{"id":3469,"date":"2023-07-17T07:59:02","date_gmt":"2023-07-17T07:59:02","guid":{"rendered":"https:\/\/statorials.org\/id\/regresi-ols-di-r\/"},"modified":"2023-07-17T07:59:02","modified_gmt":"2023-07-17T07:59:02","slug":"regresi-ols-di-r","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/regresi-ols-di-r\/","title":{"rendered":"Cara melakukan regresi ols di r (dengan contoh)"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Regresi kuadrat terkecil biasa (OLS) adalah metode yang memungkinkan kita menemukan garis yang paling menggambarkan hubungan antara satu atau lebih variabel prediktor dan <a href=\"https:\/\/statorials.org\/id\/variabel-tanggapan-penjelas\/\" target=\"_blank\" rel=\"noopener\">variabel respons<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Metode ini memungkinkan kita menemukan persamaan berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>\u0177 = b <sub>0<\/sub> + b <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>\u0177<\/strong> : Perkiraan nilai respons<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>b <sub>0<\/sub><\/strong> : Asal garis regresi<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>b <sub>1<\/sub><\/strong> : Kemiringan garis regresi<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Persamaan ini dapat membantu kita memahami hubungan antara prediktor dan variabel respon, dan dapat digunakan untuk memprediksi nilai variabel respon dengan mempertimbangkan nilai variabel prediktor.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Contoh langkah demi langkah berikut menunjukkan cara melakukan regresi OLS di R.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><b>Langkah 1: Buat datanya<\/b><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Untuk contoh ini, kita akan membuat dataset yang berisi dua variabel berikut untuk 15 siswa:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Jumlah total jam belajar<\/span><\/li>\n<li> <span style=\"color: #000000;\">Hasil ujian<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Kami akan melakukan regresi OLS, menggunakan jam sebagai variabel prediktor dan nilai ujian sebagai variabel respon.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kode berikut menunjukkan cara membuat dataset palsu ini di R:<\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#create dataset<\/span>\ndf &lt;- data. <span style=\"color: #3366ff;\">frame<\/span> (hours=c(1, 2, 4, 5, 5, 6, 6, 7, 8, 10, 11, 11, 12, 12, 14),\n                 score=c(64, 66, 76, 73, 74, 81, 83, 82, 80, 88, 84, 82, 91, 93, 89))\n\n<span style=\"color: #008080;\">#view first six rows of dataset\n<\/span>head(df)\n\n  hours score\n1 1 64\n2 2 66\n3 4 76\n4 5 73\n5 5 74\n6 6 81\n<\/strong><\/pre>\n<h2> <span style=\"color: #000000;\"><b>Langkah 2: Visualisasikan datanya<\/b><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Sebelum melakukan regresi OLS, mari buat diagram sebar untuk memvisualisasikan hubungan antara jam kerja dan nilai ujian:<\/span> <\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008000;\">library<\/span> (ggplot2)\n\n<span style=\"color: #008080;\">#create scatterplot\n<\/span>ggplot(df, aes(x=hours, y=score)) +\n  geom_point(size= <span style=\"color: #008000;\">2<\/span> )\n<\/strong><\/pre>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-28969 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/vieux1.jpg\" alt=\"\" width=\"486\" height=\"410\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Salah satu dari <a href=\"https:\/\/statorials.org\/id\/asumsi-regresi-linier\/\" target=\"_blank\" rel=\"noopener\">empat asumsi<\/a> regresi linier adalah adanya hubungan linier antara prediktor dan variabel respon.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dari grafik terlihat bahwa hubungannya tampak linier. Seiring bertambahnya jumlah jam, skor juga cenderung meningkat secara linier.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kemudian kita dapat membuat diagram kotak untuk memvisualisasikan distribusi hasil ujian dan memeriksa outlier.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Catatan<\/strong> : R didefinisikan suatu observasi sebagai outlier jika observasi tersebut 1,5 kali rentang antarkuartil di atas kuartil ketiga atau 1,5 kali rentang antarkuartil di bawah kuartil pertama.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jika observasinya outlier, lingkaran kecil akan muncul di plot kotak:<\/span> <\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008000;\">library<\/span> (ggplot2)\n\n<span style=\"color: #008080;\">#create scatterplot\n<\/span>ggplot(df, aes(y=score)) +\n  geom_boxplot()<\/strong> <\/pre>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-28970 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/vieux2.jpg\" alt=\"\" width=\"333\" height=\"384\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Tidak ada lingkaran kecil di boxplot, artinya tidak ada outlier di dataset kita.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><b>Langkah 3: Lakukan Regresi OLS<\/b><\/span><\/h2>\n<p> <span style=\"color: #000000;\"><span style=\"color: #000000;\">Selanjutnya, kita dapat menggunakan fungsi <strong>lm()<\/strong> di R untuk melakukan regresi OLS, menggunakan jam sebagai variabel prediktor dan skor sebagai variabel respons:<\/span><\/span><\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#fit simple linear regression model\n<\/span>model &lt;- lm(score~hours, data=df)\n\n<span style=\"color: #008080;\">#view model summary<\/span>\nsummary(model)\n\nCall:\nlm(formula = score ~ hours)\n\nResiduals:\n   Min 1Q Median 3Q Max \n-5,140 -3,219 -1,193 2,816 5,772 \n\nCoefficients:\n            Estimate Std. Error t value Pr(&gt;|t|)    \n(Intercept) 65,334 2,106 31,023 1.41e-13 ***\nhours 1.982 0.248 7.995 2.25e-06 ***\n---\nSignificant. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1\n\nResidual standard error: 3.641 on 13 degrees of freedom\nMultiple R-squared: 0.831, Adjusted R-squared: 0.818 \nF-statistic: 63.91 on 1 and 13 DF, p-value: 2.253e-06\n<\/strong><\/pre>\n<p> <span style=\"color: #000000;\">Dari ringkasan model, kita dapat melihat bahwa persamaan regresi yang dipasang adalah:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Skor = 65.334 + 1.982*(jam)<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Artinya, setiap tambahan jam belajar dikaitkan dengan peningkatan rata-rata nilai ujian sebesar <strong>1.982<\/strong> poin.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Nilai awal sebesar <strong>65.334<\/strong> memberi tahu kita rata-rata nilai ujian yang diharapkan untuk seorang siswa yang belajar selama nol jam.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kita juga dapat menggunakan persamaan ini untuk mencari nilai ujian yang diharapkan berdasarkan jumlah jam belajar seorang siswa.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, seorang siswa yang belajar selama 10 jam harus mencapai nilai ujian <strong>85,15<\/strong> :<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Skor = 65.334 + 1.982*(10) = 85.15<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Berikut cara menafsirkan ringkasan model lainnya:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>Pr(&gt;|t|):<\/strong> Ini adalah nilai p yang terkait dengan koefisien model. Karena nilai p untuk <em>jam<\/em> (2,25e-06) secara signifikan kurang dari 0,05, kita dapat mengatakan bahwa ada hubungan yang signifikan secara statistik antara <em>jam<\/em> dan <em>skor<\/em> .<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Multiple R-squared:<\/strong> Angka ini menunjukkan bahwa persentase variasi nilai ujian dapat dijelaskan oleh jumlah jam belajar. Secara umum, semakin besar nilai R-squared suatu model regresi maka semakin baik pula variabel prediktor dalam memprediksi nilai variabel respon. Dalam hal ini, <strong>83,1%<\/strong> variasi skor dapat dijelaskan oleh jam belajar.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>Kesalahan standar sisa:<\/strong> ini adalah jarak rata-rata antara nilai yang diamati dan garis regresi. Semakin rendah nilainya, semakin mampu garis regresi tersebut berkorespondensi dengan data yang diamati. Dalam hal ini, rata-rata skor yang diamati pada ujian menyimpang sebesar <strong>3,641<\/strong> poin dari skor yang diprediksi oleh garis regresi.<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>F-statistik dan nilai p:<\/strong> F-statistik ( <strong>63.91<\/strong> ) dan nilai p yang sesuai ( <strong>2.253e-06<\/strong> ) memberi tahu kita signifikansi model regresi secara keseluruhan, yaitu apakah variabel prediktor dalam model berguna untuk menjelaskan variasi . dalam variabel respons. Karena nilai p dalam contoh ini kurang dari 0,05, model kami signifikan secara statistik dan <em>jam<\/em> dianggap berguna dalam menjelaskan variasi <em>skor<\/em> .<\/span><\/li>\n<\/ul>\n<h2> <span style=\"color: #000000;\"><strong>Langkah 4: Buat Plot Sisa<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Terakhir, kita perlu membuat plot sisa untuk memeriksa asumsi <a href=\"https:\/\/statorials.org\/id\/regresi-heteroskedastisitas\/\" target=\"_blank\" rel=\"noopener\">homoskedastisitas<\/a> dan <a href=\"https:\/\/statorials.org\/id\/hipotesis-normalitas\/\" target=\"_blank\" rel=\"noopener\">normalitas<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Asumsi <strong>homoskedastisitas<\/strong> adalah <a href=\"https:\/\/statorials.org\/id\/residu\/\" target=\"_blank\" rel=\"noopener\">residu<\/a> model regresi mempunyai varians yang kurang lebih sama pada setiap level variabel prediktor.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk memverifikasi bahwa asumsi ini terpenuhi, kita dapat membuat <strong>plot residu versus kecocokan<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Sumbu x menampilkan nilai yang dipasang dan sumbu y menampilkan residu. Selama residu tampak terdistribusi secara acak dan seragam di seluruh grafik di sekitar nilai nol, kita dapat berasumsi bahwa homoskedastisitas tidak dilanggar:<\/span> <\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#define residuals\n<\/span>res &lt;- resid(model)\n\n<span style=\"color: #008080;\">#produce residual vs. fitted plot\n<\/span>plot(fitted(model), res)\n\n<span style=\"color: #008080;\">#add a horizontal line at 0 \n<\/span>abline(0,0)\n<\/strong><\/pre>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-28971 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/ols3.jpg\" alt=\"\" width=\"501\" height=\"364\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Residunya tampak tersebar secara acak di sekitar nol dan tidak menunjukkan pola yang nyata, sehingga asumsi ini terpenuhi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Asumsi <b>normalitas<\/b> menyatakan bahwa <a href=\"https:\/\/statorials.org\/id\/residu\/\" target=\"_blank\" rel=\"noopener\">residu<\/a> model regresi mendekati terdistribusi normal.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk memeriksa apakah asumsi ini terpenuhi, kita dapat membuat <strong>plot QQ<\/strong> . Jika titik-titik plot terletak pada garis kira-kira lurus membentuk sudut 45 derajat, maka data berdistribusi normal:<\/span> <\/p>\n<pre style=\"background-color: #ececec; font-size: 15px;\"> <strong><span style=\"color: #008080;\">#create QQ plot for residuals\n<\/span>qqnorm(res)\n\n<span style=\"color: #008080;\">#add a straight diagonal line to the plot\n<\/span>qqline(res) \n<\/strong><\/pre>\n<p><img decoding=\"async\" loading=\"lazy\" class=\" wp-image-28972 aligncenter\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/ols4.jpg\" alt=\"\" width=\"416\" height=\"394\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Residunya sedikit menyimpang dari garis 45 derajat, namun tidak cukup menimbulkan kekhawatiran serius. Kita dapat berasumsi bahwa asumsi normalitas terpenuhi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Karena residu terdistribusi normal dan homoskedastis, kami memverifikasi bahwa asumsi model regresi OLS terpenuhi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dengan demikian, keluaran model kami dapat diandalkan.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Catatan<\/strong> : Jika satu atau lebih asumsi tidak terpenuhi, kami dapat mencoba <a href=\"https:\/\/statorials.org\/id\/mengubah-data-menjadi-r\/\" target=\"_blank\" rel=\"noopener\">mengubah<\/a> data kami.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Sumber daya tambahan<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di R:<\/span><\/p>\n<p> <a href=\"https:\/\/statorials.org\/id\/regresi-linier-berganda-r\/\" target=\"_blank\" rel=\"noopener\">Cara melakukan regresi linier berganda di R<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/regresi-eksponensial-di-r\/\" target=\"_blank\" rel=\"noopener\">Bagaimana melakukan regresi eksponensial di R<\/a><br \/> <a href=\"https:\/\/statorials.org\/id\/kuadrat-terkecil-tertimbang-di-r\/\" target=\"_blank\" rel=\"noopener\">Bagaimana melakukan regresi kuadrat terkecil tertimbang di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Regresi kuadrat terkecil biasa (OLS) adalah metode yang memungkinkan kita menemukan garis yang paling menggambarkan hubungan antara satu atau lebih variabel prediktor dan variabel respons . Metode ini memungkinkan kita menemukan persamaan berikut: \u0177 = b 0 + b 1 x Emas: \u0177 : Perkiraan nilai respons b 0 : Asal garis regresi b 1 [&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 Melakukan Regresi OLS di R (dengan Contoh) - Statologi<\/title>\n<meta name=\"description\" content=\"Tutorial ini menjelaskan cara melakukan regresi OLS di R, dengan contoh lengkap.\" \/>\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-ols-di-r\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Cara Melakukan Regresi OLS di R (dengan Contoh) - Statologi\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini menjelaskan cara melakukan regresi OLS di R, dengan contoh lengkap.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/regresi-ols-di-r\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-17T07:59:02+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/vieux1.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=\"5 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/regresi-ols-di-r\/\",\"url\":\"https:\/\/statorials.org\/id\/regresi-ols-di-r\/\",\"name\":\"Cara Melakukan Regresi OLS di R (dengan Contoh) - Statologi\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-17T07:59:02+00:00\",\"dateModified\":\"2023-07-17T07:59:02+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini menjelaskan cara melakukan regresi OLS di R, dengan contoh lengkap.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/regresi-ols-di-r\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/regresi-ols-di-r\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/regresi-ols-di-r\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Cara melakukan regresi ols di r (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 Melakukan Regresi OLS di R (dengan Contoh) - Statologi","description":"Tutorial ini menjelaskan cara melakukan regresi OLS di R, dengan contoh lengkap.","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-ols-di-r\/","og_locale":"id_ID","og_type":"article","og_title":"Cara Melakukan Regresi OLS di R (dengan Contoh) - Statologi","og_description":"Tutorial ini menjelaskan cara melakukan regresi OLS di R, dengan contoh lengkap.","og_url":"https:\/\/statorials.org\/id\/regresi-ols-di-r\/","og_site_name":"Statorials","article_published_time":"2023-07-17T07:59:02+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/vieux1.jpg"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"5 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/regresi-ols-di-r\/","url":"https:\/\/statorials.org\/id\/regresi-ols-di-r\/","name":"Cara Melakukan Regresi OLS di R (dengan Contoh) - Statologi","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-17T07:59:02+00:00","dateModified":"2023-07-17T07:59:02+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini menjelaskan cara melakukan regresi OLS di R, dengan contoh lengkap.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/regresi-ols-di-r\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/regresi-ols-di-r\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/regresi-ols-di-r\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Cara melakukan regresi ols di r (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\/3469"}],"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=3469"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/3469\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=3469"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=3469"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=3469"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}