Salah satu asumsi utama regresi linier adalah bahwa residu memiliki varian yang konstan di setiap tingkat variabel prediktor.<\/span><\/p>\n Jika asumsi ini tidak terverifikasi, maka residu akan mengalami heteroskedastisitas<\/a> . Jika hal ini terjadi, estimasi koefisien model menjadi tidak dapat diandalkan.<\/span><\/p>\n Cara paling umum untuk menentukan apakah residu model regresi memiliki varian yang konstan adalah dengan membuat plot nilai yang dipasang terhadap residu<\/strong> .<\/span><\/p>\n Ini adalah jenis plot yang menampilkan nilai-nilai yang dipasang dari model regresi di sepanjang sumbu x dan sisa dari nilai-nilai tersebut yang dipasang di sepanjang sumbu y.<\/span><\/p>\n Jika distribusi residu kira-kira sama pada setiap tingkat nilai yang dipasang, maka asumsi varians konstan terpenuhi.<\/span><\/p>\n Sebaliknya, jika sebaran residu bertambah atau berkurang secara sistematis, asumsi ini kemungkinan besar dilanggar.<\/span><\/p>\n Catatan<\/strong> : Jenis plot ini hanya dapat dibuat setelah<\/em> model regresi disesuaikan dengan kumpulan data.<\/span><\/p>\n Bagan berikut menunjukkan contoh plot nilai yang dipasang versus residu yang menampilkan varians konstan<\/strong> :<\/span> <\/p>\n Perhatikan bagaimana residu tersebar secara acak di sekitar nol, tanpa pola tertentu, dengan varians yang kira-kira konstan pada setiap tingkat nilai yang dipasang.<\/span><\/p>\n Bagan berikut menunjukkan contoh plot nilai pas versus residu yang menampilkan varians tidak konstan<\/strong> :<\/span> <\/p>\n Perhatikan bahwa distribusi residu menjadi lebih besar seiring dengan meningkatnya nilai yang dipasang. Ini adalah tanda khas dari varians yang tidak konstan.<\/span><\/p>\n Hal ini menunjukkan bahwa model regresi kita mempunyai variansi yang tidak konstan dalam residu dan oleh karena itu estimasi koefisien model tidak dapat diandalkan.<\/span><\/p>\n Jika asumsi varians konstan dilanggar, cara paling umum untuk menyelesaikan masalah ini adalah dengan mentransformasikan variabel respon menggunakan salah satu dari tiga transformasi:<\/span><\/p>\n 1. Transformasi Log:<\/strong> Transformasikan variabel respon dari y menjadi log(y)<\/strong><\/span><\/p>\n 2. Transformasi akar kuadrat:<\/strong> mengubah variabel respon dari y menjadi \u221ay<\/span><\/strong><\/span><\/p>\n 3. Transformasi akar pangkat tiga:<\/strong> transformasi variabel respon dari y menjadi y 1\/3<\/sup><\/strong><\/span><\/p>\n Dengan melakukan transformasi ini, masalah variansi non-konstan secara umum akan hilang.<\/span><\/p>\n Tutorial berikut memberikan informasi tambahan tentang regresi linier dan analisis residu:<\/span><\/p>\n Pengantar Regresi Linier Sederhana<\/a> Regresi linier adalah teknik yang kami gunakan untuk mengukur hubungan antara satu atau lebih variabel prediktor dan variabel respons . Salah satu asumsi utama regresi linier adalah bahwa residu memiliki varian yang konstan di setiap tingkat variabel prediktor. Jika asumsi ini tidak terverifikasi, maka residu akan mengalami heteroskedastisitas . Jika hal ini terjadi, estimasi koefisien […]<\/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":"\n Cara mengevaluasi varians konstan<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/constantevar2.png\")
<\/p>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/constantevar1.png\")
<\/p>\n Cara memperbaiki pelanggaran varians konstan<\/strong><\/span><\/h3>\n
Sumber daya tambahan<\/strong><\/span><\/h3>\n
Pengantar Regresi Linier Berganda<\/a>
Empat asumsi regresi linier<\/a>
Apa yang dimaksud dengan residu dalam statistik?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"