{"id":545,"date":"2023-07-29T13:42:06","date_gmt":"2023-07-29T13:42:06","guid":{"rendered":"https:\/\/statorials.org\/id\/cara-menghitung-residu-dalam-analisis-regresi\/"},"modified":"2023-07-29T13:42:06","modified_gmt":"2023-07-29T13:42:06","slug":"cara-menghitung-residu-dalam-analisis-regresi","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/cara-menghitung-residu-dalam-analisis-regresi\/","title":{"rendered":"Cara menghitung residu dalam analisis regresi"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\"><a href=\"https:\/\/statorials.org\/id\/regresi-linier-1\/\" target=\"_blank\" rel=\"noopener\">Regresi linier sederhana<\/a> merupakan salah satu metode statistik yang dapat Anda gunakan untuk memahami hubungan antara dua variabel, x dan y.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Variabel, <strong>x<\/strong> , dikenal sebagai variabel prediktor.<\/span> <span style=\"color: #000000;\">Variabel lainnya, <strong>y<\/strong> , dikenal sebagai <a href=\"https:\/\/statorials.org\/id\/variabel-tanggapan-penjelas\/\" target=\"_blank\" rel=\"noopener\">variabel respon<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, kita memiliki kumpulan data berikut dengan berat dan tinggi badan tujuh orang:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1290 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/poids_hauteur1.jpg\" alt=\"Regresi linier sederhana\" width=\"197\" height=\"200\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Biarkan <em>berat badan<\/em> menjadi variabel prediktor dan biarkan <em>tinggi badan<\/em> menjadi variabel respon.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jika kita membuat grafik kedua variabel ini menggunakan<\/span> scatterplot <span style=\"color: #000000;\">, dengan bobot pada sumbu x dan tinggi pada sumbu y, maka akan terlihat seperti ini:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dari diagram sebar kita dapat melihat dengan jelas bahwa seiring bertambahnya berat badan, tinggi badan juga cenderung meningkat, tetapi untuk benar-benar <em>mengukur<\/em> hubungan antara berat badan dan tinggi badan ini kita perlu menggunakan regresi linier.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dengan menggunakan regresi linier, kita dapat menemukan garis yang paling \u201csesuai\u201d dengan data kita:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Rumus untuk baris yang paling sesuai ini ditulis:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">\u0177 = b <sub>0<\/sub> + b <sub>1<\/sub> x<\/span><\/p>\n<p> <span style=\"color: #000000;\">dimana \u0177 adalah nilai prediksi variabel respon, b <sub>0<\/sub> adalah intersep, b <sub>1<\/sub> adalah koefisien regresi, dan x adalah nilai variabel prediktor.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam contoh ini, garis yang paling pas adalah:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">ukuran = 32,783 + 0,2001*(berat)<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Cara menghitung residu<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa titik data dalam diagram sebar kita tidak selalu sesuai persis dengan garis yang paling sesuai:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Perbedaan antara titik data dan garis disebut <strong>sisa<\/strong> . Untuk setiap titik data, kita dapat menghitung sisa titik tersebut dengan mengambil selisih antara nilai sebenarnya dan nilai prediksi dari garis yang paling sesuai.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Contoh 1: Perhitungan sisa<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Misalnya, ingat berat dan tinggi badan tujuh orang dalam kumpulan data kami:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1290 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/poids_hauteur1.jpg\" alt=\"Regresi linier sederhana\" width=\"197\" height=\"200\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Individu pertama memiliki berat <strong>140<\/strong> pon. dan tinggi <strong>60<\/strong> inci.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk mengetahui perkiraan tinggi badan seseorang, kita dapat memasukkan berat badannya ke dalam persamaan yang paling sesuai:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">ukuran = 32,783 + 0,2001*(berat)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jadi, prediksi ukuran individu tersebut adalah:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">tinggi = 32,783 + 0,2001*(140)<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">tinggi = 60,797 inci<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jadi sisa titik data ini adalah 60 \u2013 60.797 = <strong>-0.797<\/strong> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Contoh 2: Perhitungan sisa<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Kita dapat menggunakan proses yang sama persis seperti yang digunakan di atas untuk menghitung sisa untuk setiap titik data. Misalnya, mari kita hitung sisa untuk individu kedua dalam kumpulan data kita:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-1290 size-full\" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/poids_hauteur1.jpg\" alt=\"Regresi linier sederhana\" width=\"197\" height=\"200\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Individu kedua memiliki berat <strong>155<\/strong> pon. dan tinggi <strong>62<\/strong> inci.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Untuk mengetahui perkiraan tinggi badan seseorang, kita dapat memasukkan berat badannya ke dalam persamaan yang paling sesuai:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">ukuran = 32,783 + 0,2001*(berat)<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jadi, prediksi ukuran individu tersebut adalah:<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">tinggi = 32,783 + 0,2001*(155)<\/span><\/p>\n<p style=\"text-align: center;\"> <span style=\"color: #000000;\">tinggi = 63,7985 inci<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jadi sisa titik data ini adalah 62 \u2013 63.7985 = <strong>-1.7985<\/strong> .<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Hitung semua residu<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Dengan menggunakan metode yang sama seperti dua contoh sebelumnya, kita dapat menghitung residu untuk setiap titik data:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa beberapa residu positif dan yang lainnya negatif. <strong>Jika kita menjumlahkan semua residu, totalnya akan menjadi nol.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Hal ini karena regresi linier menemukan garis yang meminimalkan total kuadrat residu, itulah sebabnya garis tersebut melewati data dengan sempurna, dengan beberapa titik data terletak di atas garis dan yang lainnya di bawah garis.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Lihat residu<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Ingatlah bahwa <strong>residu<\/strong> hanyalah jarak antara nilai sebenarnya dari data dan nilai yang diprediksi oleh garis regresi yang paling sesuai. Berikut penampakan jarak tersebut secara visual pada titik awan:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Perhatikan bahwa beberapa residu lebih besar dari yang lain. Selain itu, ada sisa yang positif dan ada pula yang negatif, seperti yang telah kami sebutkan sebelumnya.<\/span><\/p>\n<h2> <span style=\"color: #000000;\"><strong>Membuat jalur sisa<\/strong><\/span><\/h2>\n<p> <span style=\"color: #000000;\">Tujuan penghitungan residu adalah untuk melihat seberapa cocok garis regresi dengan data.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Residu yang lebih besar menunjukkan bahwa garis regresi tidak sesuai dengan data, yaitu titik data sebenarnya tidak mendekati garis regresi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Residu yang lebih kecil menunjukkan bahwa garis regresi lebih sesuai dengan data, yaitu titik data sebenarnya lebih dekat dengan garis regresi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jenis plot yang berguna untuk memvisualisasikan semua residu sekaligus adalah plot sisa. <strong>Plot sisa<\/strong> adalah jenis plot yang menampilkan nilai prediksi versus sisa untuk model regresi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Jenis plot ini sering digunakan untuk mengevaluasi apakah model regresi linier sesuai atau tidak untuk kumpulan data tertentu dan untuk memeriksa heteroskedastisitas<\/span> residu <span style=\"color: #000000;\">.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Lihat <a href=\"https:\/\/statorials.org\/id\/cara-membuat-sisa-jejak-di-excel\/\" target=\"_blank\" rel=\"noopener\">tutorial ini<\/a> untuk mempelajari cara membuat plot sisa untuk model regresi linier sederhana di Excel.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Regresi linier sederhana merupakan salah satu metode statistik yang dapat Anda gunakan untuk memahami hubungan antara dua variabel, x dan y. Variabel, x , dikenal sebagai variabel prediktor. Variabel lainnya, y , dikenal sebagai variabel respon . Misalnya, kita memiliki kumpulan data berikut dengan berat dan tinggi badan tujuh orang: Biarkan berat badan menjadi variabel [&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 Menghitung Residual dalam Analisis Regresi - Statorials<\/title>\n<meta name=\"description\" content=\"Tutorial sederhana cara menghitung residu dalam 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\/cara-menghitung-residu-dalam-analisis-regresi\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Cara Menghitung Residual dalam Analisis Regresi - Statorials\" \/>\n<meta property=\"og:description\" content=\"Tutorial sederhana cara menghitung residu dalam analisis regresi.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/cara-menghitung-residu-dalam-analisis-regresi\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-29T13:42:06+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/poids_hauteur1.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\/cara-menghitung-residu-dalam-analisis-regresi\/\",\"url\":\"https:\/\/statorials.org\/id\/cara-menghitung-residu-dalam-analisis-regresi\/\",\"name\":\"Cara Menghitung Residual dalam Analisis Regresi - Statorials\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-29T13:42:06+00:00\",\"dateModified\":\"2023-07-29T13:42:06+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial sederhana cara menghitung residu dalam analisis regresi.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/cara-menghitung-residu-dalam-analisis-regresi\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/cara-menghitung-residu-dalam-analisis-regresi\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/cara-menghitung-residu-dalam-analisis-regresi\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Cara menghitung residu dalam 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":"Cara Menghitung Residual dalam Analisis Regresi - Statorials","description":"Tutorial sederhana cara menghitung residu dalam 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\/cara-menghitung-residu-dalam-analisis-regresi\/","og_locale":"id_ID","og_type":"article","og_title":"Cara Menghitung Residual dalam Analisis Regresi - Statorials","og_description":"Tutorial sederhana cara menghitung residu dalam analisis regresi.","og_url":"https:\/\/statorials.org\/id\/cara-menghitung-residu-dalam-analisis-regresi\/","og_site_name":"Statorials","article_published_time":"2023-07-29T13:42:06+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/poids_hauteur1.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\/cara-menghitung-residu-dalam-analisis-regresi\/","url":"https:\/\/statorials.org\/id\/cara-menghitung-residu-dalam-analisis-regresi\/","name":"Cara Menghitung Residual dalam Analisis Regresi - Statorials","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-29T13:42:06+00:00","dateModified":"2023-07-29T13:42:06+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial sederhana cara menghitung residu dalam analisis regresi.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/cara-menghitung-residu-dalam-analisis-regresi\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/cara-menghitung-residu-dalam-analisis-regresi\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/cara-menghitung-residu-dalam-analisis-regresi\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Cara menghitung residu dalam 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\/545"}],"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=545"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/545\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=545"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=545"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=545"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}