(1) Inferensi:<\/strong> Kita ingin memahami sifat hubungan antara variabel prediktor dan variabel respon<\/a> dalam kumpulan data yang ada.<\/span><\/p>\n (2) Prediksi:<\/strong> Kami ingin menggunakan kumpulan data yang ada untuk membangun model yang memprediksi nilai variabel respon dari observasi baru.<\/span><\/p>\n Misalnya, kita memiliki kumpulan data berikut yang berisi informasi tentang rumah:<\/span> <\/p>\n Contoh inferensi:<\/strong><\/span><\/p>\n Misalkan kita membangun model regresi linier berganda<\/a> dengan menggunakan luas persegi, jumlah kamar tidur, dan jumlah kamar mandi sebagai variabel prediktor dan harga sebagai variabel respon.<\/span><\/p>\n Kita kemudian dapat menggunakan koefisien regresi untuk memahami rata-rata perubahan harga yang terkait dengan perubahan satu unit di setiap variabel prediktor.<\/span><\/p>\n Misalnya, kita dapat memahami seberapa besar perubahan harga (rata-rata) dengan setiap tambahan kamar tidur, setiap tambahan kamar mandi, dan setiap tambahan kaki persegi.<\/span><\/p>\n Contoh prediksi:<\/strong><\/span><\/p>\n Kita dapat membuat model regresi linier berganda yang sama dan menggunakannya untuk memprediksi nilai sebuah rumah baru berdasarkan luas persegi, jumlah kamar tidur, dan jumlah kamar mandi.<\/span><\/p>\n Misalnya, kita dapat menggunakan model tersebut untuk memprediksi harga rumah baru dengan 3 kamar tidur, 3 kamar mandi, dan luas 2.000 kaki persegi.<\/span><\/p>\n Kami kemudian dapat membandingkan prediksi kami dengan harga listing sebenarnya dan menilai apakah rumah tersebut tampak undervalued atau overvalued.<\/span><\/p>\n Contoh berikut menggambarkan perbedaan antara inferensi dan prediksi dalam berbagai skenario:<\/span><\/p>\n Misalkan kita memiliki kumpulan data berikut yang berisi informasi tentang tim bola basket profesional:<\/span> <\/p>\n Contoh inferensi:<\/strong><\/span><\/p>\n Misalkan kita membangun model regresi linier berganda dengan menggunakan poin, rebound, dan assist sebagai variabel prediktor dan kemenangan sebagai variabel respon.<\/span><\/p>\n Kami kemudian dapat menggunakan model tersebut untuk memahami seberapa besar perubahan jumlah kemenangan (rata-rata) dengan setiap tambahan poin, rebound, dan assist.<\/span><\/p>\n Contoh prediksi:<\/strong><\/span><\/p>\n Kita dapat membuat model regresi linier berganda yang sama dan menggunakannya untuk memprediksi berapa banyak kemenangan yang akan diperoleh suatu tim berdasarkan jumlah poin, rebound, dan assist mereka.<\/span><\/p>\n Misalnya, kita dapat menggunakan model tersebut untuk memprediksi berapa banyak kemenangan yang akan diperoleh tim dengan 90 poin, 40 rebound, dan 30 assist.<\/span><\/p>\n Misalkan kita memiliki kumpulan data berikut yang berisi informasi pendapatan tahunan (dalam jutaan) dari berbagai perusahaan:<\/span> <\/p>\n Contoh inferensi:<\/strong><\/span><\/p>\n Misalkan kita membangun model regresi linier berganda dengan menggunakan belanja iklan, jumlah karyawan, dan total akuisisi sebagai variabel prediktor dan pendapatan tahunan sebagai variabel respon.<\/span><\/p>\n Kami kemudian dapat menggunakan model tersebut untuk memahami seberapa besar total perubahan pendapatan tahunan (rata-rata) dengan setiap tambahan dolar yang dibelanjakan untuk iklan, setiap tambahan karyawan, dan setiap akuisisi tambahan.<\/span><\/p>\n Contoh prediksi:<\/strong><\/span><\/p>\n Kita dapat membuat model regresi linier berganda yang sama dan menggunakannya untuk memprediksi pendapatan tahunan perusahaan berdasarkan total pengeluaran pemasaran, jumlah karyawan, dan total akuisisi.<\/span><\/p>\n Misalnya, kita dapat menggunakan model tersebut untuk memprediksi pendapatan tahunan sebuah perusahaan yang menghabiskan $25 juta untuk iklan, memiliki 40 karyawan, dan telah melakukan 2 akuisisi.<\/span><\/p>\n Tutorial berikut memberikan informasi tambahan tentang istilah-istilah penting yang perlu dipahami dalam statistik:<\/span><\/p>\n Statistik deskriptif atau inferensial: apa bedanya?<\/a> Seringkali dalam statistik kita ingin menggunakan data karena salah satu dari dua alasan berikut: (1) Inferensi: Kita ingin memahami sifat hubungan antara variabel prediktor dan variabel respon dalam kumpulan data yang ada. (2) Prediksi: Kami ingin menggunakan kumpulan data yang ada untuk membangun model yang memprediksi nilai variabel respon dari observasi baru. Misalnya, kita memiliki […]<\/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![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/inf1-1.png\")
<\/p>\n Contoh 1: Inferensi dan prediksi dalam olahraga<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/inf2.png\")
<\/p>\n Contoh 2: Inferensi dan prediksi dalam bisnis<\/strong><\/span><\/h3>\n
![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/inf3.png\")
<\/p>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Tingkatan pengukuran: nominal, ordinal, interval dan rasio
Variabel kualitatif dan kuantitatif: apa bedanya?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"