{"id":326,"date":"2023-08-02T11:12:20","date_gmt":"2023-08-02T11:12:20","guid":{"rendered":"https:\/\/statorials.org\/id\/analisis-regresi\/"},"modified":"2023-08-02T11:12:20","modified_gmt":"2023-08-02T11:12:20","slug":"analisis-regresi","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/analisis-regresi\/","title":{"rendered":"Analisis regresi"},"content":{"rendered":"<p>Artikel ini menjelaskan apa itu analisis regresi dan kegunaannya dalam statistik. Selain itu, Anda akan dapat melihat apa saja jenis analisis regresi. <\/p>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"%c2%bfque-es-el-analisis-de-regresion\"><\/span> Apa itu analisis regresi?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> Dalam statistik, <strong>analisis regresi<\/strong> adalah proses mempelajari hubungan antara dua variabel atau lebih. Lebih khusus lagi, analisis regresi melibatkan penghitungan persamaan yang menghubungkan variabel-variabel dalam penelitian secara matematis.<\/p>\n<p> Model yang dibangun dalam analisis regresi disebut model regresi, sedangkan persamaan yang menghubungkan variabel-variabel yang diteliti disebut persamaan regresi.<\/p>\n<p> Misalnya, jika Anda ingin mempelajari hubungan antara inflasi suatu negara dan PDB-nya, Anda dapat melakukan analisis regresi untuk menganalisis hubungan antara kedua variabel tersebut. Dalam hal ini persamaan yang diperoleh dari analisis regresi adalah garis regresi. <\/p>\n<figure class=\"wp-block-image aligncenter size-full is-resized\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/ligne-de-regression.png\" alt=\"analisis regresi\" class=\"wp-image-6708\" width=\"274\" height=\"256\" srcset=\"\" sizes=\"\"><\/figure>\n<p> Dengan demikian, analisis regresi terdiri dari pengumpulan data sampel dan, dari data yang dikumpulkan, dihitung persamaan yang memungkinkan variabel-variabel yang diteliti berhubungan secara matematis.<\/p>\n<p> Dalam analisis regresi, penting untuk membedakan dua jenis variabel yang dapat dimasukkan ke dalam model regresi:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Variabel terikat (atau variabel respon)<\/strong> : inilah faktor yang ingin kita analisis, maka akan dibangun model regresi untuk melihat bagaimana nilai variabel ini bervariasi tergantung pada nilai variabel lainnya.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Variabel bebas (atau variabel penjelas)<\/strong> : merupakan faktor yang kita anggap mungkin mempengaruhi variabel yang ingin kita analisis. Artinya, nilai variabel independen mempengaruhi nilai variabel dependen.<\/span> <\/li>\n<\/ul>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"tipos-de-analisis-de-regresion\"><\/span> Jenis Analisis Regresi<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> Pada dasarnya, ada tiga <strong>jenis analisis regresi<\/strong> :<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Analisis Regresi Linier Sederhana<\/strong> : Model regresi mempunyai variabel bebas dan variabel terikat dan berhubungan linier.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Analisis regresi linier berganda<\/strong> : dua atau lebih variabel bebas mempunyai hubungan linier terhadap suatu variabel terikat.<\/span><\/li>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Analisis regresi nonlinier<\/strong> : Hubungan antara variabel bebas dan variabel terikat dimodelkan menggunakan fungsi nonlinier.<\/span> <\/li>\n<\/ul>\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"analisis-de-regresion-lineal-simple\"><\/span> Analisis regresi linier sederhana<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p> <strong>Regresi linier sederhana<\/strong> digunakan untuk menghubungkan suatu variabel bebas dengan kedua variabel tersebut dengan menggunakan persamaan linier.<\/p>\n<p> Persamaan model regresi linier sederhana berbentuk garis lurus, oleh karena itu terdiri dari dua koefisien: konstanta persamaan (\u03b2 <sub>0<\/sub> ) dan koefisien korelasi kedua variabel (\u03b2 <sub>1<\/sub> ). Oleh karena itu, persamaan model regresi linier sederhana adalah y=\u03b2 <sub>0<\/sub> +\u03b2 <sub>1<\/sub> x.<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-83e43f626a469e9de3d5ecfed9a216ac_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"y=\\beta_0+\\beta_1x\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"100\" style=\"vertical-align: -4px;\"><\/p>\n<\/p>\n<p> <strong>Rumus untuk menghitung koefisien regresi linier sederhana<\/strong> adalah sebagai berikut:<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-459281504d26f92756115054ef567021_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\begin{array}{c}\\beta_1=\\cfrac{\\displaystyle \\sum_{i=1}^n (x_i-\\overline{x})(y_i-\\overline{y})}{\\displaystyle \\sum_{i=1}^n (x_i-\\overline{x})^2}\\\\[12ex]\\beta_0=\\overline{y}-\\beta_1\\overline{x}\\end{array}\" title=\"Rendered by QuickLaTeX.com\" height=\"176\" width=\"192\" style=\"vertical-align: 0px;\"><\/p>\n<\/p>\n<p style=\"margin-bottom:5px\"> Emas:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-c5ba513cc7e504bc674f76afa70a3442_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\beta_0\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"17\" style=\"vertical-align: -4px;\"><\/p>\n<p> adalah konstanta garis regresi.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-dff50ab66b848b910ea781069cba1094_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\beta_1\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"16\" style=\"vertical-align: -4px;\"><\/p>\n<p> adalah kemiringan garis regresi.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-dad27a9703483183e1afd245f5232b83_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"x_i\" title=\"Rendered by QuickLaTeX.com\" height=\"11\" width=\"15\" style=\"vertical-align: -3px;\"><\/p>\n<p> adalah nilai variabel bebas X dari data i.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-761333a1d61654bd1cb5c7224b0d1994_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"y_i\" title=\"Rendered by QuickLaTeX.com\" height=\"12\" width=\"14\" style=\"vertical-align: -4px;\"><\/p>\n<p> adalah nilai variabel terikat Y dari data i.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-a39858a792fb4fe9a3173e004701f2a7_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\overline{x}\" title=\"Rendered by QuickLaTeX.com\" height=\"11\" width=\"11\" style=\"vertical-align: 0px;\"><\/p>\n<p> adalah rata-rata dari nilai variabel bebas<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-ed5becac4ccb36fec040f449ba9fa52d_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\overline{y}\" title=\"Rendered by QuickLaTeX.com\" height=\"15\" width=\"10\" style=\"vertical-align: -4px;\"><\/p>\n<p> adalah rata-rata nilai variabel terikat Y. <\/li>\n<\/ul>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/regresi-linier-sederhana\/\">Regresi linier sederhana<\/a> <\/div>\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"analisis-de-regresion-lineal-multiple\"><\/span> Analisis regresi linier berganda<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p> Dalam model <strong>regresi linier berganda<\/strong> , setidaknya ada dua variabel independen yang dimasukkan. Dengan kata lain, regresi linier berganda memungkinkan beberapa variabel penjelas dihubungkan secara linier ke suatu variabel respon. Oleh karena itu, persamaan model regresi linier berganda adalah:<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-fd3ba8386b5954b654ca555774108ac0_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"y=\\beta_0+\\beta_1 x_1+\\beta_2 x_2+\\dots+\\beta_m x_m+\\varepsilon\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"305\" style=\"vertical-align: -4px;\"><\/p>\n<\/p>\n<p style=\"margin-bottom:5px\"> Emas:<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-38461fc041e953482219abf5d4cce1cb_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"y\" title=\"Rendered by QuickLaTeX.com\" height=\"12\" width=\"9\" style=\"vertical-align: -4px;\"><\/p>\n<p> adalah variabel terikat.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-dad27a9703483183e1afd245f5232b83_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"x_i\" title=\"Rendered by QuickLaTeX.com\" height=\"11\" width=\"15\" style=\"vertical-align: -3px;\"><\/p>\n<p> adalah variabel bebas i.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-c5ba513cc7e504bc674f76afa70a3442_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\beta_0\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"17\" style=\"vertical-align: -4px;\"><\/p>\n<p> adalah konstanta persamaan regresi linier berganda.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-ff540c55c6ee8f10a1dab8e2422947ab_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\beta_i\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"15\" style=\"vertical-align: -4px;\"><\/p>\n<p> adalah koefisien regresi yang terkait dengan variabel<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-dad27a9703483183e1afd245f5232b83_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"x_i\" title=\"Rendered by QuickLaTeX.com\" height=\"11\" width=\"15\" style=\"vertical-align: -3px;\"><\/p>\n<p> .<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-29b8f7fac5f2df4b101dff63e95516c5_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\bm{\\varepsilon}\" title=\"Rendered by QuickLaTeX.com\" height=\"8\" width=\"8\" style=\"vertical-align: 0px;\"><\/p>\n<p> adalah kesalahan atau sisa, yaitu selisih antara nilai yang diamati dan nilai yang diestimasi oleh model.<\/li>\n<li style=\"margin-bottom:5px\">\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-fdc40b8ad1cdad0aab9d632215459d28_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"m\" title=\"Rendered by QuickLaTeX.com\" height=\"8\" width=\"15\" style=\"vertical-align: 0px;\"><\/p>\n<p> adalah jumlah total variabel dalam model.<\/li>\n<\/ul>\n<p> Jadi jika kita mempunyai sampel dengan jumlah total<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-ec4217f4fa5fcd92a9edceba0e708cf7_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"n\" title=\"Rendered by QuickLaTeX.com\" height=\"8\" width=\"11\" style=\"vertical-align: 0px;\"><\/p>\n<p> pengamatan, kita dapat mengajukan model regresi linier berganda dalam bentuk matriks:<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-5848686c8ed0857f16e7e24e2a31024e_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\begin{pmatrix}y_1\\\\y_2\\\\\\vdots\\\\y_n\\end{pmatrix}=\\begin{pmatrix}1&amp;x_{11}&amp;\\dots&amp;x_{1m}\\\\1&amp;x_{21}&amp;\\dots&amp;x_{2m}\\\\ \\vdots&amp;\\vdots&amp;\\ddots&amp;\\vdots\\\\1&amp;x_{n1}&amp;\\dots&amp;x_{nm}\\end{pmatrix}\\cdot\\begin{pmatrix}\\beta_0\\\\\\beta_1\\\\\\vdots\\\\\\beta_m\\end{pmatrix}+\\begin{pmatrix}\\varepsilon_1\\\\\\varepsilon_2\\\\\\vdots\\\\\\varepsilon_n\\end{pmatrix}\" title=\"Rendered by QuickLaTeX.com\" height=\"96\" width=\"370\" style=\"vertical-align: -43px;\"><\/p>\n<\/p>\n<p> Ekspresi matriks di atas dapat ditulis ulang dengan memberikan huruf pada setiap matriks:<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-7614ddbb78ced2e2b8b6c7642d9969c3_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"Y=X\\beta+\\varepsilon\" title=\"Rendered by QuickLaTeX.com\" height=\"17\" width=\"95\" style=\"vertical-align: -4px;\"><\/p>\n<\/p>\n<p> Jadi, dengan menerapkan kriteria kuadrat terkecil, kita dapat memperoleh <strong>rumus untuk memperkirakan koefisien model regresi linier berganda<\/strong> :<\/p>\n<\/p>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-b6ef097cee722e7355fa4eb77b7ea3e5_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"\\widehat{\\beta}=\\left(X^tX\\right)^{-1}X^tY\" title=\"Rendered by QuickLaTeX.com\" height=\"26\" width=\"146\" style=\"vertical-align: -7px;\"><\/p>\n<\/p>\n<p> Namun penerapan rumus ini sangat melelahkan dan memakan waktu, oleh karena itu dalam praktiknya disarankan untuk menggunakan perangkat lunak komputer (seperti Minitab atau Excel) yang memungkinkan pembuatan model regresi berganda dengan lebih cepat. <\/p>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/regresi-linier-berganda-1\/\">Regresi linier berganda<\/a> <\/div>\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"analisis-de-regresion-no-lineal\"><\/span> Analisis regresi nonlinier<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p> Dalam statistika, <strong>regresi nonlinier<\/strong> adalah salah satu jenis regresi yang menggunakan fungsi nonlinier sebagai model persamaan regresinya. Oleh karena itu, persamaan model regresi nonlinier merupakan fungsi nonlinier.<\/p>\n<p> Logikanya, regresi nonlinier digunakan untuk menghubungkan variabel bebas dengan variabel terikat apabila hubungan kedua variabel tersebut tidak linier. Jadi, jika pada saat membuat grafik data sampel kita mengamati bahwa data tersebut tidak mempunyai hubungan linier, yaitu kurang lebih tidak membentuk garis lurus, sebaiknya gunakan model regresi nonlinier.<\/p>\n<p> Misalnya, persamaan y=3-5x-8x <sup>2<\/sup> +x <sup>3<\/sup> merupakan model regresi nonlinier karena secara matematis menghubungkan variabel bebas X ke variabel terikat Y melalui fungsi kubik.<\/p>\n<p> Pada dasarnya ada tiga <strong>jenis regresi nonlinier<\/strong> :<\/p>\n<ul style=\"color:#FF8A05; font-weight: bold;\">\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Regresi Polinomial<\/strong> \u2013 Regresi nonlinier yang persamaannya berbentuk polinomial.<\/span><\/li>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-0b684a8af5be9015ef551c6013756a29_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"y=\\beta_0+\\beta_1 x+\\beta_2 x^2+\\beta_3 x^3+\\dots+\\beta_m x^m\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"324\" style=\"vertical-align: -4px;\"><\/p>\n<\/p>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Regresi Logaritmik<\/strong> \u2013 Regresi nonlinier yang variabel independennya dilogaritma.<\/span><\/li>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-54ceab784abf0ace94d994be655104ba_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"y=\\beta_0+\\beta_1\\cdot \\ln(x)\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"141\" style=\"vertical-align: -5px;\"><\/p>\n<\/p>\n<li style=\"margin-bottom:16px\"> <span style=\"color:#101010;font-weight: normal;\"><strong>Regresi Eksponensial<\/strong> \u2013 Regresi nonlinier yang variabel independennya berada pada eksponen persamaan.<\/span> <\/li>\n<p class=\"has-text-align-center\"><img decoding=\"async\" loading=\"lazy\" src=\"https:\/\/statorials.org\/wp-content\/ql-cache\/quicklatex.com-3718ef8d7502decf6f62fb5c9fdded80_l3.png\" class=\"ql-img-inline-formula quicklatex-auto-format\" alt=\"y=\\beta_0\\cdot e^{\\beta_1\\cdot x}\" title=\"Rendered by QuickLaTeX.com\" height=\"19\" width=\"98\" style=\"vertical-align: -4px;\"><\/p>\n<\/p>\n<\/ul>\n<div style=\"background-color:#FFFDE7; padding-top: 10px; padding-bottom: 10px; padding-right: 20px; padding-left: 30px; border: 2.5px dashed #FFB74D; border-radius:20px;\"> <span style=\"color:#ff951b\">\u27a4<\/span> <strong>Lihat:<\/strong> <a href=\"https:\/\/statorials.org\/id\/regresi-nonlinier\/\">Regresi nonlinier<\/a> <\/div>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"%c2%bfpara-que-sirve-el-analisis-de-regresion\"><\/span> Untuk apa analisis regresi digunakan?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p> Analisis regresi pada dasarnya mempunyai dua kegunaan: Analisis regresi digunakan untuk menjelaskan hubungan antara variabel penjelas dan variabel respon, dan demikian pula analisis regresi digunakan untuk memprediksi nilai variabel terikat pada suatu observasi baru.<\/p>\n<p> Dengan memperoleh persamaan model regresi, kita dapat mengetahui jenis hubungan apa yang ada antar variabel dalam model. Jika koefisien regresi suatu variabel independen bernilai positif, maka variabel dependennya akan semakin meningkat. sedangkan jika koefisien regresi suatu variabel independen bernilai negatif, maka variabel dependennya akan menurun seiring dengan kenaikannya.<\/p>\n<p> Di sisi lain, persamaan matematis yang diperoleh dari analisis regresi juga memungkinkan kita membuat prediksi nilai. Jadi, dengan memasukkan nilai variabel penjelas ke dalam persamaan model regresi, kita dapat menghitung nilai variabel terikat untuk suatu data baru.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Artikel ini menjelaskan apa itu analisis regresi dan kegunaannya dalam statistik. Selain itu, Anda akan dapat melihat apa saja jenis analisis regresi. Apa itu analisis regresi? Dalam statistik, analisis regresi adalah proses mempelajari hubungan antara dua variabel atau lebih. Lebih khusus lagi, analisis regresi melibatkan penghitungan persamaan yang menghubungkan variabel-variabel dalam penelitian secara matematis. Model [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[14],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>\u25b7 Analisis regresi<\/title>\n<meta name=\"description\" content=\"Di sini Anda akan mengetahui apa itu analisis regresi dalam statistik, kegunaannya, dan apa saja jenis-jenis analisis regresi.\" \/>\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\/analisis-regresi\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"\u25b7 Analisis regresi\" \/>\n<meta property=\"og:description\" content=\"Di sini Anda akan mengetahui apa itu analisis regresi dalam statistik, kegunaannya, dan apa saja jenis-jenis analisis regresi.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/analisis-regresi\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-08-02T11:12:20+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/ligne-de-regression.png\" \/>\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=\"4 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/analisis-regresi\/\",\"url\":\"https:\/\/statorials.org\/id\/analisis-regresi\/\",\"name\":\"\u25b7 Analisis regresi\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-08-02T11:12:20+00:00\",\"dateModified\":\"2023-08-02T11:12:20+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Di sini Anda akan mengetahui apa itu analisis regresi dalam statistik, kegunaannya, dan apa saja jenis-jenis analisis regresi.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/analisis-regresi\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/analisis-regresi\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/analisis-regresi\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Analisis regresi\"}]},{\"@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":"\u25b7 Analisis regresi","description":"Di sini Anda akan mengetahui apa itu analisis regresi dalam statistik, kegunaannya, dan apa saja jenis-jenis analisis regresi.","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\/analisis-regresi\/","og_locale":"id_ID","og_type":"article","og_title":"\u25b7 Analisis regresi","og_description":"Di sini Anda akan mengetahui apa itu analisis regresi dalam statistik, kegunaannya, dan apa saja jenis-jenis analisis regresi.","og_url":"https:\/\/statorials.org\/id\/analisis-regresi\/","og_site_name":"Statorials","article_published_time":"2023-08-02T11:12:20+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/ligne-de-regression.png"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"4 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/analisis-regresi\/","url":"https:\/\/statorials.org\/id\/analisis-regresi\/","name":"\u25b7 Analisis regresi","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-08-02T11:12:20+00:00","dateModified":"2023-08-02T11:12:20+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Di sini Anda akan mengetahui apa itu analisis regresi dalam statistik, kegunaannya, dan apa saja jenis-jenis analisis regresi.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/analisis-regresi\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/analisis-regresi\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/analisis-regresi\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Analisis regresi"}]},{"@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\/326"}],"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=326"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/326\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=326"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=326"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=326"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}