analisis regresi dan turunannya sampai struktural equestion model
analisis regresi adalah analisis yang menunjukkan hubungan antar beberapa variabel bebas dengan variabel terikatnya. variabel bebas adalah variabel yang mempengaruhi variabel terikatnya sedangkan variabel terikat adalah variabel yang dipengaruhi oleh variabel bebasnya. dalam analisis regresi terdapat beberapa konsep yang harus terpenuhi seperti uji asumsi klasik dan uji validitas reliabilitas (khusus data primer).
dalam analisis regresi terdapat hubungan positif dan negatif yang apabila uji parsialnya menyatakan hipotesis diterima maka asumsi tersebut dapat diberlakukan. analisis regresi hanya mampu menganalisis variabel bebas terhadap variabel terikat secara langsung saja. contoh :
dalam analisis regresi terdapat hubungan positif dan negatif yang apabila uji parsialnya menyatakan hipotesis diterima maka asumsi tersebut dapat diberlakukan. analisis regresi hanya mampu menganalisis variabel bebas terhadap variabel terikat secara langsung saja. contoh :
berdasarkan kerangka tersebut maka persamaan regresinya adalah
Y = a + b1x1+b2x2+e
artinya variabel y dipengaruhi oleh dua variabel x sehingga harus dicari nilai regresi (nilai perubahan) kedua variabel tersebut. lambang a menandakan keadaan variabel y tanpa adanya variabel x, dan lambang e merupakan nilai error pada data.
pada pembahasan ini hanya mampu menganalisis variabel yang mempengaruhi nilai langsung terhadap y. sedangkan jika terdapat variabel mediasi (intervening) maka uji regresi harus dilakukan sebanyak dua kali, yaitu langsung ke y dan langsung ke mediasi. contoh :
berdasarkan kerangka tersebut maka persamaan regresinya adalah
Y = a + b1x1+b2x2+b3M+e
M = a + b1x1+b2x2+e
melaksanakan dua analisis regresi atau lebih dalam satu kali analisis disebut dengan path analisys atau analisis jalur. untuk menentukan hubungan tidak langsung maka diberlakukan rumus :
x1 ke y melalui M = b1x1y*b1x1M*b3M
x2 ke y melalui M = b2x2y*b2x2M*b3M
jika ditambahkan variabel moderasi (memperkuat atau memperlemah hubungan independen) seperti contoh :
berdasarkan kerangka tersebut maka persamaan regresinya adalah
Y = a + b1x1+b2x2+e
Y = a + b1x1+b2x2+b3x1*M+b4x2*M+e
analisis juga dilakukan sebanyak dua kali, pertama tanpa moderasi dan kedua dengan moderasi. pada variabel moderasi bukan mengalikan nilai regresinya tetapi mengalikan tabulasi datanya. sedangkan pada variabel mediasi mengalikan nilai regresinya.
untuk penelitian yang sifatnya lebih mendalam dapat mengukur semua indikator penelitian sehingga perlu dilakukan banyak analisis regresi. maka tidak dapat dilakukan dengan analisis jalur saja. maka dilakukan dengan menggunakan uji structural equestion model (SEM). SEM secara umum terbagi dua, ada SEM biasa dan ada SEM PLS. perbedaannya hanya terletak pada jumlah indikator dan sampel saja. jika jumlah indikator besar dari 20 dan sampel besar dari 200 maka menggunakan SEM biasa (Amos, Lisrel, dll), sedangkan indikator kecil dari 20 dan sampel kecil dari 200 (maksimal sampel 500) maka menggunakan SEM PLS. contoh :
jika menggunakan regresi maka akan dilakukan sebanyak lebih dari 10 kali regresi sehingga diturunkan menjadi SEM. persamaan regresi pada SEM sama dengan regresi berganda hanya saja kita dapat melihat nilai hubungan semua indikator pada penelitian. jika kesulitan dalam pembuatan skripsi atau tesis dan pengolahan data silahkan klik link dibawah ini
konsultasi dan pembuatan skripsi dan tesis
If you're attempting to burn fat then you certainly need to start using this brand new personalized keto meal plan diet.
ReplyDeleteTo create this keto diet service, licensed nutritionists, fitness couches, and professional chefs have joined together to produce keto meal plans that are useful, suitable, cost-efficient, and fun.
Since their grand opening in early 2019, thousands of people have already completely transformed their body and well-being with the benefits a professional keto meal plan diet can give.
Speaking of benefits: in this link, you'll discover eight scientifically-certified ones offered by the keto meal plan diet.