Regresi linier adalah metode statistik yang digunakan untuk memodelkan hubungan antara variabel dependen (variabel yang ingin diprediksi) dan satu atau lebih variabel independen (variabel prediktor). Tujuan utama dari regresi linier adalah untuk menemukan garis lurus (atau bidang dalam kasus regresi linier berganda) yang paling sesuai dengan data, sehingga kita dapat memprediksi nilai variabel dependen berdasarkan nilai variabel independen
Berikut adalah beberapa poin penting tentang regresi linier:
- Hubungan Linear: Regresi linier mengasumsikan bahwa ada hubungan linear antara variabel independen dan dependen. Artinya, perubahan pada variabel independen akan menghasilkan perubahan yang proporsional pada variabel dependen.
- Persamaan Linear: Hubungan antara variabel-variabel ini dinyatakan dalam bentuk persamaan linear, seperti y = mx + c, di mana:
- y adalah variabel dependen.
- x adalah variabel independen.
- m adalah kemiringan garis (menunjukkan seberapa besar perubahan y untuk setiap perubahan x).
- c adalah intersep (nilai y ketika x = 0).
- Regresi Linier Sederhana dan Berganda:
- Regresi linier sederhana melibatkan satu variabel independen.
- Regresi linier berganda melibatkan lebih dari satu variabel independen.
- Penggunaan: Regresi linier digunakan dalam berbagai bidang, termasuk ekonomi, keuangan, ilmu sosial, dan teknik, untuk:
- Memprediksi nilai masa depan.
- Mengidentifikasi faktor-faktor yang mempengaruhi suatu hasil.
- Memahami hubungan antara variabel-variabel.
Secara singkat, regresi linier adalah alat yang kuat untuk memahami dan memprediksi hubungan antara variabel-variabel dalam data
soal pilihan ganda regresi linier
0%
1: Pernyataan ini benar tentang Regresi dan Korelasi, KECUALI?
A)Dalam Regresi, ada yang dianggap variabel random, ada yang dianggap variabel
fixed. Dalam Korelasi, semuanya dianggap variabel fixed
B) Dalam Regresi, bisa lebih dari dua variabel. Dalam Korelasi hanya dua variabel
C) Dalam Regresi, ada yang dianggap variabel random, ada yang dianggap variabel
fixed. Dalam Korelasi, semuanya dianggap variabel random
D) Tujuan regresi mendapatkan koefisien regresi. Tujuan korelasi mendapatkan
koefisien korelasi.
Explanation:
2: Pertanyaan: Sebutkan apa saja Asumsi Klasik dalam analisis Regresi Linear Berganda yang harus
terpenuhi?
A) ada Multikolinearitas, tidak ada Heteroskedastisitas, tidak ada Autokorelasi,
B) Tidak ada Heteroskedastisitas, tidak ada Autokorelasi, berdistribusi Normal
C) Tidak ada Multikolinearitas, tidak ada Heteroskedastisitas, tidak ada Autokorelasi
D) Tidak ada Multikolinearitas, tidak ada Heteroskedastisitas, tidak ada Autokorelasi,
berdistribusi Normal
Explanation:
3: Berapa jumlah data yang digunakan (n) paga gambar diatas?
A) 11
B) 10
C) 8
D) 2
Explanation: A/B testing involves comparing two versions (A and B) to identify which performs better in terms of user engagement or other metrics.
4: Sebutkan apa saja Asumsi Klasik dalam analisis Regresi Linear Berganda yang harus
terpenuhi?
A) Ada Multikolinearitas, tidak ada Heteroskedastisitas, tidak ada Autokorelasi,
berdistribusi Normal
B) Tidak ada Heteroskedastisitas, tidak ada Autokorelasi, berdistribusi Normal
C) Tidak ada Multikolinearitas, tidak ada Heteroskedastisitas, tidak ada Autokorelasi
D) Tidak ada Multikolinearitas, tidak ada Heteroskedastisitas, tidak ada Autokorelasi,
berdistribusi Normal
Explanation:
5: Jumlah variabel masing-masing Y dan X dalam regresi pada gambar diatas
A) Y ada 1 X ada 2
B) Y ada 1 X ada 3
C) Y ada 1 X ada 4
D) Y ada 1 X ada 1
Explanation: Bagging involves training multiple models on different subsets of the data to create diverse models.
6: Perbedaan Regresi Linear Sederhana dengan Regresi Linear Berganda
A) Sederhana: X cuman 1, Y cuman 1. Berganda: X lebih dari 1, Y lebih dari 1
B) Sederhana: X lebih dari 1, Y cuman 1. Berganda: X cuman 1, Y cuman 1
C) Sederhana: X cuman 1, Y cuman 1. Berganda: X lebih dari 1, Y cuman 1
D) Sederhana: X cuman 1, Y lebih dari 1. Berganda: X lebih dari 1, Y lebih dari 1
Explanation:
7: Sebutkan apa saja ukuran kebaikan model dalam analisis Regresi Linear Berganda?
A) R-Square, Uji F dan Uji t
B) R-Square, koefisien regresi, dan Uji F
C) R-Square, koefisien regresi, dan Uji t
D) Koefisien regresi, Uji F dan Uji t
Explanation:
8: Sebutkan apa saja ukuran kebaikan model dalam analisis Regresi Linear Sederhana?
A) R-Square dan Uji t
B) R-Square, Uji F dan Uji t
C) R-Square, koefisien regresi, dan Uji t
D) Koefisien regresi, Uji F dan Uji t
Explanation:
9: Sebutkan apa saja Asumsi Klasik dalam analisis Regresi Linear Sederhana yang harus
terpenuhi?
A) Ada Multikolinearitas, tidak ada Heteroskedastisitas, tidak ada Autokorelasi,
berdistribusi Normal
B) Tidak ada Heteroskedastisitas, tidak ada Autokorelasi, berdistribusi Normal
C) Tidak ada Multikolinearitas, tidak ada Heteroskedastisitas, tidak ada Autokorelasi
D) Tidak ada Multikolinearitas, tidak ada Heteroskedastisitas, tidak ada Autokorelasi,
berdistribusi Normal
Explanation:
10: Sebutkan apa saja Asumsi Klasik dalam analisis Regresi Linear Berganda yang harus
terpenuhi?
A) Ada Multikolinearitas, tidak ada Heteroskedastisitas, tidak ada Autokorelasi,
B) Tidak ada Heteroskedastisitas, tidak ada Autokorelasi, berdistribusi Normal
C)Tidak ada Multikolinearitas, tidak ada Heteroskedastisitas, tidak ada Autokorelasi
D) Tidak ada Multikolinearitas, tidak ada Heteroskedastisitas, tidak ada Autokorelasi,
berdistribusi Normal
Explanation:
Report Card
Total Questions Attempted: 0
Correct Answers: 0
Wrong Answers: 0
--
