Analisis Regresi (regression analysis)

Gujarati (2006) mendefinisikan analisis regresi sebagai kajian terhadap hubungan satu variabel yang disebut sebagai variabel yang diterangkan (the explained variabel) dengan satu atau dua variabel yang menerangkan (the explanatory). Variabel pertama disebut juga sebagai variabel tergantung dan variabel kedua disebut juga sebagai variabel bebas.
analisis regresi regression analysis

Berikut Kumpulan hal-hal yang perlu diketahui mengenai Analisis Regresi. mudah-mudahan mempermudah dalam mencari mengenai Analisis regresi.

Teori:

Teori Analisis regresi linear sederhana

Asumsi-Asumsi yang harus dipenuhi:

Uji Asumsi Analisis Regresi linear

  1. Normalitas

    [TUTORIAL] Uji normalitas SPSS,Uji Kenormalan Shapiro‐Wilk menggunakan R pada Paket R Commander
  2. Homoskedastis

    Penyebab, Dampak dan Mendeteksi Heteroskedastis.


    Mengatasi Heteroskedastis
  3. Non-autokorelasi

    Penyebab, Dampak dan Mendeteksi Autokorelasi
    Mengatasi uji autokorelasi (SPSS)
  4. Non-multikoleniaritas

Bentuk Analisis Regresi yang lain:

Cobb Douglas

Teori Cobb Douglass

Regresi Logistik

Konsep Regresi Logistik Biner/Dikotomi

[Tutorial] Contoh Analisis Regresi Logistik biner/dikotomi dengan SPSS

9 Responses to "Analisis Regresi (regression analysis)"

  1. hehehe kayaknya yang dipaparkan lebih bersifat teknis ya, dan bukan konsep statistiknya ... percaya deh .... manfaatnya akan lebih efektif jika konsepnya yang dipaparkan ....

    ReplyDelete
    Replies
    1. iyaa gan. ni lagi coba belajar nulis supaya bisa lebih mudah dipahami. sebagian bahasanya masih ke bawa dari perkuliahan. Terima kasih kritiknya gan.

      Delete
  2. coba share rumus rumus nya donk. secara lengkap.. misal cara mencari batas atas dan batas bawah .. dalam contoh soalnya jg. thx.. :)

    ReplyDelete
  3. tanya ya, kalau untuk mengatasi data tidak normal itu diapakan ya bapak/ibu ? untuk memilih outlier itu tips yang harus diambil seperti apa? terima kasih

    ReplyDelete
  4. Replies
    1. #input data
      biayaiklan=read.csv("D:/biayaiklan.csv")
      biaya = biayaiklan$biaya.iklan
      penjualan =biayaiklan$penjualan

      #scatterplot
      plot(biaya,penjualan)

      #korelasidankovariansi
      cov(biaya, penjualan)
      cor(biaya, penjualan)

      #koefisienmodel
      model=lm(penjualan~biaya)
      summary(model)

      #titik kritis
      fcrit = qf(1-0.05,1,10)
      fcrit
      tcrit = qt(1-0.05/2,10)
      tcrit
      #plot model
      abline(model)
      #residual
      model.res=resid(model)
      plot(biaya,model.res.ylab="penjualan",xlab="biaya iklan", main="plot residual")

      #kenormalan residual
      model.stdres=rstandard(model)

      #plot kenormalan residual
      qqnorm(model.stdres,ylab="standarized residuals",
      xlab="normal scores", main="plot kenormalan residual")

      Delete
    2. sama sampean liat ya mas dari data tersebut itu cara pakai R salah satunya bukannya bilang mboh mas si nilainya tar ada B0 sama B1 diperoleh dari estimate std kebawah bagus kok pake R gampang mas ra angel nek F hitung mu mas>ftabel berati Ho mu ditolak ono korelasi brati. terakhir mas mbok delo neng tcrit neng buri kirimu mas terus ono thitung seng 6,7 nek ra seneng karo uji F iso ngoo uji T. selamat mencoba mas salam statistika

      Delete
  5. We are a profound Web Design Company in Bangalore that creates a brand, logo, key messaging, and website design, web development, e-commerce websites. We desire to provide small and medium businesses, a digital approach without hefty costs that other agencies charge. Our website design agency has experience working in a variety of sectors like manufacturing, agriculture, construction, technology, financial, health, hospitality, and more. visit:https://oyewebsite.com/web-design-bangalore/

    ReplyDelete