Cara melakukan regresi kuadrat pada kalkulator ti-84
Ketika dua variabel memiliki hubungan linier, kita sering kali dapat menggunakan regresi linier sederhana untuk mengukur hubungan keduanya.
Namun, jika dua variabel mempunyai hubungan kuadrat, kita dapat menggunakan regresi kuadrat untuk mengukur hubungannya.
Tutorial ini menjelaskan cara melakukan regresi kuadrat pada kalkulator TI-84.
Contoh: regresi kuadrat pada kalkulator TI-84
Misalkan kita ingin memahami hubungan antara jumlah jam kerja dan kebahagiaan. Kami memiliki data berikut mengenai jumlah jam kerja per minggu dan tingkat kebahagiaan yang dilaporkan (dalam skala 0 hingga 100) untuk 11 orang berbeda:
Ikuti langkah-langkah berikut untuk melakukan regresi kuadrat pada kalkulator TI-84.
Langkah 1: Visualisasikan datanya.
Sebelum kita dapat menggunakan regresi kuadrat, kita harus memastikan bahwa hubungan antara variabel penjelas (jam) dan variabel respon (kebahagiaan) memang bersifat kuadrat.
Pertama, kita akan memasukkan nilai data untuk variabel penjelas dan variabel respon. Tekan Stat lalu tekan EDIT . Masukkan nilai variabel penjelas (jam kerja) berikut pada kolom L1 dan nilai variabel respon (kebahagiaan) pada kolom L2:
Selanjutnya tekan 2nd lalu tekan y= untuk mengakses menu statplot . Sorot Plot1 dan tekan Enter . Pastikan plotting diaktifkan dan L1 dan L2 dipilih untuk Xlist dan Ylist masing-masing:
Selanjutnya, tekan zoom lalu tekan 9:ZoomStat . Ini secara otomatis akan menghasilkan point cloud berikut:
Kita dapat melihat bahwa kebahagiaan cenderung meningkat seiring dengan bertambahnya jumlah jam kerja dari nol hingga titik tertentu, namun kemudian mulai menurun seiring dengan bertambahnya jumlah jam kerja.
Bentuk “U” terbalik pada diagram sebar menunjukkan bahwa terdapat hubungan kuadrat antara jam kerja dan kebahagiaan, yang berarti kita harus menggunakan regresi kuadrat untuk mengukur hubungan ini.
Langkah 2: Lakukan regresi kuadrat.
Selanjutnya kita akan melakukan regresi kuadrat. Tekan Stat lalu gulir ke CALC . Lalu gulir ke 5:QuadReg dan tekan Enter .
Untuk Xlist dan Ylist pastikan L1 dan L2 dipilih karena ini adalah kolom yang kita gunakan untuk memasukkan data kita. Biarkan FreqList kosong. Gulir ke bawah ke Hitung dan tekan Enter .
Output berikut akan muncul secara otomatis:
Langkah 3: Tafsirkan hasilnya.
Dari hasil tersebut terlihat bahwa persamaan regresi yang diestimasi adalah:
kebahagiaan = -0,1012 (jam) 2 + 6,7444 (jam) – 18,2536
Kita dapat menggunakan persamaan ini untuk mengetahui prediksi kebahagiaan seseorang, berdasarkan jumlah jam kerja mereka per minggu.
Misalnya seseorang yang bekerja 60 jam per minggu akan memiliki tingkat kebahagiaan 22,09 :
kebahagiaan = -0,1012(60) 2 + 6,7444(60) – 18,2536 = 22,09
Sebaliknya, seseorang yang bekerja 30 jam per minggu seharusnya memiliki tingkat kebahagiaan 92,99 :
kebahagiaan = -0,1012(30) 2 + 6,7444(30) – 18,2536 = 92,99
Kita juga dapat melihat bahwa r kuadrat untuk model regresi adalah r 2 = 0,9602 . Ini adalah proporsi varians variabel respon yang dapat dijelaskan oleh variabel penjelas. Dalam contoh ini, 96,02% variasi kebahagiaan dapat dijelaskan berdasarkan jam dan waktu 2 .
Tentang Penulis
Benjamin anderson
Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya