Dalam analisis regresi, kita sering menemukan bahwa meskipun sebuah model dapat digunakan dari data yang diobservasi dan dimungkinkan mendapatkan hasil dari data tersebut, akan tetapi model yang digunakan bisa saja tidak tepat. Dalam regresi linear terutama denan model yang cukup spesifik, harus diuji apakah model fit sebelum mengintrepretasikan hasilnya, yakni sebelum menggunakan fungsi-fungsi regresi tersebut untuk memprediksi.
Pada dasarnya, kualitas sebuah model pengukuran terkait dengan keputusan apakah model fit dengan data melalui cara yang tepat. Ada tiga metode yang bisa digunakan untuk mengetahui apakah secara empiris data memenuhi secara layak dari model yang mewakilinya.
- Goodness of fit tests, metode yang membandingkan frekuensi yang diharapkan secara hipotetis dengan frekuensi yang senyatanya diobservasi dari model tertentu, dengan menguji apakah ada perbedaan yang signifikan atau tidak.
- Coefficients of goodness of fit, metode ini menggunakan koefisien untuk menjelaskan goodness of fit, diantaranya AIC (Akaike information criterion), BIC (Bayesian Information Criterion). Pengujian bisa dilakukan dengan menggunakan program R atau SPSS melalui analisis Anova.
- Cross-validation, goodness of fit test seringkali tidak mencukupi untuk menilai kualitas sebuah model, terutama bila parameter yang diestimasi berjumlah banyak (misal, dalam multiple linear regression). Sekalipun, sebuah model memiliki goodness of fit yang baik, namun generalisasinya akan dipertanyakan. disinilah digunakan metode cross-validation. yakni membagi data menjadi dua bagian, dan melakukan analisis respektif secara terpisah untuk kedua paket data tersebut.
Demikian tiga metode untuk menilai kualitas sebuah model. Untuk informasi lebih detil silahkan baca Statistics in Psychology, Using R and SPSS (Rasch, dkk, 2011)
Share this post :
Leave a Reply