regression Y(harga) versus Usia: --baca belakangnya dulu baru baca depan nya.

fitted line plot --> kalau usia nya bertambah(3,944 dalam tahun) maka harga nya
berkurang (-7852jt)

normal nya jika km bertambah, maka harga semakin turun

normal nya jika usia bertambah, maka harga semakin turun

fitted line plot harga dibandingkan dengan usia pakai :

jika usia nya berkurang sebanyak 3,944 tahun, maka harga bertambah sekitar 103,4jt

fit = ramalan
ditawarkan dengan harga lebih tinggi (regression analysis)
yang dibaca yang fits and diagnostics for unusual observations
obs = row ke tiga
harga = harga yang ditawarkan
fit = seharusnya berapa
resid = eror
std resid = eror yang di std kan, ditambah 2 dari nilai aslinya.
Jika pada kolom std resid ada R maka yang paling tidak berpengaruh, karena
jauh dari garis
Jika pada kolom std resid ada X maka paling berpengaruh

fitted line plot jika dibandingkan tahun dan jarak tempuh, hasilnya makin jelek
karena titik nya berhamburan
jauh dari garis lurus.
S = rata-rata kesalahan
normal nya semakin rendah nilai S maka nila R-SQ semakin bagus.
Abaikan nilai R-sq(adj)

Nilai P = (P value) berarti angka yang membantu kita untuk menyimpulkan apakah
perhitungan kita benar atau tidak.
Jika nilai P < 0.05, maka nilai nya bagus, sebaliknya. Nilai P bagus banget jika
nilai nya 0.00

R -Sq = tingkat R nya, semakin mendekati 100% semakin kecil kesalahan, dan
sebaliknya. R kuadrat.
jika R kuadrat nya semakin tinggi maka semakin mempengaruhi harga, sebaliknya.

x = data yang nyeleneh (yang titiknya jauh dari garis lurus/tengah)

An X denotes a point with a large leverage value. Minitab labels leverage
values greater than 3 * number of
model terms/number of observations or leverage values greater than 0.99,
whichever is smaller.

r = yang nilai resid nya besar. Tapi aku ga ngerti apa artinya nilai R besar.
An R denotes an extreme standardized residual.
Minitab labels standardized residuals with absolute values greater than 2.

Nb, nilai X dan R selalu berjalan beriringan. Jika yang dibandingkan adalah
misal harga, usia, dan KM.
Normalnya jika usia tua, maka km nya tinggi, sehingga harga nya murah (X)
sebaliknya, jika usia muda, maka km nya rendah, harganya seharusnya masih
lebih mahal daripada yang usia tua (R)
namun fakta data nya menunjukkan harga murah maka, kita bsia mengasumsikan
bahwa mobil tersebut adalah mobil bekas kecelakaan.
namun jika, mobil dengan usia tua, kilometer rendah dan harga mahal
kemungkinan mobil antik.
based on ramli's data.
Pada fits and diagnostics for unusual observations ada kolom obs artinya adalah
urutan data di worksheet 1,2,3..dst