Analisis regresi linear adalah salah satu analisis statistik yang seringkali digunakan oleh mahasiswa untuk membuat skripsi. Kebanyakan mahasiswa yang memilih jalur analisis kuantitatif menggunakan analisis regresi linear sebagai uji statistik dalam skripsi mereka. Hal ini dapat dimaklumi, karena berdasarkan pengalaman saya sebagai pembimbing privat skripsi, alasan mahasiswa dalam menggunakan analisis regresi linear adalah karena analisis inilah yang diajarkan pada mata kuliah statistik di kelas mereka. Selain itu alasan mereka menggunakan analisis regresi linear adalah karena kebanyakan senior atau kakak tingkat juga menggunakan analisis regresi linear sehingga mereka lebih mudah untuk mendapatkan referensi.

A. Apa yang Salah?
Penggunaan analisis regresi linear menjadi salah karena ada syarat-syarat awal yang harus dipenuhi untuk dapat menggunakan analisis regresi linear. Kesalahan yang dibahas dalam tulisan ini adalah pada skala data yang digunakan untuk analisis regresi linear. Skala data memiliki beberapa tingkatan mulai dari yang terendah hingga tertinggi sebagai berikut: Nominal, Ordinal, Interval hingga Rasio.

Syarat untuk dapat menggunakan analisis regresi linear adalah data memiliki skala Interval atau Rasio. Jika data yang anda gunakan sudah berskala interval atau Rasio, maka tidak ada masalah dalam hal ini. Tetapi seringkali ditemukan bahwa data yang digunakan oleh mahasiswa adalah skala Ordinal (masih dibawah syarat yang diharuskan). Mahasiswa memperoleh data dengan melakukan survei menggunakan kuesioner ke beberapa responden dan menggunakan skala likert. Contoh jenis kuesioner yang menghasilkan data berskala likert/Ordinal adalah kuesioner dengan pertanyaan yang dijawab misalnya; STS = sangat tidak setuju, TS = tidak setuju, RR = ragu-ragu, S = Setuju, STS = sangat tidak setuju, yang kemudian diberikan skor dari 1 hingga 5.

Jika anda melakukan survei menggunakan kuesioner tipe seperti ini dan kemudian anda menggunakan analisis regresi linear, anda termasuk mahasiswa yang berpotensi melakukan kesalahan.

Sekali lagi hal ini dikatakan salah, karena data yang dihasilkan berskala ordinal tapi dipaksakan menggunakan analisis regresi linear.

B. Bagaimana Solusinya?
Ada dua kasus terkait hal ini, yaitu “data yang digunakan” dan “analisis yang digunakan”:

Kasus 1. Data yang digunakan berskala ordinal
Kasus 2. Analisis yang digunakan adalah analisis regresi linear

Dua hal di atas yang membuat antara kasus 1 dan kasus 2 tidak dapat disatukan. Oleh karena itu, ada dua pilihan untuk memperbaikinya;

1. Mengganti/Transformasi data agar dapat menggunakan analisis regresi linear.
2. Tetap menggunakan data ordinal yang berarti harus mengganti teknik analisis data

Solusi 1. Mengganti/Transformasi Data

Jika masih memungkinkan yang paling baik adalah mengganti jenis pertanyaan atau jenis jawaban yang menjadi bahan untuk penelitian Anda. Maksudnya adalah ketika merencanakan penelitian yang nantinya ingin menggunakan analisis regresi linear hindarilah menggunakan kuesioner yang akan menghasilkan data skala ordinal misalnya jawaban yang berupa tingkat persetujuan (setuju, kurang setuju, tidak setuju). Jika dari awal kita bisa mendapatkan jenis data dengan skala interval atau rasio (syarat untuk melakukan regresi linear) maka kita dapat melakukan regresi linear dan terhindar dari kesalahan.

Masalahnya seringkali kita diperhadapkan pada keharusan untuk menganalisis data dengan skala likert. Ini biasa terjadi khususnya untuk penelitian bidang ilmu sosial dimana pertanyaan yang diajukan pada responden berupa pendapat yang subjektif untuk menilai sesuatu, dapat berupa kepuasan (puas, kurang puas, tidak puas), tingkat kepentingan (penting, tidak penting), dsb. Pada kasus seperti ini sangat sulit untuk mendapatkan data mentah/asli dengan skala interval maupun rasio sehingga tak ada pilihan lain bahwa data mentah/asli yang didapatkan haruslah berupa skala ordinal.

Meskipun data mentah yang kita dapatkan memiliki skala ordinal, tapi masih dapat dianalisis dengan regresi linear yaitu dengan mentransformasi data dari skala ordinal ditingkatkan menjadi skala interval. Namun tetap harus diakui, bahwa cara transformasi seperti ini (meningkatkan skala data) masih diperdebatkan apakah diperbolehkan atau tidak. Jika anda ingin mempelajari lebih lanjut mengenai transformasi data dari skala ordinal ke interval anda dapat menggunakan kata kunci “transformasi ordinal ke interval”.

Solusi 2: Mengganti teknik analisis data dengan teknik yang memperbolehkan data skala ordinal

Pada saat menentukan ingin menggunakan analisis regresi linear, biasanya disebabkan oleh tujuan dari penelitian yang akan dilakukan adalah untuk melihat pengaruh dari sesuatu terhadap sesuatu yang lain. Seperti melihat:

1. pengaruh menikmati tayangan dunia malam terhadap gaya hidup malam remaja,
2. pengaruh pelayanan suatu toko terhadap loyalitas pelanggan,
3. pengaruh mengikuti akun Twitter TV A terhadap minat menyaksikan acara di TV A, dsb.

Analisis regresi linear memang merupakan uji statistik yang tepat untuk melihat pengaruh, tetapi akan menjadi tidak tepat ketika yang dianalisis adalah data dengan skala ordinal.

Ketika terpaksa harus menganalisis data dengan skala ordinal, akan lebih baik untuk tidak menggunakan analisis regresi linear, tetapi gunakanlah analisis REGRESI LOGISTIK. Data dengan skala ordinal masih dapat dianalisis dengan regresi logistik. Secara garis besar regresi logistik digunakan untuk menganalisis kecenderungan suatu variabel. Sehingga tujuan awal peneliti untuk melihat pengaruh, dapat diganti untuk melihat kecenderungan tanpa harus berbeda jauh dari keinginan peneliti. Misalnya contoh untuk melihat pengaruh diatas dapat diganti menjadi:

1. Kecenderungan remaja yang menikmati tayangan dunia malam untuk memiliki gaya hidup malam,
2. Kecenderungan pelanggan yang mendapatkan pelayanan baik untuk loyal terhadap suatu Toko,
3. Kecenderungan pemirsa yang mengikuti akun Twitter TV A untuk menyaksikan acara di TV A, dsb.

Dari contoh di atas, dapat dilihat memang ada penggantian judul penelitian yang disebabkan berbedanya teknik analisis yang akan digunakan, namun tidak terlalu berbeda jauh dari makna dan hasil yang diinginkan oleh peneliti.
Jadi ditegaskan sekali lagi, ketika data yang ada dalam penelitian anda adalah data dengan skala ordinal, lebih baik menggunakan analisis REGRESI LOGISTIKdaripada analisis regresi linear, tetapi dengan syarat harus mengganti judul penelitian yang awalnya ingin melihat pengaruh, diganti menjadi untuk melihat kecenderungan.


BERBAGI ITU INDAH

untuk pertanyaan siahkan baca ini:
konsultasi statistik