UIAUIA

Matematika SainsMatematika Sains

Makalah ini memaparkan hasil pendeteksian asumsi klasik model regresi linier berganda, yaitu normalitas residu dan multikolinearitas, dengan menggunakan data penelitian yang memiliki skala pengukuran minimal interval. Namun, data yang diperoleh dari penelitian survei menggunakan kuesioner berbasis skala Likert menghasilkan skala pengukuran ordinal, yang mengakibatkan teknik regresi menjadi tidak efektif. Oleh karena itu, untuk menjaga efektivitas model regresi berganda, transformasi data dari ordinal ke interval diperlukan. Proses transformasi data dapat menggunakan Metode Suksesif Interval (MSI) atau acuan angka normal baku Z. Prosedur analisis selanjutnya dilakukan pengujian asumsi persyaratan analisis regresi untuk mendeteksi bahwa taksiran parameter model regresi berbasis OLS memiliki sifat Penaksir Tak Bias Terbaik (BLUE) dan asumsi kenormalan distribusi populasi residu serta tidak terdapat masalah multikolinearitas dipenuhi.

Berdasarkan hasil analisis dan pembahasan di atas, dapat disimpulkan bahwa asumsi klasik model regresi linear berganda terkait kenormalan distribusi populasi residu dan tidak terdapat masalah multikolinearitas dalam model keduanya regresi dipenuhi.Asumsi ini penting untuk memastikan validitas dan reliabilitas hasil analisis regresi, sehingga dapat digunakan sebagai dasar untuk pengambilan keputusan dan generalisasi hasil penelitian.

Berdasarkan latar belakang, metode, hasil, keterbatasan, dan saran penelitian lanjutan yang ada, beberapa saran penelitian lanjutan dapat diajukan. Pertama, penelitian selanjutnya dapat menginvestigasi pengaruh transformasi data ordinal ke interval menggunakan metode lain selain MSI dan Z-score, seperti metode berbasis machine learning, untuk melihat apakah metode tersebut dapat menghasilkan model regresi yang lebih akurat dan efisien. Kedua, penelitian dapat memperluas cakupan data dengan menggabungkan data dari berbagai sumber dan jenis penelitian survei untuk menguji generalisasi hasil penelitian ini pada konteks yang lebih luas. Ketiga, penelitian dapat mengembangkan model regresi yang lebih kompleks, seperti model regresi non-linier atau model regresi dengan variabel moderasi, untuk menangkap hubungan yang lebih kompleks antara variabel-variabel yang diteliti. Dengan demikian, penelitian selanjutnya dapat memberikan kontribusi yang lebih signifikan dalam pengembangan metode analisis regresi dan aplikasinya dalam berbagai bidang ilmu.

  1. #regresi linier#regresi linier
  2. #regresi linear berganda#regresi linear berganda
Read online
File size399.15 KB
Pages10
Short Linkhttps://juris.id/p-3ao
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test