Cari Materi

Regresi Linear dengan Variabel Kontrol

Sering kali kita mendengar istilah variabel kontrol, yaitu variabel yang dimasukkan penelitian ke dalam penelitian untuk mengendalikan atau menghilangkan pengaruh tertentu pada model penelitian. Sebagai ilustrasi, ketika kita membandingkan laba tahunan sebuah perusahaan, maka interpretasi kita akan menjadi bias, karena perusahaan yang besar (total assetnya) cenderung mempunyai laba yang lebih besar. Oleh karena itu, kita sering memasukkan total assets sebagai salah satu variabel agar hasil penelitian tidak menjadi bias. Atau bisa juga dengan menggunakan rasio keuangan Earning After Tax (EAT) yang merupakan laba dibagi total assets.

Dalam aplikasi regresi linear, sering kali sebuah model akan memberikan hasil yang bias tanpa adanya variabel kontrol. Berikut adalah ilustrasi mengenai pentingnya memasukkan variabel kontrol dalam sebuah model, agar kesimpulan yang ditarik tidak bias atau salah persepsi.

Baca selengkapnya, silahkan download di sini

Simulasi regresi linear dengan variabel kontrol

Simulasi Uji Multikolinearitas

Gangguan multikolinearitas terjadi jika dalam sebuah model terdapat korelasi yang tinggi antara dua atau lebih variabel bebas. Logikanya sederhana, jika anda ingin mencari pengaruh antara A, B dan C terhadap D, maka seharusnya tidak ada korelasi (yang tinggi) baik antara A dengan B, A dengan C atau pun antara B dengan C. Jika terdapat korelasi yang tinggi antara variabel bebas, maka terjadi gangguan multikolinearitas.

Ada beberapa cara pengujian gangguan multikolinearitas, di antaranya dengan mencari korelasi secara langsung antara masing-masing variabel bebas, bisa juga menggunakan Variance Inflation Factor yang biasanya juga dengan Tolerance, atau dengan Condition Index dan Eigenvalue.

Berikut adalah simulasi uji multikolinearitas beserta dengan data contohnya (Silahkan download)

Simulasi Uji Multikolinearitas dengan VIF dan Korelasi
Simulasi Uji Multikolinearitas dengan CI
Contoh data uji multikolinearitas

One Sample t test

One sample t test adalah untuk melihat apakah suatu distribusi data (sampel) mempunyai perbedaan atau tidak dengan nilai tertentu. Nilai tertentu ditetapkan oleh peneliti berdasarkan kebutuhan, misalnya ada data daya tahan lampu (dalam jam) dan penelitian ingin menentukan apakah sampel lampu tersebut mempunyai data tahan di atas 100 jam.

Untuk lebih jelasnya, silahkan download materi ini di sini.