Tuesday, February 21, 2012

Peta Blog

Untuk memudahkan teman-teman dalam menjelajahi blog ini, maka saya akan coba menjelaskan secara umum apa saja sih content dari blog ini. Tempat yang saya sebut dengan Peta Blog ini akan mencoba menjelaskan pada teman-teman mengenai cara  penjelajahan pada blog ini, agar teman-teman tidak tersesat nantinya dalam blog ini.^^
Ok..Let's start...
Blog yang sedang anda kunjungi ini terdiri atas beberapa Sub-blog, yang masing-masing sub-blognya mengangkat tema tertentu, misalnya: Metodologi. Dalam Sub-blog Metodologi teman-teman akan menemukan beberapa Pembahasan, misalnya: regresi. Teman-teman kemudian tinggal mengklik pilihan bahasan teman-teman(kalau sudah ada link nya ya, kalau belum berarti masih dalam proses...^&^). Nah, dalam satu bahasan itu akan terdiri atas beberapa post yang saling terkait satu sama lainnya. Keterkaitannya disambungkan dengan link-link yang terdapat dalam Post tersebut. Dengan mengklik link yang terdapat dalam post, maka teman-teman dapat 'Melompat' dari satu post ke post yang lain yang saling berkaitan. Proses Melompat tersebut mengikuti pola pikir manusia yang pada dasarnya bersifat lompat melompat dan tidak linier...^^...

Ok..berikutnya kita akan jelaskan masing-masing sub-blog, sebagai berikut:

1. Home
Sub-blog Home ini merupakan tempat pada ngumpul dan nongkrongnya posting-posting pada blog ini. Semua postingan baru akan langsung ke bagian ini nih...^^

2. Metodologi
Sub-blog Metodologi berisikan metode-metode yang sudah dan akan diposting pada blog ini. Sub-blog metodologi terdiri atas berbagai macam bahasan terkait dengan metode analisis yang digunakan. Teman-teman tinggal klik bahasan yang ingin dilihat kemudian jreng-jreng sampailah pada bahasan yang diinginkan..tapi mohon maaf karena masih baru jadi postingannya memang masih belum lengkap (link nya masih banyak yang mati). ^_^'..

3. Analisis
Sub-blog Analisis berisikan analisis yang sudah pernah dilakukan oleh penulis dan teman-teman yang telah diposting pada blog ini. Teman-teman tinggal klik bahasan yang ingin dilihat kemudian jreng-jreng sampailah pada bahasan yang diinginkan..tapi mohon maaf karena masih baru jadi analisisnya memang masih belum banyak. ^_^'..

4. Diskusi, Kritik, Saran
Sub-blog Diskusi, Kritik, Saran disediakan buat teman-teman yang sekiranya ingin berdiskusi, memberikan kritk ataupun saran. Sebenarnya sih bisa langsung di post kalau kebetulan sesuai dengan hal yang ingin ditanyakan. Tetapi kalau memang bingung, mau di taruh dimana kritik dan saran nya dapat ditempatkan disini nih...hihi...

5. Referensi dan Resensi
Sub-blog Referensi dan Resensi disediakan di blog ini, pada dasarnya bertujuan untuk menjadi tempat saya dan teman-teman berbagi resensi ataupun resume dari buku-buku yang pernah dibaca. Sehingga dapat meningkatkan minat baca kita semua....

Ok..mungkin itu penjelasannya..Nah ni mungkin kira-kira gambarannya sementara..


Oya, sub blog ini masih mungkin bertambah,,,hohoho...Selamat menjelajah....
kalau sekiranya teman-teman masih tersesat telepon informasi atau polisi terdekat ya...^^...Terima kasih...

Thursday, February 16, 2012

Estimasi

Tahapan Estimasi merupakan Tahapan Ketiga yang harus kita jalani setelah Eksplorasi dan Identifikasi. Estimasi menurut pemahaman saya pribadi merupakan kegiatan memperkirakan ukuran parameter (Besaran/ nilai yang diperoleh dari kegiatan sensus.red) tapi dengan sampel yang kita miliki. Sederhananya begini, katakanlah kita punya n sampel terus dapat sesuatu yang ingin kita ukur kan, nah sesuatu yang ingin kita ukur klo kita bayangin nilai sebenarnya dari sesuatu itu berapa sih (hahaha..lama2 bisa jadi kayak Sy*hrin* kebanyakan ngomong "sesuatu"..hehehe). Yah kira2 begitulah ya Estimasi.

Pada dasarnya ada 2 estimasi yang dapat kita lakukan, ada estimasi titik ada estimasi etimasi selang(Ingat lagi Metstatnya ya, mungkin nanti saya akan memposting bagian ini juga, Point Estimation and Interval Estimation..=D) :


1. Estimasi Titik 

Titik-titik apa saja sih pada regresi yang dapat kita estimasi? pada dasarnya ada banyak. Katakanlah spesifikasi model yang kita miliki sebagai berikut:
                                                               Y=A+BX 
Dengan demikian, beberapa titik yang dapat kita estimasi, yaitu:
A         : Intercept 
B         : Slope 
Y        : nilai Variabel tidak bebas ketika X (variabel bebas) telah dimasukkan dalam model
Ynew : nilai Variabel tidak bebas yang nilai X (variabel bebasnya) tidak berada pada rentang max-min sampel yang kita miliki

Apa artinya?? artinya ketika variabel bebas kita bertambah (X nya jadi tambah banyak) maka semakin banyak titik yang kita estimasi (dalam hal ini koefisien regresi yang harus diestimasi semakin bertambah), betul gak masbro??.

Y=B0+B1X1 +B2X2...+BpXp 

Slope kita jadi ada sebanyak p toh?? oke paham ya....

Kalau semakin banyak yang diestimasi tentu derajat bebas kita lebih berkurang, klo demikian terjadi tentu ada konsekuensinya. Tapi untuk sementara, kita pending dulu ya mengenai derajat bebas ini, soalnya lumayan panjang penjelasannya. =D

Banyak Metode untuk mengestimasi titik-titik tersebut terutama koefisien regresinya (slope dan interceptnya). Diantaranya adalah Least Squares, Maximum Likelihood Estimator (MLE) dan lain-lain (Baca Buku Karangan Lee J.Bain Introduction to Probability and Statistical Mathematics). Least Squares konsepnya adalah meminimalkan residualnya sedangkan MLE memaksimumkan fungsi likelihood dari suatu statistik. Tapi untuk sementara waktu kita fokus kepada Least Squares dulu lebih spesifik lagi Ordinary Least Squares (OLS).

OLS seperti yang telah disampaikan sebelumnya konsepnya adalah meminimalkan error ataupun residualnya. Mungkin penurunannya tidak perlu kita sampaikan disini ya, tapi kalau ada yang butuh penurunannya dapat mengirim e-mail ke alamat  07.5356@gmail.com ya.

Nah, apabila kita menghadapi RLS atau regresi linear sederhana, untuk nilai koefisien regresinya (setelah kita turunkan sedemikian rupa) menjadi:
Tetapi apabila kita berhadapan dengan variabel X yang lebih banyak tentu saja perhitungan matematis diatas tidak dapat diterapkan. Oleh karena itu dengan penurunan yang sama tetapi pendekatan matriks didapatkanlah nilai koefisen regresi dapat disederhanakan menjadi :

 Y terdiri atas n sampel disusun ke bawah ya, kemudian Bheta (B) vektor sebanyak px1 karena ada p variabel bebas, dan X disusun sedemikian rupa dimana variabel X1 disusun dikolom2 (kolom21 misalnya menunjukkan nlai X1 untuk indivdu ke 2, dst). Nah dengan demikian nanti matriks b akan menjadi vektor px1. Barulah setelah disusun seperti itu, kita dapat menghitung koefisien regresinya. Akan sangat sulit jika kita memiliki variabel bebas yang banyak sehingga ukuran matriks kita akan menjadi sangat besar. Bersyukur saat ini, sudah banyak software yang dapat memperhitungkan hal tersebut, seperti: SPSS, minitab, Stata, Sas, dan Ms. Excell (diusahakan ke depan ada postingan, estimasi dengan bantuan sotware).



2. Estimasi Selang 
Nah, setelah ditemukan nilai dari parameter yang diestimasi, barulah kemudian kita dapat memperkirakan parameter berada dalam selang kepercayaan dengan tingkat keyakinan tertentu, dari berapa sampai berapa. Seperti yang ditunjukkan di bawah ini.
 



Jadi tetap stay tune di Blog ini, semoga dapat bermanfaat dan terimakasih atas kunjungannya...=D

Monday, February 13, 2012

Identifikasi

Tahapan selanjutnya setelah melakukan Eksplorasi adalah Tahapan Identifikasi. Salah satu teknik paling sederhana yang digunakan pada tahapan identifikasi adalah scatter plot. Scatter Plot merupakan plot ataupun gambaran yang menunjukkan hubungan antara suatu variabel (katakanlah X pada sumbu X) dan variabel lainnya (katakanlah Y pada sumbu Y).

Gambar 1. Scatter Plot

 Scatter plot dapat menjadi identifikasi awal yang sangat efektif dan efisien mengenai model apa yang sebaiknya digunakan. Dari Gambar 1 terlihat bahwa ada kecendrungan hubungan linear antara Explanatory Variable (X) dengan Response Variable (Y) sehingga model yang paling tepat regresi linear. Begitupun apabila plotting kita membentuk hubungan kuadratik sehingga tentulah model paling tepat adalah regresi polinomial dalam kasus ini regresi kuadratik, dst.

Nah, Scatter plot dapat kita lakukan apabila kita masih berhadapan dengan variabel bebas (X) yang tidak banyak. Tapi, apabila telah memiliki banyak variabel bebas tentulah pembuatan scatter plot menjadi hal yang sulit untuk dilakukan. Hal yang dapat kita lakukan jika berhadapan dengan X yang banyak adalah identifikasikan saja variabel bebas nya, untuk menetapkan model apa yang akan kita gunakan seperti terlihat pada pengelompokkan dibawah ini.

         
        Y                        X                                           Model
Kuantitatif             Semua X kuantitatif        Regresi Linear Berganda (RLB)
Kuantitatif             Sebagian X kualitatif       RLB dengan memanfaatkan dummy Variabel
Kuantitatif             Semua X kualitatif          Anova

Kualitatif               Semua X kuantitatif        Analisis Diskriminan/ RegLog(Logit/Probit)
Kualitatif               Sebagian X kualitatif      Regresi Logistik (model Logit/Probit)
Kualitatif               Semua X kualitatif          Log-Lin Model


Setelah berhasil melakukan identifikasi, tetapkan modelnya. Kemudian,kita akan melanjutkan kepada Tahapan Estimasi. Terimakasih atas kunjungannya...=D

Sunday, February 12, 2012

Eksplorasi

Pada dasarnya, Tahapan Eksplorasi merupakan tahapan opsional dalam analisis regresi. Sehingga dalam beberapa buku, Tahap Eksplorasi atau meng-explore data tidak termasuk dalam tahapan inti regresi (identifikasi, estimasi, pengujian signifikansi, asumsi dan keseuaian model. red).
Ada dua jenis variabel dalam regresi :
1.       Variabel tak bebas (Dependent Variable)--> Y
Variabel yang nilainya ditentukan oleh variabel lain. Diasumsikan bersifat random/stochastic. Nama lain dari Variabel ini adalah variabel respon. Dalam model regresi, baik itu RLB maupun RLS mensyaratkan bahwa Y harus berjenis data kuantitatif.
Data Y dapat berupa data observasi ataupun data eksperimen. Data observasi merupakan data yang diperoleh tanpa kontrol terhadap variabel X. Sedangkan Data eksperimen diperoleh dengan melakukan kontrol terhadap variabel X.

2.       Variabel bebas (Independent Variable) --> X
Variabel yang nilainya ditentukan secara bebas (variabel yang diduga mempengaruhi variabel tak bebas). Diasumsikan bersifat fixed/ non stochastic.
Sebelum dilakukan regresi, kedua data tersebut seharusnya terlebih dahulu di eksplore. Beberapa hal yang dapat dijumpai ketika melakukan eksplorasi:
1.       Adanya data yang missing
Missing data adalah situasi dimana kita tidak menemukan data yang kita inginkan. Misalnya: suatu unit analisis/unit observasi memiliki nilai Variabel Y tetapi ketika ditelusuri ternyata tidak ditemukan data untuk variabel X nya pada unit obsevasi tersebut ataupun sebaliknya. Hal itu bisa terjadi karena beberapa hal:
a.       Lewat cacah
b.      Kesalahan pada saat pengentrian
Solusi yang dapat diberikan jika ditemukan permasalahan seperti ini diantaranya:
a.     Mengeliminasi unit analisis tersebut, sehingga jumlah unit kita akan berkurang. Akibatnya secara statistik akan mengurangi derajat bebas dan mengurangi akurasi dalam  pengestimasian parameter regresi nantinya.
b.     Imputasi. Yaitu memperkirakan nilai dari data yang missing tersebut, dengan harapan nilai yang kita masukkan mendekati nilai yang sebenarnya (untuk penjelasan lebih lanjut mengenai imputasi akan disampaikan di kemudian hari).

2.       Adanya data yang outlier
Data outlier merupakan satu atau beberapa unit observasi yang memiliki nilai jauh dari pada umumnya. Misalnya: Terlalu kecil atau bahkan terlalu besar. Ada banyak cara mendeteksi adanya outlier, diantaranya:
1.       BOXPLOT
2.       STEAM-LEAF PLOT
3.       DOT PLOT 
 Note: Outlier menjadi suatu hal yang krusial karena melakukan regresi dengan adanya data yang outlier bisa jadi mengakibatkan kita menghasilkan model yang kurang tepat. Oleh karena itu, outlier seringkali dieliminasi terlebih dahulu sebelum melakukan regresi apabila kita cukup banyak memiliki unit observasi/analisis.


Setelah melakukan Eksplorasi, kita akan masuk ke Tahapan Identifikasi

Analisis Regresi

Analisis Regresi merupakan salah satu metode statistik yang menunjukkan hubungan dan pengaruh dari suatu variabel bebas (X) atau lebih terhadap variabel tidak bebas (Y) nya.


Berdasarkan Jumlah Variabel Bebasnya, Analisis Regresi dapat dibedakan menjadi :

1. Regresi Linear Sederhana (RLS) --> Menggunakan satu Variabel Bebas
                                      
                                             Y = a + bX

2. Regresi Linear Berganda (RLB) --> Variabel Bebas nya lebih dari Satu

                                    Y = a + b1X1 + b2X2 + ... + bpXp

Ada beberapa Tahapan dalam Regresi
1. Eksplorasi
2. Identifikasi
3. Estimasi parameter
4. Pengujian signifikansi
5. Asumsi dan Kesesuaian Model


Untuk penjelasan lebih lanjut, akan disampaikan di kemudian hari ...=D
Trims...telah berkunjung...

Related Posts Plugin for WordPress, Blogger...

 
Design by Free WordPress Themes | Bloggerized by Lasantha - Premium Blogger Themes | Web Hosting Coupons