# Regresi Berjenjang [Hierarchical Regression]
Regresi dapat dilihat sebagai proses memasukkan prediktor dalam menjelaskan variabel dependen atau kriteria. Proses memasukkannya dapat secara bertahap. Kalau peneliti menggunakan metode enter, stepwise atau yang lain, maka proses memasukkannya tersebut diserahkan kepada komputer. Nah, regresi berjenjang adalah memasukkan prediktor berdasarkan urutan yang ditentukan oleh peneliti. Pendekatan ini lebih mengarah pada apriori yang merupakan kebalikan dari pendekatan posteriori yang dilakukan oleh komputer seperti di atas. Peneliti biasanya memasukkan prediktor berdasarkan teori, relevansi dengan penelitian, kepentingan atau persyaratan lainnya.
Menguji Efek Moderator | klik |
Penelitian ini bertujuan untuk menguji variabel determinasi diri sebagai moderator hubungan antara persepsi terhadap kompetensi diri dan motivasi instrinsik. Regresi berjenjang dilakukan dengan tiga jenjang dengan urutan pada jenjang pertama dimasukkan persepsi terhadap kompetensi. Jenjang kedua dimasukkan motivasi instrinsik dan jenjan ketiga dimasukkan perkalian antara persepsi terhadap kompetensi dan motivasi instrinsik. Perubahan nilai R2 yang signifikan menunjukkan bahwa determinasi diri berperan sebagai moderator.
Menguji Faktor Demografi dan Psikologis sebagai Prediktor | klik |
Analisis regresi berjenjang digunakan untuk menganalisis data yang dikumpulkan. Variabel kriteria atau variabel dependen penelitian ini adalah komitmen organisasi sementara variabel prediktornya adalah faktor-faktor demografis (umur, jenis kelamin, pekerjaan jabatan, status perkawinan, dan tingkat pendidikan), kecerdasan emosi, motivasi berprestasi, karier arti-penting, dan kepuasan kerja. Regresi berjenjang dilakukan sebanyak lima jenjang secara berurutan.
Menguji Hubungan antara Kepuasan Hidup dan Kepuasan Kerja | klik |
Regresi berjenjang digunakan untuk menentukan apakah tiga sub skala, yaitu keterlibatan dan semangat validitas tambahan di atas dan di balik itu dari . Urutan jenjang analisis regresi yang dilakukan demografi (pada jenjang 1) dan keterlibatan kerja dan dukungan organisasi dirasakan (pada jenjang 2). Analisis fungsi diskriminan juga dilakukan untuk menentukan apakah empat macam kepuasan hidup dan kepuasan kerja kelompok dapat diprediksi oleh kombinasi sikap kerja demografis dan variabel, yaitu kelompok-kelompok: hidup tinggi / kepuasan kerja: hidup rendah / kepuasan kerja; hidup tinggi / rendah kepuasan kerja dan kehidupan rendah / tinggi kepuasan kerja.
Menguji Hubungan antara Knowledge Sharing dangan Inovasi Tim | klik | Untuk menguji hipotesis yang diusulkan peneliti ini menggunakan SPSS versi 13. Analisis korelasi dilakukan untuk mengungkap hubungan antar variabel penelitian. Selain itu, untuk menguji kontribusi relatif setiap variabel penelitian terhadap perilaku berbagi pengetahuan (knowledge sharing), peneliti melakukan analisis regresi berjenjang. Variabel ke dalam regresi secara berurutan tertentu untuk seberapa jauh semua variabel memberikan kontribusi terhadap inovasi kelaompok. Tiga variabel demografis, jenis kelamin, posisi kerja dan latar belakang pendidikan yang bekerja sebagai variabel kontrol dimasukkan pada jenjang pertama. Karakteristik individu dari empat tim inovasi faktor iklim (partisipatif keamanan, dukungan untuk inovasi, orientasi dan visi tugas) dimasukkan dalam jenjang kedua yang diikuti masukknya altruisme pada jenjang ketiga.
# Regresi Logistik [Logistic Regression]
Regresi logistik berguna untuk situasi di mana Anda ingin dapat meramalkan ada atau tidaknya karakteristik berdasarkan prediksi seperangkat prediktor. Regresi logistik mirip dengan model regresi linier tetapi cocok untuk model penelitian dengan variabel dependen yang datanya berbentuk dikotomis. Koefisien regresi logistik dapat digunakan untuk memperkirakan odds ratio untuk setiap variabel independen dalam model. Odd ratio adalah adalah ukuran dari peningkatan kemungkinan untuk satu kategori dibandingkan dengan yang lain. Melalui odd ratio kita akan tahu berapa peningkatan skor variabel dependen yang ditinjau oleh prediktor tertentu ketika prediktor lainnya adalah konstan.
Regresi logistik digunakan untuk memprediksi variabel yang bersifat kategoris (biasanya dikotomis) oleh seperangkat variabel prediksi. Dengan adanya sifat variabel yang kategorikal, analisis fungsi diskriminan biasanya digunakan jika semua prediktor berbentuk data kontinum dan terdistribusi dengan baik. Analisis logit digunakan jika semua prediktor bersifat kategoris; dan regresi logistik dipilih jika prediktor memuat campuran variabel kontinu dan kategoris atau prediktor tersebut tidak terdistribusi yang baik (regresi logistik tidak membuat asumsi tentang distribusi dari variabel prediktor).
Regresi logistik telah sangat populer untuk riset medis misalnya apakah pasien memiliki gejala penyakit tertentu. Pada regresi logistik, variabel dependen yang diprediksi adalah fungsi dari probabilitas bahwa suatu subjek tertentu akan berada dalam salah satu kategori.
Contoh Desain Penelitian
- Misalkan kita tertarik pada faktor-faktor yang mempengaruhi apakah seorang kandidat politik akan memenangkan pemilihan atau tidak. Hasil (respon) variabel dikotomi (0 dan 1); menang atau kalah. Prediktor yang dipakai adalah: jumlah uang yang dihabiskan untuk kampanye, jumlah waktu yang digunakan untuk kampanye negatif dan apakah atau tidak calon adalah sebuah kewajiban. Karena variabel respon biner kita harus menggunakan sebuah model yang menangani 0 / 1 variabel dengan benar.
- Peneliti hendak mengidentifikasi pengaruh usia, jenis kelamin dan aktivitas olahraga kemunculan serangan jantung. Variabel respon kemunculan serangan jantung berbentuk data dikotomi (0 dan 1) yaitu muncul dan tidaknya serangan jantung.
- Peneliti hendak mengindentifikasi GRE (Graduate Record Exam skor), IPK (Indeks Prestasi Kumulatif), dan prestise program sarjana untuk mendaftarkan diri pada program pascasarjana. Skor pada variabel dependennya berbentuk dikotomi (0 dan 1) yaitu mendaftar program pascasarjana atau tidak.
Konsiderasi Data
Variabel dependen harus berbentuk dikotomi sedangkan prediktor dapat berbentuk interval atau kategoris. Jika kategoris, mereka harus di dummy atau dikodekan.
Asumsi
Regresi logistik tidak bergantung pada asumsi distribusi namun disarankan data memenuhi distribusi normal multivariat karena akan menghasilkan prediksi yang lebih stabil. Sebagai bagian dari regresi, adanya multikolinieritas antar prediktor dapat menyebabkan bias estimasi dan pelambungan nilai eror standar. Prosedur akan lebih efektif jika prediktor yang benar-benar merupakan variabel kategoris bukan merupakan pengkategorian berdasarkan kualitas misalnya "IQ tinggi" dan "IQ rendah". Jika variabel dependennya merupakan variabel kontinum seperti IQ maka peneliti disarankan untuk menggunakan regresi linier karena akan menghasilkan informasi lebih kaya. Dengan kata lain, jika variabel dependennya adalah kontinum (misalnya IQ) pengkategorian tidak perlu dilakukan.
Prosedur Terkait
Gunakan prosedur untuk sebar layar multicollinearity data Anda. Jika asumsi multivariat normal dan sama matriks varians-kovarians terpenuhi peneliti akan mendapatkan solusi yang lebih cepat jika menggunakan prosedur Analisis Diskriminan. Jika semua prediktornya variabel kategoris, peneliti dapat menggunakan prosedur Loglinear. Jika variabelnya adalah kontinu maka penggunaan prosedur Regresi Linear sangat disarankan.
Memprediksi Munculnya Tidaknya Gangguan Kepribadian | klik |
Penelitian ini bertujuan untuk memprediksi gangguan kepribadian pada pengguna NAPZA baik yang menjalani tritmen dalam penjara (prison sample) dan yang di luar penjara (inpatient sample). Dengan menggunakan regresi logistik ditemukan bahwa karakteristik gangguan kepribadian antisosial banyak ditemukan pada prison sample sedangkan karakteristik gangguan masokistik banyak ditemukan pada inpatient sample
Memprediksi Ikut Tidaknya Individu dalam Suatu Serikat
Studi ini meneliti perbedaan kepribadian individu dan variabel sikap sebagai prediktor dari keanggotaan terhadap suatu serikat, dengan mengendalikan variabel demografis dan faktor-faktor yang berkaitan dengan pekerjaan. Teknik analisis yang digunakan adalah analisis regresi logistik berjenjang. Hasil analisis dengan keikutsertaan terhadap serikat sebagai variabel dependennya menghasilkan informasi bahwa prediktor-prediktor yang dimasukkan dalam analisis regresi mampu memprediksi secara signifikan.
Evaluasi Moral terhadap Penelitian pada Binatang [ data SPSS ]
Mahasiswa (N = 315) diminta untuk seakan-akan melayani pada komite riset universitas mendengar keluhan terhadap hewan penelitian yang dilakukan oleh seorang anggota fakultas universitas. Lima skenario penelitian yang berbeda digunakan; Pengujian kosmetik, teori dasar pengujian, pertanian (produksi daging) penelitian, hewan penelitian, dan penelitian medis. Peserta diminta untuk menilai apakah penelitian yang dilakukan harus dihentikan ataukah tidak (melanjutkan vs menolak) . Inventori yang mengukur etika digunakan untuk mengukur ' idealisme dan relativisme partisipan. Idealisme negatif terkait dan relativisme positif terkait dengan dukungan untuk penelitian hewan. Melalui analisis regresi logistik didapatkan kesimpulan bahwa perempuan kurang menerima penelitian terhadap hewan dibanding laki-laki. Selain itu, berdasarkan skenarionya, skenario penelitian menganai kosmetik, teoretis, dan proyek penelitian pertanian peranannya kurang signifikan dibanding penelitian medis.
