tanggapan buat model anava

Berangkat dari apa yang ditanyakan oleh tamu spesial saya yang bertanya seperti ini:
"Mas, mau tanya jika model anova yg digunakan Y=X1+X2; maka X1 dan X2 berupa apa? apakah kelompok indikator spt laki2 dan perempuan atau usia dan jenis?"

Ketika melihat model anova yang ditulis oleh beliau saya berpikir bahwa penulisan seperti Y=X1+X2 itu bukan anova melainkan penulisan model untuk analisis regresi. Ketika saya cari di buku-buku statistikpun saya tidak menemukan model sebagaimana yang dimaksud. Dalam statistik, model anova yang dipilih biasanya disesuaikan dengan tujuan penelitian dan data yang dimiliki. Dalam anova dikenal beberapa model seperti randomized block design, completely randomized design, latin square and related design, hierarchical design dan lain sebagainya. Akan tetapi saya tidak menemukan penulisan model sebagaimana pertanyaan tamu saya tadi. (mungkin pembaca bisa saja berbeda pendapat dengan saya)

Karena itulah saya berkesimpulan bahwa model Y=X1+X2 adalah model dalam regresi. Meskipun demikian, penulisan model regresi seperti di ataspun masih salah. Baiklah sekarang kita lihat apa sebenarnya regresi itu dan bagaimana penulisan model regresi yang benar.

Inti utama regresi adalah peramalan. Ada kaitan yang sangat erat antara regresi dan korelasi yaitu adanya informasi hasil analisis dari keduanya berupa keeratan hubungan antara variable bebas dan variable terikat. Kedua teknik analisis tersebut bisa memaparkan seberapa besar keeratan hubungan itu, akan tetapi kelebihan regresi dari korelasi adalah bisa memberikan ramalan terhadap apa yang akan terjadi pada variable terikat jika variable bebasnya tertentu.
Ada beberapa model regresi yang sering digunakan oleh peneliti. Namun yang paling sering adalah model regresi linier atau model regresi garis lurus. Secara matematis, model regresi garis lurus dapat dideskripsikan dengan notasi

Y = a + bx

Y adalah variable terikat, a biasanya disebut intercept dan b disebut slope. Nilai-nilai untuk a dan b diperoleh melalui perhitungan sedangkan x adalah bebas. Untuk menemukan nilai bagi intercept dan slope dapat digunakan metode least square atau kuadrat terkecil serta metode varian minimum. Metode yang disebut terakhir adalah metode yang lebih dahulu digunakan oleh peneliti dibandingkan metode kuadrat terkecil. Akan tetapi karena kemudahan pembacaan hasil analisisnya, metode kuadrat terkecil saat ini lebih banyak digunakan dibandingkan metode minimum varian.
Share