Matakuliah Tahun Versi : I0174/Analisis regresi : 2005 :1 Pertemuan 26 Pemilihan regresi terbaik 1 Learning Outcomes Pada akhir pertemuan ini, diharapkan mahasiswa akan mampu : • Memilih regresi terbaik dengan prosedur stepwise dan langkah mundur (backward ellimination) 2 Outline Materi • Prosedur backward ellimination • Porosedur stepwise 3 Eliminasi langkah mundur (backward elimination) • Dimulai dengan memasukkan seluruh peubah bebas kedalam model kemudian sisihkan satu demi satu • Setiap penyisihan variabel uji parameter regresinya 4 • Misalkan ada 3 variabel X1, X2 dan X3 • Dibuat model lengkap • Y = b0 + b1 X1 + b2 X2 + b3 X3 • • • • Lalu dihilangkan satu variabel Y = b0 + b1 X1 + b2 X2 Y = b0 + b1 X1 + b3 X3 Y = bo + b2 X2 + b3 X3 5 • Dasar pengambilan/penyisihan variabel berdasarkan paling kecil pengaruhnya (nilai R2 paling kecil atau korelasi parsial paling kecil) • Uji apakah pengaruh variabel tersebut nyata atau tidak • Bila tidak nyata variabel dapat dikeluarkan dari model 6 • Tahap selanjutnya mengulangi proses pada tahap sebelumnya • Kelebihan prosedur ini kita dapat melihat seluruh variabel bebas dalam model 7 Regresi bertatar (step-wise regression) • Prosedur ini dimulai dengan memasukan satu demi satu variabel menurut urutan besar pengaruh terhadap model regresi • Dimulai dengan memeriksa matrk korelasi • Tahap awal plih variabel yang memiliki korelasi tertinggi dengan variabel tak bebas 8 • Lalu uji parameter regesinya, bila ternyata tidak nyata maka semua variabel tidak berpengaruh • Bila nyata berpengaruh, lalu masukkan satu variabel baru ke dalam model • Pemilihan variabel dengan berdasarkan korelasi parsialnya 9 • Uji apakah tambahan variabel tersebut nyata atau tidak • Bila nyata, variabel dapat masuk kedalam model • Bila tidak nyata, model sebelumnya tidak perlu ditambah variabel lagi 10 • Misalkan ada 3 variabel bebas X1, X2 dan X3 • Berdasarkan korelasinya X1 yang paling tinggi, maka model • Y = b0 + b1 X1 • Lalu diperiksa korelasi parsial rxi,y|x1 11 • Bilai korelasi parsial paling tinggi adalah • rx3,y|x1 maka model menjadi • Y = bo + b1 X1 + b3 X3 bila berdasarkan uji F ternyata tidak nyata maka model tetap menjadi Y = bo + b1 X1 • Bila nyata model menjadi Y = bo + b1 X1 + b3 X3 12 • Periksa korelasi parsial terhadap variable sisa setelah model telah dipilih • Pilih korelasi parsial terbesar • Masukkan variabel baru kedalam model 13 • Bila model nyata, lalu tambahkan variabel X2 sehingga model menjadi Y = bo + b1 X1 + b2 X2 + b3 X3 Lakukan uji F bila nyata model tersebut dapat dipilih bila tidak nyata model menjadi Y + b0 B1 X1 + b3 X3 14 • Setiap pemasukan variabel baru, sama saja dengan memrikasa tambahan jumlah kuadrat regresi yang diakibatkan oleh pemasukan suatu variabel bebas 15 • Pemilihan regresi terbaik dapat dimulai dari: • Semua berpengaruh lalu di eliminasi • Pengaruh satu variabel kemudian ditambah variabel lain 16
© Copyright 2024 Paperzz
