjadi ketidaksamaan varian dan residual dari satu pengamatan ke pengamatan lain. Adanya heterokedastisitasdapat dideteksi dengan melihat ada tidaknya pola tertentu pada grafik, dimana sumbu x adalah Y yang diprediksi dan sumbu Y adalah residual (Yprediksi-Ysesungguhnya) yang telah di studentized.
Ada beberapa pengujian dalan analisis regresi berganda antara lain :
  1. Uji t. Uji ini digunakan untuk menguji pengaruh variabel independen terhadap variabel dependen secara parsial/sendiri.
  2. Uji F. Uji F digunakan untuk menguji variabel independen terhadap variabel dependen secara simultan/serentak.
Download artikelnya [PDF]