• Datariset
• Artikel
• Persamaan model regresi linear

Persamaan Model Regresi Linear

Model persamaan regresi sering kali digunakan dalam metode penelitian. Sebenarnya ada perbedaan antara model regresi dengan persamaan regresi. Namun sering kali peneliti belum mengetahui perbedaan itu. Nah mari kita lihat berikut ini:

Y = a + bX ⇒ yang ini namanya persamaan
Yt= a+bXt ⇒ yang ini namanya model

Sekarang teman-teman tahu kan mana persamaan mana model. Kegunaannya juga berbeda. Ilmu social dengan penelitian terkait dengan data primer menggunakan persamaan regresi sedangkan ilmu eksak dengan penelitian terkait dengan data sekunder menggunakan model regresi. Meskipun tidak menutup kemungkinan kedua ilmu tersebut menggunakan keduanya/kebalikannya.

Persamaan regresi memiliki makna lebih keintrepretasi hasil pada saat pengambilan data. Sehingga hasilnya hanya mampu menggambarkan kejadian saat itu dengan sampel pada saat itu pula. Oleh karena itu, penelitian pada ilmu social tidak dapat diartikan sama halnya dengan ilmu eksak dalam mengintrepretasi hasil persamaan regresi. Terkadang baik peneliti maupun pembimbing peneliti tidak menghiraukan penggunaan Unstandardized dan Standardized

	Unstandardized Coeficients		Standardized Coeficients
Model	B	Std.Error	Beta	t	Sig.
1(constant)	6.229	.446		13.960	.000
AFEKTIF	-.731	.088	-.621	-.8258	.000
CONTINUANCE	-.077	.098	-.059	-.779	.437
NORMATIF	-.153	.108	-.111	-.1419	-.159

a. Dependent Variable: TURNOVER INTENTIONS

Masing-masing memiliki fungsi dan kegunaan sesuai dengan data penelitian. Kebanyakan buku statistic hanya membahas mengenai Unstandardized. Lalu bagaimana dengan yang Standardized? Nah itu dia masalahnya, peneliti kurang menyadari akan makna persamaan dan model.

• Unstandardized biasa digunakan untuk model regresi dimana fungsinya adalah untuk meramalkan gambaran masa depan dengan data masa lalu, sedangkan
• Standardized biasa digunakan untuk persamaan regresi dimana fungsinya adalah untuk mengetahui pengaruh dan sumbangan efektif yang diberikan antara variabel independen terhadap dependen, namun hanya berlaku pada saat itu dengan sampel itu.

Sekarang sudah tahu kan mengapa ada dua beta dalam alat statistik regresi linear. Untuk kegunaannya mau pilih yang mana monggo dikembalikan lagi kepada peneliti dan dosen pembimbing sebab tidak semua peneliti dan dosen pembimbing yang tahu perbedaan ini. Jika kasusnya seperti ini maka saran saya adalah ikutilah tradisi yang ada pada kampusmu agar kamu cepat selesai SKRIPSI, TESISI mu hehehehehe.

Ada kasus lagi nih teman-teman. Terkadang hasil penelitian tidak sesuai dengan teori yang ada sedangkan dosen atau dari dirimu menginginkan kesamaan agar tidak rempong saat dicerca pertanyaan dalam sidang. Hal ini dapat diatasi dengan melihat terlebih dahulu kesalahan apa yang ada pada data sehingga hasilnya menyimpang. Bukankah teori yang dibuat tidak hanya berdasarkan logika akan tetapi juga melewati tahap penelitian para ahli iya gak bro. Mari kita tengok terlebih dahulu data kamu.

• Untuk alat statistic dengan metode regresi dapat dilihat dahulu apakah data sudah memenuhi asumsi?
• Apakah terdapat data outlier?

Jika masalah tersebut sudah diketahui maka tinggal cari solusinya agar data kamu bisa sesuai dengan teori yang ada. Butuh olah data, konsultasi statistic, bantuan entri data, bantuan penlitian, butuh membuat data menjadi valid, SKRIPSI TESIS ingin cepat selesai, butuh olah data cepat, dadakan tengah malam butuh bantuan olah data, wilayah Jakarta dan sekitarnya, silahkan hubungi datariset.com Email khrisna.ys[at]gmail.com tlp/sms/wa 081931714774 atau bbm 7E58CEF8