https://inibudi.or.id/wiki/index.php?action=history&feed=atom&title=Regresi_Linier 2026-04-22T20:05:00Z Riwayat revisi halaman ini di wiki MediaWiki 1.43.0 https://inibudi.or.id/wiki/index.php?title=Regresi_Linier&diff=22294&oldid=prev 2025-11-08T23:45:19Z

<p>Batch created by Azure OpenAI</p> <p><b>Halaman baru</b></p><div>&#039;&#039;&#039;Regresi linier&#039;&#039;&#039; adalah metode [[statistik]] yang digunakan untuk memodelkan hubungan antara satu variabel dependen dan satu atau lebih variabel independen dengan menggunakan fungsi [[linier]]. Metode ini merupakan salah satu teknik yang paling umum dalam [[analisis regresi]] dan digunakan secara luas dalam berbagai disiplin ilmu seperti [[ekonomi]], [[ilmu sosial]], dan [[ilmu teknik]].<br /> <br /> == Konsep Dasar ==<br /> Regresi linier bertujuan untuk menemukan garis terbaik yang meminimalkan jumlah kuadrat selisih antara nilai yang diamati dan nilai yang diprediksi oleh model. Garis regresi dinyatakan dalam bentuk persamaan:<br /> &lt;math&gt;Y = \beta_0 + \beta_1 X + \varepsilon&lt;/math&gt;<br /> Di mana Y adalah variabel dependen, X adalah variabel independen, \beta&lt;sub&gt;0&lt;/sub&gt; adalah intercept, \beta&lt;sub&gt;1&lt;/sub&gt; adalah koefisien regresi, dan \varepsilon adalah kesalahan (&#039;&#039;error&#039;&#039;).<br /> <br /> == Jenis Regresi Linier ==<br /> # Regresi linier sederhana: hanya melibatkan satu variabel independen.<br /> # Regresi linier berganda: melibatkan dua atau lebih variabel independen.<br /> # Regresi linier multivariat: memodelkan beberapa variabel dependen secara bersamaan.<br /> <br /> == Asumsi dalam Regresi Linier ==<br /> Regresi linier memiliki beberapa asumsi penting, antara lain: hubungan antara variabel adalah linier, kesalahan terdistribusi normal, varians kesalahan bersifat homogen (&#039;&#039;homoskedastisitas&#039;&#039;), dan tidak terdapat [[multikolinearitas]] yang tinggi di antara variabel independen.<br /> <br /> == Estimasi Parameter ==<br /> Parameter \beta&lt;sub&gt;0&lt;/sub&gt; dan \beta&lt;sub&gt;1&lt;/sub&gt; biasanya diestimasi menggunakan metode [[kuadrat terkecil]] (&#039;&#039;ordinary least squares&#039;&#039;, OLS). Metode ini meminimalkan jumlah kuadrat residual:<br /> &lt;math&gt;\min \sum_{i=1}^{n} (Y_i - (\beta_0 + \beta_1 X_i))^2&lt;/math&gt;<br /> <br /> == Analisis Hasil ==<br /> Hasil regresi linier biasanya disajikan dalam bentuk tabel yang berisi koefisien, nilai t, p-value, dan R&lt;sup&gt;2&lt;/sup&gt;. Nilai R&lt;sup&gt;2&lt;/sup&gt; menunjukkan proporsi variansi Y yang dijelaskan oleh model. Semakin tinggi R&lt;sup&gt;2&lt;/sup&gt;, semakin baik model menjelaskan data.<br /> <br /> == Uji Signifikansi ==<br /> Uji F digunakan untuk menguji signifikansi keseluruhan model, sedangkan uji t digunakan untuk menguji signifikansi masing-masing koefisien. Jika p-value dari koefisien lebih kecil dari tingkat signifikansi, maka koefisien tersebut dianggap signifikan.<br /> <br /> == Aplikasi Regresi Linier ==<br /> Regresi linier digunakan untuk [[peramalan]], prediksi tren, dan analisis hubungan sebab-akibat. Contohnya dalam ekonomi, regresi linier dapat digunakan untuk memprediksi pengaruh tingkat pendidikan terhadap pendapatan.<br /> <br /> == Keterbatasan ==<br /> Meskipun regresi linier sederhana diterapkan secara luas, model ini memiliki keterbatasan seperti ketidakmampuan menangkap hubungan nonlinier, sensitivitas terhadap pencilan (&#039;&#039;outlier&#039;&#039;), dan ketergantungan pada asumsi distribusi.<br /> <br /> == Pengembangan ==<br /> Berbagai pengembangan regresi linier telah dilakukan, seperti [[regresi ridge]], [[regresi lasso]], dan regresi robust, untuk mengatasi masalah multikolinearitas dan pencilan.</div>

Budi