{"id":1881,"date":"2023-07-24T14:58:16","date_gmt":"2023-07-24T14:58:16","guid":{"rendered":"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/"},"modified":"2023-07-24T14:58:16","modified_gmt":"2023-07-24T14:58:16","slug":"mencegat-dalam-regresi","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/","title":{"rendered":"Cara menafsirkan intersep dalam model regresi: dengan contoh"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><strong>Intersep<\/strong> (terkadang disebut &#8220;konstanta&#8221;) dalam model regresi mewakili nilai rata-rata variabel respons ketika semua variabel prediktor dalam model sama dengan nol.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Tutorial ini menjelaskan cara menginterpretasikan nilai asli dalam model regresi linier sederhana dan regresi linier berganda.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Interpretasi perpotongan dalam regresi linier sederhana<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Model regresi linier sederhana memiliki bentuk sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\">\u0177 = \u03b2 <sub>0<\/sub> + \u03b2 <sub>1<\/sub> (x)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Emas:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">\u0177 : nilai prediksi untuk variabel respon<\/span><\/li>\n<li> <span style=\"color: #000000;\">\u03b2 <sub>0<\/sub> : Nilai rata-rata variabel respon ketika x = 0<\/span><\/li>\n<li> <span style=\"color: #000000;\">\u03b2 <sub>1<\/sub> : Rata-rata perubahan variabel respon untuk kenaikan satu satuan x<\/span><\/li>\n<li> <span style=\"color: #000000;\">x : nilai variabel prediktif<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Dalam beberapa kasus, masuk akal untuk menafsirkan nilai intersep dalam model regresi linier sederhana, namun tidak selalu. Contoh berikut menggambarkan hal ini.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Contoh 1: Intersepsi masuk akal untuk ditafsirkan<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalkan kita ingin menyesuaikan model regresi linier sederhana dengan menggunakan <em>jam belajar<\/em> sebagai variabel prediktor dan <em>nilai ujian<\/em> sebagai variabel respon.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kami mengumpulkan data ini untuk 50 mahasiswa di suatu program universitas tertentu dan menyesuaikan model regresi berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nilai ujian = 65,4 + 2,67 (jam)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nilai suku asli pada model ini adalah <strong>65,4<\/strong> . Artinya rata-rata nilai ujian adalah <strong>65,4<\/strong> padahal jumlah jam belajarnya nol.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Hal ini masuk akal untuk ditafsirkan karena masuk akal bagi seorang siswa untuk belajar selama nol jam untuk ujian.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Contoh 2: Intersepsi tidak masuk akal untuk ditafsirkan<\/strong><\/span><\/p>\n<p> Misalkan kita ingin <span style=\"color: #000000;\">menyesuaikan model regresi linier sederhana dengan menggunakan <em>berat badan<\/em> (dalam pon) sebagai variabel prediktor dan <em>tinggi badan<\/em> (dalam inci) sebagai variabel respon.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kami mengumpulkan data ini untuk 50 individu dan menerapkan model regresi berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Tinggi = 22,3 + 0,28 (pon)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nilai suku asli dalam model ini adalah <strong>22,3<\/strong> . Ini berarti rata-rata tinggi badan seseorang adalah <strong>22,3<\/strong> inci ketika berat badannya nol.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Hal ini tidak masuk akal untuk ditafsirkan karena tidak mungkin seseorang memiliki berat badan nol pon.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, kita tetap perlu mempertahankan suku asli dalam model agar kita dapat menggunakan model tersebut untuk membuat prediksi. Intersep tersebut tidak memiliki interpretasi yang berarti untuk model ini.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Interpretasi Intersep dalam Regresi Linier Berganda<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Model regresi linier berganda memiliki bentuk sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\">\u0177 = \u03b2 <sub>0<\/sub> + \u03b2 <sub>1<\/sub> (x <sub>1<\/sub> ) + \u03b2 <sub>2<\/sub> (x <sub>2<\/sub> ) + \u03b2 <sub>3<\/sub> (x <sub>3<\/sub> ) + \u2026 + \u03b2 <sub>k<\/sub> (x <sub>k<\/sub> )<\/span><\/p>\n<p> <span style=\"color: #000000;\">Emas:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">\u0177 : nilai prediksi untuk variabel respon<\/span><\/li>\n<li> <span style=\"color: #000000;\">\u03b2 <sub>0<\/sub> : Nilai rata-rata variabel respon ketika semua variabel prediktor bernilai nol<\/span><\/li>\n<li> <span style=\"color: #000000;\">\u03b2 <sub>j<\/sub> : rata-rata perubahan variabel respon untuk kenaikan satu satuan pada variabel prediktor <sup>ke<\/sup> -j, dengan asumsi semua variabel prediktor lainnya tetap konstan.<\/span><\/li>\n<li> <span style=\"color: #000000;\">x <sub>j<\/sub> : nilai variabel prediktif ke- <sup>j<\/sup><\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Mirip dengan regresi linier sederhana, terkadang masuk akal untuk menafsirkan nilai intersep dalam model regresi linier berganda, namun tidak selalu. Contoh berikut menggambarkan hal ini.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Contoh 1: Intersepsi masuk akal untuk ditafsirkan<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalkan kita ingin menyesuaikan model regresi linier berganda dengan menggunakan <em>jam belajar<\/em> dan <em>persiapan ujian sebagai<\/em> variabel prediktor dan <em>nilai ujian<\/em> sebagai variabel respon.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kami mengumpulkan data ini untuk 50 mahasiswa di suatu program universitas tertentu dan menyesuaikan model regresi berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nilai ujian = 58,4 + 2,23 (jam) + 1,34 (jumlah persiapan ujian)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nilai suku asli pada model ini adalah <strong>58,4<\/strong> . Artinya rata-rata nilai ujian adalah <strong>58,4<\/strong> bila jumlah jam belajar dan jumlah persiapan ujian yang diambil sama dengan nol.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Hal ini masuk akal untuk ditafsirkan karena masuk akal bagi seorang siswa untuk belajar selama nol jam dan tidak mengikuti ujian persiapan apa pun sebelum ujian itu sendiri.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Contoh 2: Intersepsi tidak masuk akal untuk ditafsirkan<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalkan kita ingin menyesuaikan model regresi linier berganda dengan menggunakan <em>luas persegi<\/em> dan <em>jumlah kamar tidur<\/em> sebagai variabel prediktor dan <em>harga jual<\/em> sebagai variabel respon.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kami mengumpulkan data ini untuk 100 rumah di kota tertentu dan menerapkan model regresi berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Harga = 87,244 + 3,44 (kaki persegi) + 843,45 (jumlah kamar tidur)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nilai suku asli pada model ini adalah <strong>87.244<\/strong> . Ini berarti bahwa harga jual rumah rata-rata adalah <strong>$87.244<\/strong> ketika luas rumah dan jumlah kamar tidur keduanya sama dengan nol.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Hal ini tidak masuk akal untuk ditafsirkan karena tidak mungkin sebuah rumah tidak memiliki ukuran luas persegi dan tidak memiliki kamar tidur.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, kita tetap perlu mempertahankan istilah aslinya dalam model agar dapat digunakan untuk membuat prediksi. Intersep tersebut tidak memiliki interpretasi yang berarti untuk model ini.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h3>\n<p> <a href=\"https:\/\/statorials.org\/id\/regresi-linier-1\/\" target=\"_blank\" rel=\"noopener\">Pengantar Regresi Linier Sederhana<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/regresi-linier-berganda\/\" target=\"_blank\" rel=\"noopener\">Pengantar Regresi Linier Berganda<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/koefisien-regresi-parsial\/\" target=\"_blank\" rel=\"noopener\">Bagaimana menafsirkan koefisien regresi parsial<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Intersep (terkadang disebut &#8220;konstanta&#8221;) dalam model regresi mewakili nilai rata-rata variabel respons ketika semua variabel prediktor dalam model sama dengan nol. Tutorial ini menjelaskan cara menginterpretasikan nilai asli dalam model regresi linier sederhana dan regresi linier berganda. Interpretasi perpotongan dalam regresi linier sederhana Model regresi linier sederhana memiliki bentuk sebagai berikut: \u0177 = \u03b2 0 [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Cara Menafsirkan Intersep dalam Model Regresi: Dengan Contoh<\/title>\n<meta name=\"description\" content=\"Tutorial ini menjelaskan cara menafsirkan istilah asli (terkadang disebut &quot;konstanta&quot;) dalam model regresi, beserta contohnya.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Cara Menafsirkan Intersep dalam Model Regresi: Dengan Contoh\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini menjelaskan cara menafsirkan istilah asli (terkadang disebut &quot;konstanta&quot;) dalam model regresi, beserta contohnya.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-24T14:58:16+00:00\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/\",\"url\":\"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/\",\"name\":\"Cara Menafsirkan Intersep dalam Model Regresi: Dengan Contoh\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-24T14:58:16+00:00\",\"dateModified\":\"2023-07-24T14:58:16+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini menjelaskan cara menafsirkan istilah asli (terkadang disebut &quot;konstanta&quot;) dalam model regresi, beserta contohnya.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Cara menafsirkan intersep dalam model regresi: dengan contoh\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"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\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Cara Menafsirkan Intersep dalam Model Regresi: Dengan Contoh","description":"Tutorial ini menjelaskan cara menafsirkan istilah asli (terkadang disebut &quot;konstanta&quot;) dalam model regresi, beserta contohnya.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/","og_locale":"id_ID","og_type":"article","og_title":"Cara Menafsirkan Intersep dalam Model Regresi: Dengan Contoh","og_description":"Tutorial ini menjelaskan cara menafsirkan istilah asli (terkadang disebut &quot;konstanta&quot;) dalam model regresi, beserta contohnya.","og_url":"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/","og_site_name":"Statorials","article_published_time":"2023-07-24T14:58:16+00:00","author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"3 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/","url":"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/","name":"Cara Menafsirkan Intersep dalam Model Regresi: Dengan Contoh","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-24T14:58:16+00:00","dateModified":"2023-07-24T14:58:16+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini menjelaskan cara menafsirkan istilah asli (terkadang disebut &quot;konstanta&quot;) dalam model regresi, beserta contohnya.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/mencegat-dalam-regresi\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Cara menafsirkan intersep dalam model regresi: dengan contoh"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"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","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1881"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=1881"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1881\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=1881"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=1881"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=1881"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}