Contoh soal beserta penyelesainya regresi linier intervening dan moderating
1. 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.
2. satu soal tentang korelasi satu soal tentang regresi beserta penyelesaiannyabantuannya kaka
Jawaban:
Analisis regresi mencoba untuk mengestimasi atau memprediksikan nilai rata-rata suatu variabel yang sudah diketahui nilainya, berdasarkan suatu variabel lain yang juga sudah diketahui nilainya. Misalnya, kita ingin mengetahui apakah kita dapat memprediksikan nilai rata-rata ujian statistik berdasarkan nilai hasil ujian matematika
Maap klu sala :<
Penjelasan dengan langkah-langkah:
ini jawabannya semoga membantu ya
3. 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
4. Berikan contoh perhitungan metode regresi dalam estimasi permintaan!
1. Diketahui suatu penelitian terhadap hubungan antara nilai biaya periklanan dengan tingkat penjualan dari sebuah koperasi adalah sebagai berikut : (dalam ribuan rupiah)
Biaya periklanan
Tingkat Penjualan
50
40
51
46
52
44
53
55
54
49
a. Tentukan persamaan regresinya
b. Berapa besarnya koefisien korelasi dan koefisien determinasinya ?
c. Berapa besarnya kesalahan standar estimasinya ?
d. Dengan tingkat signifikasi 10%, ujilah hipotesis yang menyatakan bahwa hubungan antara biaya periklanan dan tingkat penjualan sedikitnya 40%!
Jawab :
a. Menentukan persamaan regresinya
Langkah 1 :
Menentukan variable X dan variable Y. Dalam soal ini variable biaya periklanan merupakan variable X dan tingkat penjualan merupakan variable Y.
Langkah 2 :
Membuat table regresi sederhana
Periklanan (X)
Tkt. Penjualan (Y)
(X)2
(Y)2
(XY)
50
40
2500
1600
2000
51
46
2601
2116
2346
52
44
2704
1936
2288
53
55
2809
3025
2915
54
49
2916
2401
2646
260
234
13530
11078
12195
Langkah 3 :
Menentukan koefisien a dan koefisien b
b = n ∑XY – ∑X.∑Y
n ∑X2 – (∑X2)
= 5 (12195) –(260)(234)
5 (13530) – (260)2
= 2,7

a = ∑Y – b ∑X
n
= {(234) – 2,7 (260)} / 5
= -93,6
Langkah 4:
Menentukan persamaan regresi linier sederhana
Y = a + b (X)
Maka persamaan regresi dalam soal ini adalah :
Y = -93,6 + 2,7 (X)
b. Menentukan besarnya koefisien korelasi dan koefisien determinasi
Koefisien korelasi :
r = n (∑XY) – (∑X) (∑Y)
[ n (∑X2) – (∑X2)]1/2 [ n (∑Y2) – (∑Y)2]1/2
= 5(12195) – (260) (234)
[ 5 (13530) – (260)2] 1/2 [ 5 (11078) – (234)2]1/2
= 0,76
C. Menentukan besarnya kesalahan standar estimasi
 Se = ∑Y2 – a ∑Y – b ∑XY)
n-2

= √( 11078 - (-93,6) (234) – (2,7) (1915))
5 -2
= 4,24
5. Diketahui suatu persamaan regresi sebagai berikut: Yt = α + β1X1t + β2X2t-1 + et Jelaskan apa arti notasi t-1 pada variabel X2 dan saat kondisi apa peneliti menggunakan notasi tersebut pada persamaan regresinya?
Notasi t-1 pada variabel X2 pada persamaan regresi tersebut menunjukkan bahwa variabel X2 pada waktu t-1 digunakan sebagai salah satu prediktor untuk menjelaskan nilai Y pada waktu t.
Notasi t-1 pada variabel X2 digunakan pada kasus ketika peneliti memperkirakan bahwa nilai Y pada waktu t dipengaruhi oleh nilai X2 pada waktu t-1, yaitu terdapat lag satu periode antara variabel X2 dan Y. Hal ini bisa terjadi pada beberapa kasus, misalnya pada penelitian ekonomi ketika terdapat keterlambatan dalam respons variabel dependen terhadap variabel independen.
Dengan menggunakan notasi t-1 pada variabel X2, peneliti bisa memperkirakan pengaruh variabel X2 pada nilai Y pada waktu t dengan mempertimbangkan nilai variabel X2 pada waktu sebelumnya (t-1).
6. Ketika membaca cepat kita harus menghindari regresi .Regresi adalah
Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel (-variabel) yang lain.
7. Diperoleh bentuk model persamaan regresi sebagai berikuty=33,83 + 1,98x1 - 0,11x2dimanax1= umur (tahun)x2= tinggi (cm)y= berat badan (kg)intepretasikan arti dari model persamaan regresi berganda tersebut!
Jawaban:
Berat badan seseorang bertambah 35,81 kg setiap satu tahun umurnya dikurangi 0,11 kg setiap kenaikan satu cm tingginya
Penjelasan:
Semoga membantu
8. Apa yang dimaksud dengan model regresi ? dan bagaimana model regresi yang ideal?
Jawaban:
• Model regresi adalah metode analisis statistik
untuk melihat pengaruh antara dua atau lebih
banyak variabel
• Model regresi yang ideal memiliki
eksogenitas yang lemah,bersifat linier,varians
error atau varians residual yang tidak
berubah ubah pada response yang berbeda,
dan autokolerasi untuk data time series
Jgn lupa kasih bintang, love, dan follow ya, jadikan yg terbaik
9. cara membuat Persamaan regresi
ini dalam berbentuk file ya !
10. Diketahui persamaan regresi Y = 35 +5X, jika Y = 50 maka nilai X adalah.
Jawaban:
3
Penjelasan dengan langkah-langkah:
Y=35+5x
Nilai Y adalah 50
Maka
50=35+5x
5x=50-35
5x/5=15/5
x=3
Jadi nilai X adalah 3
11. contoh dari laut regresi adalah
Jawaban:
•Contoh laut regresi adalah laut di utara pulau jawa
Semoga Menbantu
12. 2. Melalui hasil pengujian regresi pada variabel kemandirian belajar (X) dengan intensi menyontek (Y) diperoleh hasil persamaan garis regresi Y = 5,57-6,07X. Jelaskan interpretasi Anda mengenai persamaan tersebut!
........................
Penjelasan dengan langkah-langkah:
.,,,.,.,..,
13. Perhatikan hasil regresi berikut. Apakah persamaan garis regresi yang tepat?
Jawaban:
Aki cums may dapet point nyadoang
Penjelasan:
maaaaaf
14. 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 :) :)
15. persamaan regresi tentang diameter ikan
Jawaban:
1 250 12 8 450 202 150 10 9 550 25
3 100 9 10 350 18
4 200 11 11 250 135 300 14 12 500 24
6 350 15 13 300 177 500 25 14 350 19
15 300 17
Penjelasan:
1 250 12 8 450 20
2 150 10 9 550 253 100 9 10 350 18
4 200 11 11 250 13
5 300 14 12 500 246 350 15 13 300 17
7 500 25 14 350 1915 300 17
16. 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
17. jelaskan perbedaan antara laut transgesi dan regresi serta berikan contohnya
1. Laut Transgresi, terjadi karena permukaan air laut bertambah tinggi. Laut transgresi umumnya terdiri dari laut dangkal yang kedalamannya kurang dari 200 meter. Contoh laut transgresi adalah Laut Jawa, Laut Cina Selatan dan Laut Arafura.
2. Laut Regresi, terjadi karena laut mengalami penyempitan akibat adanya proses sedimentasi lumpur yang dibawa oleh sungai.
18. Mau tanya tentang statistik yang di maksud dengan statistik regresi itu apa sih..? dan contohnya seperti apa..?
.Statistika regresi/Analisis Regresi adalah suatu metode untuk bisa menentukan sebab-akibat antara 1 variabel dg variabel lain.
Contohya :
-Saat kita menganalisis tentang produksi misal lama nya hingga kerusakan terjadi dari tanggal produksi barang tsb
-Seimbang/tidaknya pekerja yang dimiliki & output yg dihasilkan.
19. jelaskan perbedaan antara laut transgresi dan regresi serta berikan contohnya
Laut transgresi atau laut meluas yaitu laut yang terjadi karena perubahan permukaan air laut positif, baik yang disebabkan oleh kenaikan permukaan air laut itu sendiri atau turunnya daratan perlahan lahan, sehingga sebagian daratan digenangi air. Laut transgresi pada umumnya terbentuk pada akhir zaman es. Contohnya Laut Utara dan Laut Jawa. Sedangkan laut regresi atau laut menyempit yaitu laut yang terjadi pada zaman es dan merupakan kebalikan dari laut transgresi
20. Jika guru tersebut memodelkan persamaan hubungan tersebut dalam 0 1 i i i Y X = + + tentukan: a. Hipotesis statistik dan kriteria pengujian hipotesis statistiknya! b. Koefisien – koefisien persamaan regresi! c. Nilai statistik uji keberartian koefisien regresi, kelinearan model regresi, dan kesesuaian model regresi! d. Pengujian keberartian koefisien regresi, kesesuaian model regresi melalui tabel Anova dan koefisien determinasi, serta penarikan kesimpulan!
A) Hipotesis statistik dan kriteria pengujian hipotesis statistiknya:
Hipotesis statistik:
H0: β1 = 0 (tidak ada hubungan antara hasil nilai partisipasi di rumah dengan nilai prestasi matematika)H1: β1 ≠ 0 (ada hubungan antara hasil nilai partisipasi di rumah dengan nilai prestasi matematika)Ketika kita ingin menguji benar atau tidaknya suatu hal, kita menggunakan bilangan khusus yang disebut α, yaitu 0,05. Jika hasil yang kita peroleh dari pengujian kita lebih kecil dari α, maka kita dapat mengatakan bahwa apa yang kita uji itu tidak benar, dan ada hal lain yang benar.
B) Koefisien - koefisien persamaan regresi:
Persamaan regresi dapat ditulis sebagai:
Y = β0 + β1X + ε
Dalam persamaan di atas:
β0 adalah koefisien regresi untuk konstanta (intercept)β1 adalah koefisien regresi untuk variabel X (hasil nilai partisipasi di rumah)ε adalah kesalahan acakKita dapat menggunakan metode yang disebut kuadrat terkecil untuk mengetahui seberapa besar pengaruh suatu hal terhadap hal lain. Tapi karena Anda tidak memberi saya semua informasinya, saya tidak tahu jumlah pastinya.
C) Nilai statistik uji keberartian koefisien regresi, kelinearan model regresi, dan kesesuaian model regresi:
Untuk mengevaluasi signifikansi koefisien regresi, linearitas model regresi, dan kesesuaian model regresi, kita dapat menggunakan analisis varians (ANOVA) dan koefisien determinasi (R-squared).
Uji keberartian koefisien regresi: Dalam tabel ANOVA, kita dapat melihat nilai F-statistik dan p-value yang terkait dengan koefisien regresi. Jika nilai p-value kurang dari α (0,05), maka kita dapat menyimpulkan bahwa setidaknya satu koefisien regresi signifikan secara statistik.Uji kelinearan model regresi: Dalam analisis regresi, kita dapat menggunakan uji asumsi klasik seperti uji normalitas residual dan uji homoskedastisitas residual untuk memeriksa kelinearan model regresi.Uji kesesuaian model regresi: Koefisien determinasi (R-squared) dapat digunakan untuk mengukur seberapa baik model regresi cocok dengan data. Nilai R-squared berkisar antara 0 dan 1, dan semakin tinggi nilainya, semakin baik model regresi cocok dengan data.D)Pengujian keberartian koefisien regresi, kesesuaian model regresi melalui tabel ANOVA dan koefisien determinasi, dan menarik kesimpulan. Untuk menilai signifikansi koefisien regresi dan kesesuaian model regresi, perlu dilakukan perhitungan nilai F-statistik dan p-value yang dikaitkan dengan koefisien regresi dengan memanfaatkan tabel ANOVA. Jika nilai p ditemukan lebih rendah dari α (0,05), maka dapat disimpulkan bahwa setidaknya satu koefisien regresi mempunyai signifikansi statistik dan model regresi secara efektif sesuai dengan data.
PembahasanTujuan analisis regresi adalah untuk memperkirakan besar kecilnya Variabel Terikat dengan menggunakan data dari Variabel Independen yang sudah diketahui besarnya. Dalam penelitian ini disebutkan bahwa apabila ditemui nilai konstanta negatif maka dapat diartikan nol. Akibatnya tidak ada variabel independen yang teridentifikasi sehingga tidak ada keputusan pembelian yang diambil.
Syarat untuk menerapkan analisis regresi adalah:
Data yang digunakan diperoleh dari populasi yang mengikuti distribusi normal. Terdapat hubungan yang signifikan antara variabel independen dan variabel dependen. Data harus berada pada skala interval.Pelajari lebih lanjutMateri tentang analisis regresi https://brainly.co.id/tugas/22165523
#BelajarBersamaBrainly #SPJ1
21. 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
22. contoh kasus penyimpangan asumsi asumsi penting analisis regresi
Jawaban:
-heterosekdastisitas
-autokorelasi
-multikolibearitas
-normalitas
23. Tentukan persamaan regresi nya Tahun 2012,2013,2014,2015 X 3,2,5,4 Y 4,1,5,4
Jawaban:
Y = -1.05 + 1.3X
Penjelasan dengan langkah-langkah:
Untuk menentukan persamaan regresi, kita perlu menggunakan metode regresi linier sederhana dengan satu variabel prediktor (X) dan satu variabel respons (Y). Dalam hal ini, kita memiliki data sebagai berikut:
Tahun: 2012, 2013, 2014, 2015
X: 3, 2, 5, 4
Y: 4, 1, 5, 4
Langkah-langkah untuk menentukan persamaan regresi adalah sebagai berikut:
1. Hitung rata-rata dari X dan Y:
X̄ = (3 + 2 + 5 + 4) / 4 = 14 / 4 = 3.5
Ȳ = (4 + 1 + 5 + 4) / 4 = 14 / 4 = 3.5
2. Hitung selisih antara setiap nilai X dengan rata-rata X dan setiap nilai Y dengan rata-rata Y:
X - X̄: -0.5, -1.5, 1.5, 0.5
Y - Ȳ: 0.5, -2.5, 1.5, 0.5
3. Hitung perkalian setiap selisih:
(X - X̄)(Y - Ȳ): -0.25, 3.75, 2.25, 0.25
4. Hitung kuadrat dari selisih X:
(X - X̄)^2: 0.25, 2.25, 2.25, 0.25
5. Hitung jumlah dari selisih yang telah dihitung:
Σ(X - X̄)(Y - Ȳ): 6.5
Σ(X - X̄)^2: 5
6. Hitung koefisien regresi:
b = Σ(X - X̄)(Y - Ȳ) / Σ(X - X̄)^2
= 6.5 / 5
= 1.3
7. Hitung nilai intercept (a):
a = Ȳ - bX̄
= 3.5 - (1.3 * 3.5)
= 3.5 - 4.55
≈ -1.05
Jadi, persamaan regresi untuk data ini adalah:
Y = -1.05 + 1.3X
Ini adalah persamaan garis regresi yang dapat digunakan untuk memprediksi nilai Y berdasarkan nilai X yang diberikan.
24. sebutkan contoh model regresi dalam sistem informasi geografis?
Jawaban:
satu literatur di bidang pengajaran dan penelian dalam bidang Sistem Informasi Geografis.
… Seap objek geografi mengarah pada spesifikasi lokasi dalam suatu space.
Penjelasan:
Semoga membantu
Maaf kalo salah
25. 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
26. membuat grafik persamaan regresi yang telah di tentukan Y=-0,012 + (-0,00) x
Jawaban:
dibawah
Penjelasan dengan langkah-langkah:
Dalam persamaan regresi yang diberikan, yaitu Y = -0,012 - 0,00x, terdapat koefisien regresi yang telah ditentukan. Koefisien regresi tersebut adalah -0,012 untuk konstanta (intercept) dan -0,00 untuk koefisien x.
Untuk membuat grafik persamaan regresi ini, kita perlu menentukan rentang nilai x yang ingin ditampilkan pada grafik. Setelah itu, kita dapat menggantikan nilai x pada persamaan regresi untuk menghitung nilai y yang sesuai.
Misalnya, jika kita ingin menggambarkan grafik untuk rentang nilai x dari -10 hingga 10, langkah-langkahnya adalah sebagai berikut:
1. Tentukan rentang nilai x yang ingin ditampilkan. Misalnya, -10 hingga 10.
2. Pilih beberapa titik nilai x dalam rentang tersebut. Misalnya, x = -10, -5, 0, 5, dan 10.
3. Gunakan persamaan regresi untuk menghitung nilai y yang sesuai dengan nilai x yang telah dipilih. Misalnya:
- Ketika x = -10, y = -0,012 - 0,00(-10) = -0,012.
- Ketika x = -5, y = -0,012 - 0,00(-5) = -0,012.
- Ketika x = 0, y = -0,012 - 0,00(0) = -0,012.
- Ketika x = 5, y = -0,012 - 0,00(5) = -0,012.
- Ketika x = 10, y = -0,012 - 0,00(10) = -0,012.
4. Buat grafik dengan sumbu x dan sumbu y. Tandai titik-titik yang telah dihitung pada langkah sebelumnya.
Dalam kasus ini, persamaan regresi Y = -0,012 - 0,00x akan menghasilkan garis horizontal pada nilai y = -0,012, karena koefisien x adalah 0. Grafik tersebut akan memiliki titik-titik di sepanjang sumbu x pada nilai y = -0,012.
Namun, perlu diperhatikan bahwa karena koefisien x adalah 0, grafik tersebut tidak akan berubah dengan perubahan nilai x. Sehingga, pada praktiknya, grafik tersebut akan menunjukkan sebuah titik pada nilai y = -0,012 pada sumbu y tanpa bergantung pada nilai x yang digunakan.
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. buatlah persamaan regresi untuk menunjukan hubungan kedua variabel di atas
Jawab:
kehadiran = x
nilai = y
n = 20
∑x = 212 ⇒ jumlahin semua x
∑y = 805 ⇒ jumlahin semua y
∑xy = 10110 ⇒ jumlahin semua (x × y)
∑x² = 2596 ⇒ jumlahin semua x²
Sxx = ∑x² - (∑x)²/n = 2596 - (212)²/20 = 2596 - 2247.2 = 348.8
Sxy = ∑xy - (∑x)(∑y)/n = 10110 - (212)(805)/20 = 10110 - 8533 = 1577
untuk persamaan regresi y = a + bx,
b = Sxy/Sxx
b = 1577 / 348.8
b ≈ 4.52
a = (∑y - b(∑x)) / n
a = (805 - 4.52(212)) / 20
a = (805 - 958.24) / 20
a = -153.24 / 20
a = -7.66
persamaannya jadi y = -7.66 + 4.52x
29. 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.
30. a. buatlah persamaan regresi sederhanab. interpretasi dari persamaan regresi tersebutc. prediksi omzet penjualan jika ditentukan biaya promosi 25 juta rupiah
Jawaban:
c predikat ozmet jualan jika ditentukan promosi 25 juta rupiah
31. apa yg dimaksud dengan persamaan regresi
Jawaban:
Regresi merupakan suatu alat ukur yang juga dapat digunakan untuk mengukur ada atau tidaknya korelasi antarvariabel. Jika kita memiliki dua buah variabel atau lebih maka sudah selayaknya apabila kita ingin mempelajari bagaimana variabel-variabel itu berhubungan atau dapat diramalkan.
Penjelasan dengan langkah-langkah:
Persamaan Regresi Linier dari Y terhadap X
Persamaan regresi linier dari Y terhadap X dirumuskan sebagai berikut:
Y = a + b X
Keterangan:
Y = variabel terikat
X = variabel bebas
a = intersep
b = koefisien regresi/slop
Pada persamaan tersebut di atas, nilai a dan b dapat ditentukan dengan cara sebagai berikut:
rumus regresi sederhana
Contoh latihan soal regresi sederhana
Berikut ini adalah data pengalaman kerja dan omzet penjualan dari 8 marketing pada PT Bang Toyib Gak Pulang-pulang
contoh latihan soal regresi sederhana
Pertanyaan: 1. Tentukan nilai a dan b ! 2. Buatkan persamaan garis regresinya ! 3. Berapa perkiraan omzet penjualan dari seorang marketing yang memiliki pengalaman kerjanya 3,5 tahun?
Penyelesaian:
tabel penolong regresiregresi linier sederhana
Dijawab:
1. nilai a = 3,25 dan b = 1,25 2. Persamaan regresi liniernya adalah
Y = a + bX
= 3,25 + 1,25X
1. Nilai duga Y, jika X = 3,5
Y = a + bX
= 3,25 + 1,25X
= 3,25 + 1,25 (3,5)
= 7,625
32. CARI CONTOH KASUS (REGRESI BERGANDA). HITUNG KONSTANTA, KOEFISIEN REGRESI. CARI FUNGSI PERSAMAAN DAN INTERPRETASIKAN.
Jawab:
Penjelasan dengan langkah-langkah:
33. 1. Apa itu fungsi regresi populasi dan fungsi regresi sampel? Silahkan tulis persamaan matematisnya dan jelaskan masing-masing error termnya menggunakan grafik.
Jawaban:
Fungsi regresi populasi adalah model matematis yang digunakan untuk menggambarkan hubungan antara dua atau lebih variabel dalam seluruh populasi yang ingin diuji. Ini adalah model yang ideal dan mencerminkan hubungan sebenarnya antara variabel-variabel tersebut di seluruh populasi. Persamaan matematisnya biasanya dilambangkan sebagai y = f(x), di mana "y" adalah variabel dependen dan "x" adalah variabel independen.
Fungsi regresi sampel adalah model matematis yang digunakan untuk menggambarkan hubungan antara variabel-variabel dalam sampel yang diambil dari populasi. Ini adalah model yang digunakan untuk membuat perkiraan tentang fungsi regresi populasi berdasarkan data yang tersedia dari sampel. Persamaan matematisnya juga adalah y = f(x).
34. 1. Hasil analisis regresi, bisa significant atau tidak dalam pengujian, baik terhadap angka konstanta maupun angka koefisien regresi variabel tertentu. Buktikan secara emperis bahwa jika angka konstanta tidak siqnificant dan koefsien regresi significant bertanda positip maka garis regresi predikasi akan berawal dari titik origin berikan pula interpretasinya 2. Jika koefisien regresi variabel tertentu tidak siqnificant maka dikatakan bahwa variabel bebas tidak berpengaruh thd variabel tak bebas. Lakukan bukti secara emperis, jelaskan dan disertai gambar (asumsi : regresi sederhana)
Interpretasi data adalah suatu penyampaian informasi yang terdapat pada suatu data. Berdasarkan soal, dapat disimpulkan bahwa interpretasi dari pernyataan tersebut adalah apabila jika angka konstanta tidak signifikan dan koefsien regresi signifikan bertanda positip dapat diketahui dari hasil analisis regresi.
Pembahasan:
Saat melihat suatu data maka kita bisa mengetahui berbagai informasi. Informasi tersebut diperoleh dari interpretasi data. Interpretasi data adalah suatu penyampaian informasi yang terdapat pada suatu data.
Pelajari lebih lanjut
Materi tentang pengertian update data https://brainly.co.id/tugas/244395
#BelajarBersamaBrainly #SPJ4
35. berikan 2 contoh masing-masing perubahan yang bersifat progress dan perubahan regresi
Suku baduy luar bersifat progress contohnya: - mereka sudah menerapkan listrik di rumah mereka
-menyekolahkan anak2 mereka di sekolah informal
Suku baduy dalam bersifat regresi contohnya:- mereka mengisolasikan diri mereka dari budaya luar yg dianggap bisa merusak mental anak2nya
-mereka tidak mau menerapkan listrik di rumah 2 mereka
36. Mau tanya tentang statistik yang di maksud dengan statistik regresi itu apa sih..? dan contohnya seperti apa..?
regresi dalam statistik adalah regresi linier yang dipergunakan untuk mengetahui pengaruh antara satu atau beberapa variabel terhadap satu buah variabel. variabel yang mempengaruhi disebut variabel bebas sedangkan variabel yang dipengaruhi adalah variabel terikat. contoh: misalnya kita mengadakan penelitian terhadap pengaruh jajanan tidak sehat terhadap kemampuan berpikir siswa. nah, dengan menggunakan regresi linier kita bisa melihat seberapa besar pengaruh jajanan (variabel bebas), dengan kemampuan berpikir siswa ( variabel terikat)...begitu loh naakk
37. 1. Tentukan persamaan regresi Y atas X2.tentukan koefisien korelasi ( gunakan rumus korelasi dalam regresi )3. Apakah ada hubungan yang signifikan antara motivasi berprestasi dengan hasil belajar matematika siswa?TOLONG DIBANTU YA KAK/BG,DATA SOALNYA SAYA LAMPIRKAN FOTONYA
Jawaban:
isilah titiktitik berikut dengan bilangan yg tepat
38. 8. Persamaan regresi adalah suatu persamaan matematika yang menunjukkan hubungan antara variabel bebas dengan variabel tak bebas. Jika hasil uji statistik menunjukkan persamaan regresi sebagai berikut: Y = 0,324X1 + 0,324X2 Dimana: Y adalah Kepuasan Wisatawan X1 adalah Kualitas Pelayanan X2 adalah Fasilitas Wisata Jelaskan arti persamaan tersebut!
Jawaban:
Persamaan regresi yang diberikan adalah:
Y = 0,324X1 + 0,324X2
Dalam konteks ini:
- Y adalah variabel dependen atau variabel tak bebas, yang mewakili "Kepuasan Wisatawan".
- X1 adalah variabel independen pertama atau variabel bebas pertama, yang mewakili "Kualitas Pelayanan".
- X2 adalah variabel independen kedua atau variabel bebas kedua, yang mewakili "Fasilitas Wisata".
Arti persamaan tersebut adalah bahwa tingkat kepuasan wisatawan (Y) diprediksi atau dijelaskan oleh kombinasi linier dari kualitas pelayanan (X1) dan fasilitas wisata (X2). Koefisien regresi 0,324 mengindikasikan seberapa besar pengaruh atau kontribusi masing-masing variabel bebas terhadap kepuasan wisatawan.
Dalam hal ini, jika nilai X1 meningkat sebesar satu satuan, dan semua faktor lainnya tetap konstan, maka kepuasan wisatawan (Y) diperkirakan akan meningkat sebesar 0,324 satuan. Hal yang sama berlaku untuk variabel X2.
Persamaan regresi ini digunakan untuk melakukan prediksi atau estimasi tingkat kepuasan wisatawan berdasarkan kualitas pelayanan dan fasilitas wisata. Namun, penting untuk diingat bahwa hasil regresi adalah hasil statistik dan estimasi, dan dapat terjadi perbedaan antara nilai prediksi dan nilai aktual dalam situasi dunia nyata.
Penjelasan:
39. rumus persamaan regresi uji heteroskedastisitas rank spearman
ABS_RES(RES_1). Maka akan muncul 1 variabel baru yaitu ABS_RES.(semoga benar)
40. Buatlah contoh kasus bagaimana menghitung analisis regresi linear.
Jawaban:
Penjelasan ada di bawah.
Penjelasan:
Menentukan tujuan dari Analisis Regresi Linear Sederhana.
Mengidentifikasi variabel predictor dan variabel response.
Melakukan pengumpulan data dalam bentuk tabel.
Menghitung X², XY dan total dari masing-masingnya.
