Buatlah analisis regresi linier berganda secara manual!
1. Buatlah analisis regresi linier berganda secara manual!
Jawaban:
Model regresi linier berganda merupakan suatu persamaan yang menggambarkan
hubungan antara dua atau lebih variabel bebas/ predictor (X1, X2,…Xn) dan satu variabel
tak bebas/ response (Y). Tujuan dari analisis regresi linier berganda adalah untuk
memprediksi nilai variabel tak bebas/ response (Y) jika nilai variabel-variabel bebas/
predictor (X1, X2, ..., Xn) diketahui. Disamping itu juga untuk mengetahui arah hubungan
antara variabel tak bebas dengan variabel-variabel bebas.
Persamaan regresi linier berganda secara matematik diekspresikan oleh :
Y = a + b1X1 + b2X2 +… + bnXn
yang mana :
Y = variable tak bebas (nilai yang akan diprediksi)
a = konstanta
b1, b2,.., bn = koefisien regresi
X1, X2,…, Xn = variable bebas
Bila terdapat 2 variable bebas, yaitu X1 dan X2, maka bentuk persamaan regresinya adalah :
Y = a + b1X1 + b2X2
Keadaan-keadaan bila nilai koefisien-koefisien regresi b1 dan b2 adalah :
bernilai 0, maka tidak ada pengaruh X1 dan X2 terhadap Y
bernilai negatif, maka terjadi hubungan yang berbalik arah antara variabel bebas
X1 dan X2 dengan variabel tak bebas Y
bernilai positif, maka terjadi hubungan yang searah antara variabel bebas X1 dan
X2 dengan variabel tak bebas Y
Konstanta a dan koefisien-koefisien regresi b1 dan b2 dapat dihitung menggunakan rumus :
2. Apa itu "Model regresi" di dalam sebuah metode analisis regresi linier berganda ? Tolong penjelasanya ya guys ;)
Analisis regresi linier berganda adalah hubungan secara linear antara dua atau lebih variabel independen (X1, X2,….Xn) dengan variabel dependen (Y).
3. Sebutkan asumsi-asumsi pada analisa regresi linier berganda ?
Jawaban:
Asumsi klasik pada regresi linear berganda antara lain: Data interval atau rasio, Linearitas, ... Autokorelasi (Hanya untuk data time series atau runtut waktu)
Penjelasan dengan langkah-langkah:
Semoga bernfaat dan membantu..
4. rumus regresi berganda
rumus regresi berganda terlampir maaf kak klo salah itu rumusnya,maaf kalau rumusnya di foto
5. Apa yang dimaksud dengan Analisis regresi linier sederhana ?
Analisis regresi linier
sederhana adalah hubungan
secara linear antara satu variabel
independen (X) dengan variabel
dependen (Y).
sederhana adalah hubungan linear antara satu variabel independen dengan variabel dependen
6. Buatlah suatu masalah yang terkait dengan sistem persamaan, interpolasi atau regresi linier dengan metode kuadrat terkecil (pilih salah satu) kemudian selesaikan soal yang anda buat
Tabel berikut menunjukkan daya regang (Y) dan kekerasan alumunium(X) yang dinyatakan dalam satuan tertentu.
X
71
53
82
67
56
70
64
78
55
70
53
84
Y
354
313
322
334
247
377
308
340
301
349
293
368
Setelah data tersebut dibuat diagram perncarnya ternyata mendekati garis lurus, tentukan regrsi linier Y atas X.
Jawab:
Untuk keperluan tersebut terlebih dahulu akan dikitung besaran-besaran yang diperlukan, seperti ditunjukkan oleh table berikut:
Xi
Yi
XiYi
71
354
25134
5041
53
313
16589
2809
82
322
26404
6724
67
334
22378
4489
56
247
13832
3136
70
377
26390
4900
64
308
19712
4096
78
340
26520
6084
55
301
16555
3025
70
349
24430
4900
53
293
15529
2809
84
368
30912
7056
Dari tabel di atas diperoleh nilai:
=803
=3906
=264385
=55069
=1285802
Dengan metode kuadrat terkecil diperoleh nilai-nilai berikut:
Dengan demikian persamaan regresi linir Y atas X untuk masalah di atas adalah :
Yˆ= 174,69 + 2,25X
Tanda Yˆ menyatakan bahwa kita berhadapan dengan Y yang diperoleh dari regresi untuk membedakannya dengan Y dari hasil pengamatan. Karena koefisien b = 2,25 (bertanda positif) sehingga dapat dikatakan bahwa jika X (= kekuatan alumunium) bertambah satu satuan, maka rata-rata daya regang (Y) bertambah 2,25 satuan. Yˆ
Regresi yang diperoleh selanjutnya digunakan untuk keperluan peramalan, apabila nilai variabel bebas diketahui. Misalnya jika X = 80, maka dengan memasukan nilai tersebut kepada persamaan regresi di atas diperoleh nilai:
Yˆ= 174,69 + 2,25(80) = 354,69
Diperkirakan rata – rata daya regang alumunium akan samadengan 354,69 jika kekuatan alumunium 80.
Semoga membantu :) :)
7. 1.Koefisein korelasi, Koefisien Dterminasi dan Regresi Linier Sederhana
Soal 1
Menentukan koefisien korelasi (r), koefisien determinasi (R²), dan regresi linier sederhana.
Koefisien korelasi[tex]r=\frac{n\sum XY-\sum X \sum Y}{\sqrt{n\sum X^2-(\sum X)^2}\sqrt{n\sum Y^2-(\sum Y)^2}}[/tex]
Koefisien determinasiR² = r²
Koefisien regresi linear sederhana[tex]a=\frac{n\sum XY-\sum X\sum Y}{n\sum X^2-(\sum X)^2}[/tex]
[tex]b=\frac{\sum Y\sum X^2-\sum X\sum XY}{n\sum X^2-(\sum X)^2}[/tex]
Persamaan regresi linear sederhanay = ax + b
Soal 2
Menentukan simpangan baku (s) dan rata-rata hitung nilai ujian statistik (X)
Nilai rata-rata hitungX = ∑(F×Xi) / ∑F
Variansis² = ∑F(Xi-X)² / (∑F - 1)
Simpangan bakus = √s²
TABEL TERLAMPIR
8. 3. Jelaskan apa yang dimaksud dengan regresi berganda! Carilah contoh berkaitan dengan pemasaran!
Regresi berganda adalah metode analisis statistik yang digunakan untuk menentukan hubungan antara satu variabel dependen (yang ingin diterangkan) dengan lebih dari satu variabel independen (yang digunakan untuk menjelaskan). Dalam regresi berganda, model matematis digunakan untuk menjelaskan bagaimana perubahan pada variabel independen mempengaruhi variabel dependen.
Contoh dari regresi berganda dalam pemasaran adalah menentukan hubungan antara jumlah penjualan produk dan faktor-faktor seperti harga produk, iklan yang ditayangkan, lokasi toko, dan tingkat pendapatan masyarakat di sekitar toko. Dalam hal ini, jumlah penjualan produk adalah variabel dependen dan harga produk, iklan, lokasi toko, dan tingkat pendapatan masyarakat adalah variabel independen.
Misalnya, sebuah perusahaan yang ingin meningkatkan penjualan produknya dapat menggunakan regresi berganda untuk mengetahui faktor-faktor yang paling berpengaruh terhadap penjualan produk. Dari hasil analisis, perusahaan dapat menentukan bahwa harga produk yang lebih rendah dan iklan yang lebih sering ditayangkan akan meningkatkan penjualan produk.
Perusahaan dapat juga mengetahui bahwa lokasi toko yang strategis dan tingkat pendapatan masyarakat yang tinggi di sekitar toko juga berpengaruh terhadap penjualan produk. Dengan mengetahui faktor-faktor yang paling berpengaruh, perusahaan dapat mengambil tindakan yang tepat untuk meningkatkan penjualan produk.
9. yang dimaksud dengan regresi linear berganda
Analisis Regresi Linier Berganda adalah analisis yang mengukur pengaruh variabel bebas terhadap variabel terikat. Pengukuran pengaruh ini melibatkan satu variabel bebas (X) dan variabel terikat (Y), yang dinamakan analisis regresi linier berganda sederhana dengan rumus Y= a+bX..
Sekian
Terimakasih
10. Kapan kita menggunakan regresi linier?
Jawab:
regresi linier digunakan untuk mengetahui apakah variabel bebas yang diteliti memiliki korelasi yang signifikan terhadap variabel terikat. Selain itu, analisis ini juga bisa digunakan untuk mengetahui variabel mana saja yang berpengaruh signifikan terhadap variabel terikat.
Penjelasan dengan langkah-langkah:
11. langkah langkah penggunaan regresi ganda
Pengertian Analisis Regresi.
Analisis Regresi adalah analisis yang mengukur pengaruh variabel bebas terhadap variabel terikat. Pengukuran pengaruh ini melibatkan satu variabel bebas (X) dan variabel terikat (Y), yang dinamakan analisis regresi linier sederhana dengan rumus Y= a+bX. Nilai “a” adalah konstanta dan nilai “b” adalah koefisien regresi untuk variabel X.
Harga ‘b’ dapat dicari dengan rumus :
Koefisien regresi ‘b’ adalah kontribusi besarnya perubahan nilai variabel bebas, semakin besar nilai koefisien regresi maka kontribusi perubahan semakin besar, demikian pula sebaliknya akan semakin lecil. Kontribusi perubahan variabel bebas (X) juga ditentukan oleh koefisien regresi positif atau negatif.
2. Pengukuran Analisis Regresi
Pengukuran pengaruh variabel yang melibatkan lebih dari satu variabel bebas (X1,X2,X3,…,Xn), digunakan analisis regresi linier berganda, disebut linier karena setiap estimasi atas nilai diharapkan memgalami peningkatan atau penurunan mengikuti garis lurus. Berikut ini estimasi regresi linier berganda :
Y=a+b1X1+b2X2+b3X3+…+bnXn
Keterangan :
Y : variabel terikat (dependent)
X (1,2,3,…) : variabel bebas (independent)
a : nilai konstanta
b (1,2,3,…) : nilai koefisien regresi
Penggunaan nilai konstanta secara statistik dilakukan jika satuan-satuan variabel X (independent) dan variabel Y (dependent) tidak sama. Sedangkan, bila variabel X (independent) dan variabel Y (dependent), baik linier sederhana maupun berganda, memiliki satuan yang sama maka nilai konstanta diabaikan dengan asumsi perubahan variabel Y (dependent) akan proposional dengan nilai perubahan variabel X (independent).
Dalam menentukan nilai ‘a’ dan ‘b1′,’b2′,’b3’,.., digunakan persamaan regresi linier berganda:
1. SY = an+b1SX1++b2SX2+b3SX3+…
2. SX1Y = aSX1+b1SX1²+b2SX1X2+…
3. SX2Y = aSX2+b2SX1X2+b2SX21²+… dan seterusnya.
Untuk menghitung nilai ‘a’,’b1′,’b2′,’b3′,… pada persamaan regresi linier berganda dapat dirumuskan =nx-1 di mana nx = banyaknya variabel bebas (X).
3. Cara Analisis Regresi Dengan Aplikasi SPSS
Langkah awal, Input data pada worksheed SPSS berdasarkan masing-masing variabel. Untuk data primer (quesioner) harus di lakukan pengujian validitas & pengujian reliabilitas sedangkan untuk data sekunder dapat langsung di analisis regresi linier sederhana dan berganda jika variabel bebas lebih dari satu, tahapannya sebagai berikut:
1. Klik menu analyze.
2. Pilih submenu regression, klik linier.
3. Box dependent isikan: variabel terikat (Y).
4. Box independent isikan: variabel bebas (X) isikan X2,… untuk berganda.
5. Klik OK (muncul output SPSS).
Berikut contoh bagian hasil output SPSS:
Dengan demikian, persamaan regresi berganda diperoleh:
Y=68,531+11,802 X1+2,481 X2+1,481 X3
Dalam perhitungan persamaan tersebut tidak mempunyai satuan maka semua perubahan keputusan varibel terikat (Y) diasumsikan proposional dengan perubahan variabel bebas (X). Akibatnya, tidak Ada nilai konstanta (nilai tetap).
12. jelaskan asumsi digunakannya analisis regresi berganda?
kalau pertanyaannya mengenai mengapa kita menggunakan uji regresi berganda ya untuk menguji pengaruh yang disebabkan dari dua variabel atau lebih .
misalnya dalam bidang pendidikan latar belakang saya ingin mengetahui pengaruh variabel, dan saya punya 3 variabel yang mempengaruhi hasil belajar maka otomatis saya menggunakan uji regresi berganda karena variabel yang mempengaruhi hasil belajar ada 2 atau lebih.
berbeda dengan jika menguji dan hanya mempunyai 1 variabel yang mempengaruhi maka kita menggunakan uji regresi sederhana
13. contoh analisis regresi dengan variabel moderating dalam spss, lalu aplikasikan menggunakan spss. beserta langkah-langkah dalam menggunakan spss.Tolong dijawab plisss buat besok!!
Jawaban:
pelajaran kls berapa kakak
Penjelasan dengan langkah-langkah:
hehehe
14. model analisis regresi sederhana, berganda dan analisis jalur
X3=aX1+bX2+Fu
X4=dX2+cX1+eX3+gv maaf jawabannya ada di Google
15. jelaskan maksud dari statistik,regresi linier sederhana
statistik adalah ilmu matematika yang mempelajari tentang pengumpulan,pengelolaan,dan penganalisaan data yanh kemudian disajikan dalam bentuk diagram
16. Apa manfaat dari korelasi dan regresi linear berganda dalam sebuah penelitian? dan persamaan regresinyamohon bantuannya kak
Tujuan analsisi korelasi adalah ingin mengetahui APAKAH ADA HUBUNGAN antara dua variabel atau lebih. Sedangkan tujuan analisis regresi adalah untuk MEMPREDIKSI SEBERAPA JAUH pengaruh yang ada tersebut (yang telah dianalisis melalui analisis korelasi).
Persamaan model regresi dinyataakan dalam rumusan sebagai berikut:
Y = a + bX1 + cX2
Keterangan:
Y = Variabel dependen
X1 dan X2 = Variabel-variabel independen
a, b, c = konstanta-konstanta regresi
Pembahasan:Analisis Regresi adalah teknik analisis yang digunakan untuk mempelajari dan mengukur hubungan statistik antara dua varibel atau lebih variabel. Pada analisis regresi ditentukan variabel dependen/terikat (Y) serta variabel bebas/independen (X). Oleh karena itu, pada dasarnya analisis regresi merupakan alat untuk melihat besarnya dampak atau pengaruh variabel bebas terhadap variabel terikat. Yang termasuk dalam analisis ini ialah analisis regresi linier biasa, analisis regresi linier berganda, analisis regresi logistik, dll.
Analisis korelasi adalah teknik analisis untuk melihat ada tidaknya hubungan dari dua atau beberapa variabel. Pada analisis ini, belum dapat ditentukan variabel mana yang merupakan variabel bebas ataupun variabel terikat. Nilai yang dihasilkan hanya menunjukkan kekuatan hubungan antar variabel.
Perbedaan keduanya dapat dilihat dari:
Tujuan yang ingin dicapai. Korelasi untuk melihat kuat hubungan variabel sedangkan regresi untuk melihat besarnya dampak variabel Y terhadap XKorelasi tidak membedakan variabel, sedangkan regresi membedakan menjadi variabel bebas dan terikatKorelasi tidak dapat digunakan untuk meramalkan nilai, sedangkan regresi dapat digunakan untuk meramalkan nilai.Pelajari Lebih LanjutPelajari lebih lanjut materi tentang keunggulan metode analisis regresi dibandingkan dengan korelasi https://brainly.co.id/tugas/35607416
#BelajarBersamaBrainly#SPJ9
17. cara menyelesaikan persamaan regresi linier
Jawaban:
– Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk menguji sejauh mana hubungan sebab akibat antara Variabel Faktor Penyebab (X) terhadap Variabel Akibatnya. Faktor Penyebab pada umumnya dilambangkan dengan X atau disebut juga dengan Predictor sedangkan Variabel Akibat dilambangkan dengan Y atau disebut juga dengan Response. Regresi Linear Sederhana atau sering disingkat dengan SLR (Simple Linear Regression) juga merupakan salah satu Metode Statistik yang dipergunakan dalam produksi untuk melakukan peramalan ataupun prediksi tentang karakteristik kualitas maupun Kuantitas.
Penjelasan dengan langkah-langkah:
Semoga Benar Ya
18. Jelaskan uji regresi linier sederhana
Analisis Regresi Linear Sederhana – Regresi Linear Sederhana adalah Metode Statistik yang berfungsi untuk menguji sejauh mana hubungan sebab akibat antara Variabel Faktor Penyebab (X) terhadap Variabel Akibatnya.
19. Analisis regresiLinear Berganda
Jawaban:
Regresi Linear Berganda adalah model regresi linear dengan melibatkan lebih dari satu variable bebas atau predictor. Dalam bahasa inggris, istilah ini disebut dengan multiple linear regression.
20. Berapa standar error regresi linear berganda
Jawaban:
Analisis regresi berganda: Memprediksi satu variabel terikat berdasar pada dua atau lebih variabel bebas. hubungan linier antar dua variabel (tidak membedakan antara variabel bebas dan variabel terikat). akibat (kausalitas).
Penjelasan:
semoga membantu
Jawaban:
yang diatas jawabanya
Penjelasan:
maaf kalo salah
21. apa perbedaan pengaruh dengan kontribusi? apakah kontribusi termasuk regresi linier atau korelasi?
penagruh : suatu tindakan yang dapat mengubah suatu pandangan atau keputusan
kontribusi : hanya satu sumbangan pemikiran / hal , bisa berpengaruh / bisa juga tidak .
22. contoh soal persamaan linier dan pertidaksamaan linier?
1) persamaan ⇒ 2x -7 = 5
penyelesaian :
⇒ 2x = 5+7
⇒ 2x = 12
⇒ x = 12/2
⇒ x = 6
2) pertidaksamaan ⇒ 3x+2 ≥ 5x-2
penyelesaian :
⇒ 3x +2 ≥ 5x -2
⇒ 3x -5x ≥ -2 -2
⇒ -2x ≥ -4
⇒ x ≤ -4/-2
⇒ x ≤ 2
^_^ semoga jawaban ini dapat membantu ^_^
^_^ jadikan jawaban terbaik ya ^_^
23. contoh soal pertidaksamaan linier
SOAL DAN JAWABAN SISTEM PERTIDAKSAMAAN LINEAR
Salah satu cara yang digunakan untuk menyelesaikan sistem pertidaksamaan linear adalah metode grafik. Dengan menggambarkan pertidaksamaan ke dalam koordinat cartesius kita dapat melihat daerah himpunan penyelesaian atau daerah yang memenuhi pertidaksamaan tersebut.
Untuk itu, tentu kita harus bisa mengubah pertidaksamaan linear yang diberikan menjadi sebuah grafik. Pada dasarnya, pembuatan grafik sistem pertidaksamaan linear sama dengan menggambar grafik garis lurus. Yang menjadi pembeda hanya himpunan penyelesaiannya saja.
Soal dan Jawaban Pertidaksamaan Linear
1. Gambarkanlah ke dalam koordinat cartesius garis x + 2y = 8 dan 2x + y = 6
Pembahasan :
tentukan titik potong garis x + 2y = 8 terhadap sumbu x dan sumbu y seperti berikut :
untuk x = 0 maka y = 4 ---> (0,4)
untuk y = 0 maka x = 8 ---> (8,0)
Kemudian tarik garis lurus yang menghubungkan titik potong tersebut. Itulah garis x + 2y = 8.
Selanjutnya tentukan titik potong garis 2x + y = 6 terhadap sumbu x dan sumbu y seperti berikut :
untuk x = 0 maka y = 6 ---> (0,6)
untuk y = 0 maka x = 3 ---> (3,0)
Kemudian tarik garis lurus yang menghubungkan titik potong tersebut. Itulah garis 2x + y = 6.
2. Gambarkanlah himpunan penyelesaian dari pertidaksamaan 2x + 3y ≤ 6.
Pembahasan :
Gambar koordinat cartesius seperti soal nomor 1 kemudian tentukan titik potong garis 2x + 3y = 6 seperti berikut :
Advertisements
untuk x = 0 maka y = 2 ---> (0,2)
untuk y = 0 maka x = 3 ---> (3,0)
Tarik garis lurus yang menghubungkan kedua titik potong tersebut.
Selanjutnya tentukan daerah himpunan penyelesaian untuk pertidaksamaan 2x + 3y ≤ 6. Karena lebih kecil sama dengan (≤), maka daerah himpunan penyelesaiannya adalah daerah di bawah garis 2x + 3y = 6 termasuk semua titik sepanjang garis 2x + 3y = 6 seperti gambar di bawah ini. Daerah yang diarsir merupakan himpunan penyelesaian pertidaksamaan itu.
3. Gambarkanlah himpunan penyelesaian dari pertidaksamaan 3x + 2y ≥ 6.
Pembahasan :
Gambar koordinat cartesius seperti soal nomor 1 kemudian tentukan titik potong garis 3x + 2y = 6 seperti berikut :
untuk x = 0 maka y = 3 ---> (0,3)
untuk y = 0 maka x = 2 ---> (2,0)
Tarik garis lurus yang menghubungkan kedua titik potong.
Selanjutnya tentukan daerah himpunan penyelesaian untuk pertidaksamaan 3x + 2y ≥ 6. Karena lebih besar sama dengan (≥), maka daerah himpunan penyelesaiannya adalah daerah di atas garis 3x + 2y = 6 termasuk semua titik pada garis 3x + 2y = 6.
.
Semoga membantu :)aX+b<0
aX+b<0
aX+b≤0
aX+b≥0
Penyelesaian :Pisahkan Variabel X diruas tersendiri terpisah dari konstanta
24. Contoh soal beserta penyelesainya regresi linier intervening dan moderating
Jawaban:
Variabel moderating adalah variabel yang memperkuat atau memperlemah hubungan antara satu variabel dengan variabel lain. Sebagai contoh: seorang suami menyayangi istrinya. Dengan hadirnya seorang anak, maka rasa sayang tersebut bertambah. Berarti variabel anak merupakan moderating antara rasa saya suami terhadap istri. Contoh lain: kompensasi memperkuat pengaruh antara kepuasan kerja terhadap kinerja. Artinya kepuasan kerja berpengaruh terhadap kinerja, dan adanya kompensasi yang tinggi maka pengaruh antara kepuasan kerja terhadap kinerja menjadi lebih meningkat. Dalam hal ini, kompensasi bisa saja berpengaruh terhadap kinerja bisa saja tidak.
Metode analisis regresi linear dengan variabel moderating:
1. Multiple Regression Analysis (MRA)
Metode ini dilakukan dengan menambahkan variabel perkalian antara variabel bebas dengan variabel moderatingnya, sehingga persamaan umumnya adalah sebagai berikut: Y = a + b1 X1 + b2 X2 + b3 X1 X2 dengan Y adalah kinerja, X1 adalah kepuasan kerja, X2 kompensasi dan X1 X2 adalah perkalian antara kepuasan kerja dengan kompensasi. Hipotesis moderating diterima jika variabel X1 X2 mempunyai pengaruh signifikan terhadap Y, tidak tergantung apakah X1 dan X2 mempunyai pengaruh terhadap Y atau tidak. Model ini biasanya menyalahi asumsi multikolinearitas.
2. Absolut residual
Model ini mirip dengan MRA, tetapi variabel moderating didekati dengan selisih mutlak (absolut residual) antara variabel bebas dengan variabel moderatingnya. Penerimaan hipotesis juga sama, dan model ini masih riskan terhadap gangguan multikolinearitas meskipun risiko itu lebih kecil dari pada dengan metode MRA.
3. Residual
Model ini menggunakan konsep lack of fit yaitu hipotesis moderating diterima terjadi jika terdapat ketidakcocokan dari deviasi hubungan linear antara variabel independen. Langkahnya adalah dengan meregresikan antara kepuasan kerja terhadap kompensasi dan dihitung nilai residualnya. Pada program SPSS dengan klik Save pada regreesion, lalu klik pada usntandardized residual. Nilai residual kemudian diambil nilai absolutnya lalu diregresikan antara kinerja terhadap absolut residual. Hipotesis moderating diterima jika nilai t hitung adalah negatif dan signifikan. Model ini terbebas dari gangguan multikolinearitas karena hanya menggunakan satu variabel bebas.
25. Contoh soal fungsi linier
Penjelasan dengan langkah-langkah:
Diketahui fungsi linear f : x → f(x) = ax + b dengan nilai f(0) = 4 dan nilai f(4) = -4.
26. rumus regresi berganda
Jawaban:
Y = a + b1 X1 + b2 X2 + .... + bn Xn
27. Cari Data persamaan Regresi sederhana dan Ganda
Persamaan regresi sederhana sebagai berikut:
Y’ = a + bX
Y’ = -28764,7 + 0,691X
Angka-angka ini dapat diartikan sebagai berikut:
- Konstanta sebesar -28764,7; artinya jika biaya promosi (X) nilainya adalah 0, maka volume penjulan (Y’) nilainya negatif yaitu sebesar -28764,7.
- Koefisien regresi variabel harga (X) sebesar 0,691; artinya jika harga mengalami kenaikan Rp.1, maka volume penjualan (Y’) akan mengalami peningkatan sebesar Rp.0,691. Koefisien bernilai positif artinya terjadi hubungan positif antara harga dengan volume penjualan, semakin naik harga maka semakin meningkatkan volume penjualan.
Nilai volume penjualan yang diprediksi (Y’) dapat dilihat pada tabel Casewise Diagnostics (kolom Predicted Value). Sedangkan Residual (unstandardized residual) adalah selisih antara Volume Penjualan dengan Predicted Value, dan Std. Residual (standardized residual) adalah nilai residual yang telah terstandarisasi (nilai semakin mendekati 0 maka model regresi semakin baik dalam melakukan prediksi, sebaliknya semakin menjauhi 0 atau lebih dari 1 atau -1 maka semakin tidak baik model regresi dalam melakukan prediksi).
Persamaan regresi linear berganda sebagai berikut:
Y’ = a + b1X1+ b2X2+…..+ bnXn
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X1 dan X2 = Variabel independen
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
28. contoh uji Normalitas spss
Jawaban:
Uji Normalitas dengan SPSS
Penjelasan:
Silahkan isi dataset SPSS anda seperti contoh yang sudah anda download. Kalaupun tidak download, anda bisa isi sembarang angka pada satu variabel yang akan diuji normalitas dengan SPSS. Setelah data terisi pada variabel, pada Menu, Klik Analyze, Descriptive Statistics, Explore.
Masukkan variabel ke dalam dependen list (Catatan: Apabila dalam variabel anda terdapat 2 kelompok, misal kelompok A dan B, anda dapat melakukan uji normalitas pada masing-masing kelompok dengan cara memasukkan variabel yang menjadi Grouping (A dan B atau 1 dan 2) ke kotak Factor List.
29. contoh soal program linier
Jawaban:
1. Umur pak Andi 28 tahun lebih tua dari umur Amira. Umur bu Andi 6 tahun lebih muda dari umur pak Andi. Jika jumlah umur pak Andi, bu Andi, dan Amira 119 tahun, maka jumlah umur Amira dan bu Andi adalah …. tahun
Pembahasan :
Misalkan Umur Pak Andi=x, umur Amira=y dan umur Ibu Andi=z
x = 28 + y …(1)
z = x – 6; atau x=z+6 …(2)
x + y + z = 119 …(3)
dengan melakukan operasi penjumlahan (1) pada (2) didapatkan
2x = y + z + 34 atau 2x – y – z = 34 …(4)
Lakukan operasi penambahan (3) pada (4) atau
x + y + z = 119
2x – y – z = 34
3x =153
Atau
x = 51
Dengan melakukan substitusi x pada (1) dan (2) didapatkan
Y = 23; z = 45
Sehingga
jumlah umur Amira (y) dan bu Andi (z) adalah y + z = 23 + 45 = 68
1. Nilai maksimum f(x, y) = 5x + 4y yang memenuhi pertidaksamaan x + y ≤ 8, x + 2y ≤ 12, x ≥ 0, dan y ≥ 0 adalah ...
a. 24
b. 32
c. 36
d. 40
e. 60
30. Cara membaca analisis regresi linear berganda yang standardized coefficients.?
Jawaban:
pertama menunjukkan variabel apa saja yang diproses, mana yang menjadi variabel bebas dan variabel terikat.
Tabel kedua menampilkan nilai R yang merupakan simbol dari nilai koefisien korelasi. Pada contoh diatas nilai korelasi adalah 0,342. Nilai ini dapat diinterpretasikan bahwa hubungan kedua variabel penelitian ada di kategori lemah. Melalui tabel ini juga diperoleh nilai R Square atau koefisien determinasi (KD) yang menunjukkan seberapa bagus model regresi yang dibentuk oleh interaksi variabel bebas dan variabel terikat. Nilai KD yang diperoleh adalah 11,7% yang dapat ditafsirkan bahwa variabel bebas X1 memiliki pengaruh kontribusi sebesar 11,7% terhadap variabel Y dan 88,3% lainnya dipengaruhi oleh faktor-faktor lain diluar variabel X1.
Tabel ketiga digunakan untuk menentukan taraf signifikansi atau linieritas dari regresi. Kriterianya dapat ditentukan berdasarkan uji F atau uji nilai Signifikansi (Sig.). Cara yang paling mudah dengan uji Sig., dengan ketentuan, jika Nilai Sig. < 0,05, maka model regresi adalah linier, dan berlaku sebaliknya. Berdasarkan tabel ketiga, diperoleh nilai Sig. = 0,140 yang berarti > kriteria signifikan (0,05), dengan demikian model persamaan regresi berdasarkan data penelitian adalah tidak signifikan artinya, model regresi linier tidak memenuhi kriteria linieritas.
Tabel keempat menginformasikan model persamaan regresi yang diperoleh dengan koefisien konstanta dan koefisien variabel yang ada di kolom Unstandardized Coefficients B. Berdasarkan tabel ini diperoleh model persamaan regresi : Y =38,256 + 0,229 X1.
31. Regresi linier dapat diperoleh dari penyajian data dalam bentuk
tabel mungkin.
kayak nya salah
32. apa kelebihan menggunakan regresi linier ?
Membuat estimasi rata rata dan nilai variabel tergantung dengan didasarkan pada nilai variabel bebas
33. contoh soal pilihan ganda dan pembahasan tentang daerah penyelesaian dalam program linier.
mohon maaf tidak sesuai dengan yang diminta yaitu berbentu pilihan ganda
contoh daerah penyelesaian persamaan fariebel.
contoh soal 1.1
x + 2y = 6
jawaban untuk x = 0 , maka
x + 2y = 6
0 + 2y = 6
y = 6/2
y = 3 titiknya { 0,3}
untuk y = 0, maka
x + 2y = 6
x +2(0) = 6
x +0 = 6
x = 6 titiknya { 6,0}
contoh soal 1.2
5x + 3y > 15
jawaban
untuk x = 0 , maka
5x + 3y > 15
5(0) +3y > 15
3y > 15
y > 15/3
y > 5 titiknya = {0,5}
untuk y = 0 , maka
5x + 3y > 15
5x + 3(0) > 15
5x > 15
x > 15/5
x > 3 titiknya = { 3,0 }
gunakan titik uju yaitu (0.0)
5x + 3y > 15
5(0) + 3(0) > 15
0 > 15
pernyataan salah 0 > 15 seharusnya 0 < 15 , maka dareah penyelesaiannya ke arah yang tidak di lewati titik 0,0
contoh soal 1.3
3 ≤ x ≤ 6
artinya x ≥ 3 dan x ≤ 6
34. Pada regresi linier y = a + bx yang merupakan variable independent adalah
Jawaban Singkat
Variabel independen adalah "x".
Jawaban Kompleks Dan Penjelasan
Dalam regresi linier y = a + bx, variabel independen adalah "x". Variabel independen digunakan untuk memprediksi atau menjelaskan variabel dependen "y". Variabel independen merupakan variabel yang dapat kita atur atau manipulasi nilai-nilainya untuk melihat bagaimana itu mempengaruhi variabel dependen. Dalam persamaan regresi linier ini, "x" adalah variabel independen yang digunakan untuk menghitung atau memprediksi nilai "y".
35. Ada berapakah Langka langkah dalam melakukan analisa dengan regresi ganda
Jawaban:
Langkah-langkah yang lazim dipergunakan dalam analisis regresi linear berganda adalah 1) koefisien determinasi; 2) Uji F dan 3 ) uji t. Persamaan regresi sebaiknya dilakukan di akhir analisis karena interpretasi terhadap persamaan regresi akan lebih akurat jika telah diketahui signifikansinya.
Penjelasan dengan langkah-langkah:
Langka langkah dalam melakukan analisa dengan regresi ganda ada 3
36. Apakah yang dimaksud "OLS", "BLUE" dan "CLM" dalam regresi linear berganda?
Jawaban:
OLS dan. BLUE DAN CLM
Penjelasan:
YA GITULAH
37. rumus regresi ganda statistik
Y’ = a + b1X1+ b2X2+…..+ bnXn
Keterangan:
Y’ = Variabel dependen (nilai yang diprediksikan)
X1 dan X2 = Variabel independen
a = Konstanta (nilai Y’ apabila X1, X2…..Xn = 0)
b = Koefisien regresi (nilai peningkatan ataupun penurunan)
38. Tentukan persamaan regresi data berikut menggunakan regresi linier, regresi non linier, dan regresi polinomial, serta hitung kesalahan masing-masing. X 1 2 3 4 5 6 7 8 Y 0,5 0,8 1,2 1,9 3 4,8 7,5 11,9
Jawaban:
setahu saya itu sih, maaf jika salah
39. contoh soal persamaan linier itu bagaimana?
Tentukan nilai x dan y dari persamaan
x + y = 2
2x + y = 5
Jawab:
x + y = 2
2x + y = 5
________ -
- x = - 3
x = 3
y = - 1
jd x = 3 dan y = - 1Lala dan Lili pergi ke canteen setelah pelajaran selesai, rina membeli 3 buah roti dan 4 buah permen sedangkan rana membeli 1 buah roti 3 buah permen dan 2 buah kerupuk.
40. contoh soal tentang program linier
Seorang pedagang sepeda ingin
membeli 25 sepeda untuk persediaan.
Ia ingin membeli sepeda gunung
dengan harga Rp 1.500.000,00 per
buah dan sepeda balap dengan harga
Rp 2.000.000,00 per buah. Ia
berencana tidak akan mengeluarkan
uang lebih dari Rp 42.000.000,00. Jika
keuntungan sebuah sepeda gunung
Rp 500.000,00 dan sebuah sepeda
balap Rp 600.000,00, maka
keuntungan maksimum yang diterima
pedagang adalah …
