{"id":2520,"date":"2023-07-21T22:18:27","date_gmt":"2023-07-21T22:18:27","guid":{"rendered":"https:\/\/statorials.org\/id\/regresi-dari-asal\/"},"modified":"2023-07-21T22:18:27","modified_gmt":"2023-07-21T22:18:27","slug":"regresi-dari-asal","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/regresi-dari-asal\/","title":{"rendered":"Regresi melalui titik asal: definisi &amp; contoh"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Regresi linier sederhana adalah metode yang dapat digunakan untuk mengukur hubungan antara satu atau lebih variabel prediktor dan <a href=\"https:\/\/statorials.org\/id\/variabel-tanggapan-penjelas\/\" target=\"_blank\" rel=\"noopener\">variabel respon<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Model regresi linier sederhana memiliki bentuk sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>kamu = \u03b2 <sub>0<\/sub> + \u03b2 <sub>1<\/sub> x<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Emas:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>y<\/strong> : Nilai variabel respon<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>\u03b2 <sub>0<\/sub><\/strong> : Nilai variabel respon ketika x = 0 (disebut istilah \u201cintersep\u201d)<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>\u03b2 <sub>1<\/sub><\/strong> : Rata-rata kenaikan variabel respon yang berhubungan dengan kenaikan satu satuan x<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>x<\/strong> : Nilai variabel prediktif<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Versi modifikasi dari model ini dikenal sebagai <strong>regresi melalui titik asal<\/strong> , yang memaksa y sama dengan 0 ketika x sama dengan 0.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Model jenis ini mengambil bentuk sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>kamu = <sub>\u03b21x<\/sub><\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa istilah intersep telah dihapus seluruhnya dari model.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Model ini terkadang digunakan ketika peneliti mengetahui bahwa variabel respon harus nol padahal variabel prediktornya nol.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Di dunia nyata, model jenis ini paling sering digunakan dalam <a href=\"https:\/\/esajournals.onlinelibrary.wiley.com\/doi\/full\/10.1002\/ecy.1660\" target=\"_blank\" rel=\"noopener\">studi kehutanan atau ekologi<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, peneliti dapat menggunakan keliling pohon untuk memperkirakan tinggi pohon. Jika suatu pohon mempunyai keliling nol, maka tingginya juga harus nol.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jadi, ketika menyesuaikan model regresi dengan data ini, tidak masuk akal jika suku aslinya bukan nol.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Contoh berikut menunjukkan perbedaan antara pemasangan model regresi linier sederhana biasa dan model yang menerapkan regresi melalui titik asal.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Contoh: regresi melalui titik asal<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Misalkan seorang ahli biologi ingin menyesuaikan model regresi menggunakan keliling pohon untuk memprediksi tinggi pohon. Dia keluar dan mengumpulkan pengukuran berikut untuk sampel 15 pohon:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-22430 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/origine1-1.jpg\" alt=\"\" width=\"305\" height=\"377\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Kita dapat menggunakan kode berikut di R untuk menyesuaikan model regresi linier sederhana dengan model regresi yang tidak menggunakan intersep dan memplot dua garis regresi:<\/span> <\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#create data frame\n<\/span>df &lt;- data. <span style=\"color: #3366ff;\">frame<\/span> (circ=c(15, 19, 25, 39, 44, 46, 49, 54, 67, 79, 81, 84, 88, 90, 99),\n                 height=c(200, 234, 285, 375, 440, 470, 564, 544, 639, 750, 830, 854,\n                          901, 912, 989))\n\n<span style=\"color: #008080;\">#fit a simple linear regression model\n<\/span>model &lt;- lm(height ~ circ, data = df)\n\n<span style=\"color: #008080;\">#fit regression through the origin\n<\/span>model_origin &lt;- lm(height ~ 0 + ., data = df)\n\n<span style=\"color: #008080;\">#create scatterplot\n<\/span>plot(df$circ, df$height, xlab=' <span style=\"color: #ff0000;\">Circumference<\/span> ', ylab=' <span style=\"color: #ff0000;\">Height<\/span> ',\n     cex= <span style=\"color: #008000;\">1.5<\/span> , pch= <span style=\"color: #008000;\">16<\/span> , ylim=c(0.1000), xlim=c(0.100))\n\n<span style=\"color: #008080;\">#add the fitted regression lines to the scatterplot\n<\/span>abline(model, col=' <span style=\"color: #ff0000;\">blue<\/span> ', lwd= <span style=\"color: #008000;\">2<\/span> )\nabline(model_origin, lty=' <span style=\"color: #ff0000;\">dashed<\/span> ', col=' <span style=\"color: #ff0000;\">red<\/span> ', lwd= <span style=\"color: #008000;\">2<\/span> )\n<\/strong><\/pre>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-22431\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/origine2.jpg\" alt=\"regresi dari asal\" width=\"586\" height=\"371\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Garis putus-putus berwarna merah melambangkan model regresi yang melewati titik asal, dan garis padat berwarna biru melambangkan model regresi linier sederhana biasa.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kita dapat menggunakan kode berikut di R untuk mendapatkan estimasi koefisien untuk setiap model:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#display coefficients for simple linear regression model\n<\/span>coef(model)\n\n(Intercept) circ \n  40.696971 9.529631 \n\n<span style=\"color: #008080;\">#display coefficients for regression model through the origin<\/span>\ncoef(model_origin)\n\n    circ \n10.10574 \n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Persamaan yang cocok untuk model regresi linier sederhana adalah:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Tinggi = 40,6969 + 9,5296 (keliling)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dan persamaan yang cocok untuk model regresi melalui titik asal adalah:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Tinggi = 10,1057 (keliling)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa estimasi koefisien untuk variabel keliling sedikit berbeda.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Tindakan Pencegahan dalam Menggunakan Regresi melalui Asal<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Sebelum menggunakan regresi intersep, Anda harus benar-benar yakin bahwa nilai 0 untuk variabel prediktor berarti nilai 0 untuk variabel respon. Dalam banyak skenario, hampir mustahil untuk mengetahui secara pasti.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dan jika Anda menggunakan regresi melalui titik asal untuk menjaga kebebasan dalam memperkirakan titik asal, hal ini jarang menimbulkan perbedaan besar jika ukuran sampel Anda cukup besar.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jika Anda memilih untuk menggunakan regresi melalui titik asal, pastikan untuk menguraikan alasan Anda dalam analisis atau laporan akhir Anda.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Tutorial berikut memberikan informasi tambahan tentang regresi linier:<\/span><\/p>\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\/membaca-tabel-interpretasi-regresi\/\" target=\"_blank\" rel=\"noopener\">Cara Membaca dan Menafsirkan Tabel Regresi<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Regresi linier sederhana adalah metode yang dapat digunakan untuk mengukur hubungan antara satu atau lebih variabel prediktor dan variabel respon . Model regresi linier sederhana memiliki bentuk sebagai berikut: kamu = \u03b2 0 + \u03b2 1 x Emas: y : Nilai variabel respon \u03b2 0 : Nilai variabel respon ketika x = 0 (disebut istilah [&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>Regresi melalui asal usul: definisi dan contoh - Statorial<\/title>\n<meta name=\"description\" content=\"Tutorial ini memberikan penjelasan tentang regresi melalui asal usulnya, termasuk definisi formal dan 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\/regresi-dari-asal\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Regresi melalui asal usul: definisi dan contoh - Statorial\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini memberikan penjelasan tentang regresi melalui asal usulnya, termasuk definisi formal dan contohnya.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/regresi-dari-asal\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-21T22:18:27+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/origine1-1.jpg\" \/>\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\/regresi-dari-asal\/\",\"url\":\"https:\/\/statorials.org\/id\/regresi-dari-asal\/\",\"name\":\"Regresi melalui asal usul: definisi dan contoh - Statorial\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-21T22:18:27+00:00\",\"dateModified\":\"2023-07-21T22:18:27+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini memberikan penjelasan tentang regresi melalui asal usulnya, termasuk definisi formal dan contohnya.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/regresi-dari-asal\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/regresi-dari-asal\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/regresi-dari-asal\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Regresi melalui titik asal: definisi &amp; 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":"Regresi melalui asal usul: definisi dan contoh - Statorial","description":"Tutorial ini memberikan penjelasan tentang regresi melalui asal usulnya, termasuk definisi formal dan 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\/regresi-dari-asal\/","og_locale":"id_ID","og_type":"article","og_title":"Regresi melalui asal usul: definisi dan contoh - Statorial","og_description":"Tutorial ini memberikan penjelasan tentang regresi melalui asal usulnya, termasuk definisi formal dan contohnya.","og_url":"https:\/\/statorials.org\/id\/regresi-dari-asal\/","og_site_name":"Statorials","article_published_time":"2023-07-21T22:18:27+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/origine1-1.jpg"}],"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\/regresi-dari-asal\/","url":"https:\/\/statorials.org\/id\/regresi-dari-asal\/","name":"Regresi melalui asal usul: definisi dan contoh - Statorial","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-21T22:18:27+00:00","dateModified":"2023-07-21T22:18:27+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini memberikan penjelasan tentang regresi melalui asal usulnya, termasuk definisi formal dan contohnya.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/regresi-dari-asal\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/regresi-dari-asal\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/regresi-dari-asal\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Regresi melalui titik asal: definisi &amp; 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\/2520"}],"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=2520"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/2520\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=2520"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=2520"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=2520"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}