Beruflich Dokumente
Kultur Dokumente
PENGAJAR:
TOTO WARSA, IR., MS.
Oleh
Ade Setiawan
1502 2006 0003
1
DATA
A sociologist investigating the recent upward shift in homicide trends throughout the
United States studied the extent to wich the homicide rate per 100.000 population (Y) is
associated with population size (X1), the percent of families with yearly incomes less than
$5,000, and the rate of unemployment (X3). Data are provided in the table for a
hypotetical sampel of 20 cities.
City X1 X2 X3 Y
1 587 16.5 6.2 11.2
2 643 20.5 6.4 13.4
3 635 26.3 9.3 40.7
4 692 16.5 5.3 5.3
5 1248 19.2 7.3 24.8
6 643 16.5 5.9 12.7
7 1964 20.2 6.4 20.9
8 1531 21.3 7.6 35.7
9 713 17.2 4.9 8.7
10 749 14.3 6.4 9.6
11 7895 18.1 6.0 14.5
12 762 23.1 7.4 26.9
13 2793 19.1 5.8 15.7
14 741 24.7 8.6 36.2
15 625 18.6 6.5 18.1
16 854 24.9 8.3 28.9
17 716 17.9 6.7 14.9
18 921 22.4 8.6 25.8
19 595 20.2 8.4 21.7
20 3353 16.9 6.7 25.7
SOAL:
Carilah model regresi terbaik antara Y, X1, X2, X3 pada taraf uji 5% dan 10% dengan
menggunakan step:
a. Regresi Bertatar
b. Pendekatan Langkah Mundur
c. APRE (All Posible Regression Evaluation)
2
Jawaban:
A. Regresi Bertatar (Stepwise Regression)
Langkah 1. Matriks Korelasi
X1 X2 X3 Y
X1 1
X2 -0.16378 1
X3 -0.23341 0.815418 1
Y -0.0671 0.839778 0.864841 1
Dari matriks di atas, variabel X3 paling tinggi nilai korelasinya dengan variabel
respons Y, rx3y = 0.865. Dengan demikian, variabel X3 yang pertama dimasukkan ke
dalam persamaan regresi.
= 0.463047
0.0671 − (0.864841 )(-0.23341)
ryx1 x3 =
(1 − (0.864841) )(1 − (-0.23341) )
2 2
ryx2 2 x3 = 0.2144123
= 0.276047
ryx2 1 x3 = 0.076202
Dari perhitungan di atas, tampak bahwa koefisien korelasi parsial variabel X2 paling
tinggi, sehingga variabel X2 dimasukkan ke dalam model.
3
Langkah 3 : Mengevaluasi model Y = ƒ(X3, X2)
Dari ketiga nilai F-parsial, baik pada taraf nyata 5% maupun taraf nyata 10%,
ternyata variabel X3 yang terkecil dan tidak signifikan, sehingga harus dikeluarkan
dari persamaan. Dengan demikian, variabel yang terpilih adalah X2 dan X3 dan
prosedur regresi bertahap selesai, dengan persamaan akhir:
4
II. Metode Backward Elimination (BE)
Langkah 1 : Bentuk persamaan lengkap dan analisis varians tertera di
bawah ini :
Dari tabel Analisis Varians F-Parsial, tampak bahwa Variabel X1 mempunyai Nilai F-
parsial terkecil dan tidak nyata, sehingga harus dikeluarkan dari model.
Model persamaan ini nyata dengan Nilai F hitung keseluruhan 34.3* (nyata baik pada
taraf 5% maupun pada taraf 10%) dengan nilai koefisien determinan, R2 = 80.2% dan
nyata. Nilai F-parsial variabel X3 dan X2 juga nyata, sehingga kedua variabel tersebut
harus dipertahankan. Karena tidak terdapat lagi variabel yang dikeluarkan dari
Model, maka persamaan akhir Regresi dengan pendekatan langkah mundur adalah:
5
III. Metode All Posible Regression Evaluation (APRE)
Model persamaan yang terbentuk sebanyak 23 = 8 model persamaan. Model-model
persamaan tersebut adalah:
Dari semua model tersebut, tampak bahwa sumbangan dari variabel X1 sangat kecil
(No 2; 5; 6; 8, masing-masing hanya menambah 0.45%; 0.51%; 1.92%; dan 1.63%).
Dengan demikian, meskipun persamaan No 8 (Y = 20.57 + 0.131544 X1 + 0.391172
X2 + 0.576575 X3) mempunyai nilai R2 tertinggi (81.83%), akan tetapi kenaikan nilai
R2 hanya sebesar 1.92% dibandingkan dengan Model Persamaan No. 7, yang hanya
menyertakan variabel X2 dan X3 saja (R2 80.20%).
Dari Analisis tersebut, kita bisa menarik kesimpulan bahwa Model Persamaan No. 7
dengan hanya menyertakan Variabel X2 dan X3 saja yang terpilih, yaitu:
6
Kesimpulan:
Dari Ketiga cara pemilihan model regresi terbaik, ternyata untuk kasus sosial di atas
semuanya konsisten. Hanya Variabel X2 (pendapatan keluarga) dan X3 (tingkat
pengangguran) saja yang terpilih dan nyata memberikan kontribusi dalam
menentukan tinggi rendahnya Y (Laju bunuh diri).