Setiap kali kami melakukan regresi linier berganda, kami selalu tertarik pada nilai p pada hasil untuk menentukan apakah hubungan antara variabel prediktor dan variabel respons signifikan secara statistik.<\/span><\/span><\/p>\n Tutorial ini menjelaskan cara menginterpretasikan nilai p pada keluaran model regresi linier berganda di Excel.<\/span><\/p>\n Misalkan kita ingin mengetahui apakah jumlah jam yang dihabiskan untuk belajar dan jumlah ujian persiapan yang diambil mempengaruhi nilai yang diperoleh siswa pada ujian masuk perguruan tinggi tertentu.<\/span><\/p>\n Untuk mengeksplorasi hubungan ini, kita dapat melakukan regresi linier berganda dengan menggunakan jam belajar<\/strong> dan ujian persiapan<\/strong> sebagai variabel prediktor dan nilai ujian<\/strong> sebagai variabel respon.<\/span><\/p>\n Tangkapan layar berikut memperlihatkan keluaran regresi model ini di Excel:<\/span> <\/p>\n Ada tiga nilai p yang harus kita lihat pada hasilnya:<\/span><\/p>\n Berikut cara menafsirkan setiap nilai p:<\/span><\/p>\n Nilai-P dari keseluruhan model<\/strong><\/span><\/p>\n Nilai p untuk keseluruhan model dapat ditemukan di kolom berlabel F Signifikansi<\/strong> pada hasil.<\/span><\/p>\n Kita dapat melihat bahwa nilai p ini adalah 0,00<\/strong> .<\/span><\/p>\n Karena nilai ini kurang dari 0,05, kita dapat menyimpulkan bahwa model regresi secara keseluruhan signifikan secara statistik.<\/span><\/p>\n Dengan kata lain, kombinasi jam belajar dan ujian persiapan yang diambil memiliki hubungan yang signifikan secara statistik dengan nilai ujian akhir.<\/span><\/p>\n Nilai P variabel prediktor pertama (jam)<\/strong><\/span><\/p>\n Nilai p untuk variabel prediktor pertama, jam, adalah 0,00.<\/strong><\/span><\/p>\n Karena nilai ini kurang dari 0,05, kita dapat menyimpulkan bahwa jam belajar signifikan secara statistik.<\/span><\/p>\n Dengan kata lain, jumlah jam belajar seorang siswa mempunyai hubungan yang signifikan secara statistik dengan nilai ujian akhir.<\/span><\/p>\n Nilai P variabel prediktor kedua (persiapan ujian)<\/strong><\/span><\/p>\n Nilai p untuk variabel prediktor kedua yaitu persiapan ujian sebesar 0,52.<\/strong><\/span><\/p>\n Karena nilai ini tidak kurang dari 0,05, kita dapat menyimpulkan bahwa jumlah ujian persiapan yang diambil tidak signifikan secara statistik.<\/span><\/p>\n Dengan kata lain, jumlah ujian persiapan yang diambil siswa tidak mempunyai hubungan yang signifikan secara statistik dengan nilai yang diperoleh pada ujian akhir.<\/span><\/p>\n Karena variabel ini tidak signifikan secara statistik, kami dapat memutuskan untuk menghapusnya dari model karena variabel ini tidak memberikan peningkatan yang signifikan terhadap model secara keseluruhan.<\/span><\/p>\n Dalam hal ini, kita dapat melakukan regresi linier sederhana hanya dengan menggunakan jam belajar<\/strong> sebagai variabel prediktor.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya di Excel:<\/span><\/p>\n Cara melakukan regresi linier sederhana di Excel<\/a> Regresi linier berganda digunakan untuk mengukur hubungan antara dua atau lebih variabel prediktor dan variabel respon . Setiap kali kami melakukan regresi linier berganda, kami selalu tertarik pada nilai p pada hasil untuk menentukan apakah hubungan antara variabel prediktor dan variabel respons signifikan secara statistik. Tutorial ini menjelaskan cara menginterpretasikan nilai p pada keluaran model […]<\/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 Contoh: Menafsirkan Nilai P pada Output Regresi di Excel<\/strong><\/span><\/h2>\n
![\"Output](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/multipleregexcel4.png\")
<\/p>\n\n
Sumber daya tambahan<\/strong><\/span><\/h2>\n
Cara melakukan regresi linier berganda di Excel<\/a>
Cara Melakukan Regresi Polinomial di Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"