Poin Penting Sebelum Memilih Model Penelitian

Melakukan penelitian memang tidak mudah bahkan salah satunya adalah dalam hal memilih pemodelan yang cocok sebelum memasuki fase analisis menggunakan software computer.

Berdasarkan buku karangan Nachrowi D Nachwori dan Hardius Usman (Baca : Buku Ekonometrika), terdapat 2 teori pemodelan regresi yaitu pemodelan regresi linier sederhana dan pemodelan regresi linier majemuk.

Dimanakah letak perbedaannya?

1. Pemodelan regresi linier sederhana
   Teknik pemodelan ini hanya memerlukan sebuah variabel bebas dan sebuah variabel terikat. Artinya, apabila variabel penelitian kamu meliputi satu variabel X dan satu variabel Y, maka teknik pemodelan ini cocok untuk dipakai.
   
   Selain itu, dalam hal pemeriksaan pun hanya ditekankan melalui baik atau buruknya regresi yang dibuat berdasarkan indikator-indikator tertentu. Indikator tersebut meliputi:
   
   • Standard Error
   • Interval Kepercayaan
   • Uji Hipotesis
   • Uji-F
   • Uji-t
   • Koefisien Determinasi
   • Analisis Residual
2. Pemodelan regresi linier majemuk
   Teknik pemodelan ini memerlukan lebih dari sebuah variabel bebas. Artinya, apabila variabel penelitian kamu meliputi dua variabel X yaitu X1 dan X2 serta satu variabel Y, maka pemodelan regresi linier majemuk ini yang lebih baik daripada pemodelan regresi linier sederhana.
   
   Dalam hal pemeriksaannya pun sama seperti pemodelan regresi linier sederhana. Namun, pemodelan ini akan mempunyai banyak permasalahan. Adanya multikolinieritas atau variabel bebas saling berkorelasi merupakan salah satu permasalahannya. Bila permasalahan tersebut terjadi tentu akan mengganggu ketetapan model yang dibuat.

Coming Soon : Dampak Multikolinieritas

Letak perbedaan dari kedua permodelan tersebut adalah dilihat dari banyaknya jumlah variabel bebas. Apabila variabel bebas penelitian sebanyak satu buah saja maka memakai model regresi linier sederhana atau apabila variabel bebas penelitian lebih dari satu buah maka memakai model regresi linier majemuk.