Anda di halaman 1dari 12

Analisis Regresi Linier Berganda Secara Manual

Analisis regresi linier berganda ialah suatu alat analisis dalam ilmu statistik yang
berguna untuk mengukur hubungan matematis antara lebih dari 2 peubah.Bentuk
umum persamaan regresi linier berganda ialah sebagai berikut :

Persamaan tersebut diduga oleh persamaan di bawah ini :

Menentukan b0, b1, b2, …, bk dapat menggunakan metode kuadrat terkecil melalui
apa yang disebut dengan persamaan normal seperti di bawah ini :

Bentuk persamaan matriks di atas termasuk ke dalam suatu sistem persamaan


linier.Mencari atau menentukan b0, b1, b2, b3, …, bn berarti mencari atau
menentukan solusi dari sistem persamaan linier (SPL).Mencari solusi SPL ada
berbagai macam cara, diantaranya ialah Metode Eliminasi Gauss, Metode Invers
(Metode Matriks yang diperbesar dan Metode Matriks Adjoin), dan Metode
Cramer.
Metode Cramer merupakan metode yang paling populer dalam menentukan suatu
solusi SPL karena sifatnya yang mudah dipelajari dan sederhana.Menurut Cramer
jika kita punya SPL sebagai berikut :
Maka x1, x2, x3, …, xn dapat langsung dicari dengan membagi determinan matriks
Aj dengan determinan matriks koefisien A.Dimana :

Teladan :
Diketahui peubah nilai ekonomi makro (Y) dipengaruhi oleh jumlah jam belajar
per minggu (X1) dan nilai pengantar ekonomi (X2) dengan data sebagai berikut :

MahasiswaYX1X2
140130
244135
349242
453247
560350
665362
769464
878571
985679
1092785

Berdasarkan data di atas tentukan hubungan matematis antara nilai ekonomi


makro dengan jumlah jam belajar per minggu dan nilai pengantar ekonomi.
Jawaban :
Dari data di atas diketahui bahwa Y merupakan fungsi linier dari X1 dan X2,
Y=f(X1, X2) sehingga persamaan regresi yang didapat akan seperti ini :
Y = b0 + b1X1 + b2X2
Mahasiswa Y X1 X2 X1.X1 X2.X2 X1.X2 X1.Y X2.Y
1 40 1 30 1 900 30 40 1200
2 44 1 35 1 1225 35 44 1540
3 49 2 42 4 1764 84 98 2058
4 53 2 47 4 2209 94 106 2491
5 60 3 50 9 2500 150 180 3000
6 65 3 62 9 3844 186 195 4030
7 69 4 64 16 4096 256 276 4416
8 78 5 71 25 5041 355 390 5538
9 85 6 79 36 6241 474 510 6715
10 92 7 85 49 7225 595 644 7820
Jumlah (Σ) 635 34 565 154 35045 2259 2483 38808
Persamaan normalnya ialah sebagai berikut :

Dengan metode Cramer didapatkan b0 = 20.638; b1=3.742; b2=0.533 sehingga


persamaan regresinya menjadi :
Y = 20.638 + 3.742 X1 + 0.533 X2
Tags: regresi
Bahan Kuliah | denny_dhs, November 7, 2008 10:41 pm

77 Comments

1. saptyawan — December 13, 2008 @ 5:43 am

trims banget, saya sudah cari kemana-mana disini baru ketemu pencerahannya.ok

2. tarista — December 23, 2008 @ 10:55 am

Matur nuwun…terima kasih banyak infor anda bermanfaat. Tapi dapatkah saya
diberi tahu cara membuat program untuk matrik dengan metode creamer. Syukur2
klo dalam PHP. Makasih

3. admin — December 24, 2008 @ 9:57 pm

@Saptyawan : senang bisa membantu anda


@tarista : terima kasih kembali, tentang matrix sy masih susun programnya, tetapi
jika anda familiar dengan excel, ada situs bagus yang membahas operasi matriks
dengan ms. excel, silahkan klik juniadi chaniago di Friends Everywhere

4. nonkha ayu monica — January 8, 2009 @ 7:12 pm


saya mau tanya.regresi linier berganda apa sama dengan metode permukaan
respon???trima kasih.

5. admin — January 9, 2009 @ 10:53 pm

@Nonkha : Regresi linier berganda berbeda dengan metode respon permukaan


(surface response method). Metode respon permukaan merupakan salah satu
pemodelan stokastik dimana salah satu prosedurnya dapat menggunakan regresi
linier melalui metode kuadrat terkecil. Jika anda tertarik dapat membaca jurnal
Biometrics 1954;10:16-60 tulisan Box dan Wilson judulnya ‘The Exploration and
Exploitation of response surface’

6. ayu — January 13, 2009 @ 2:38 pm

saya mw tanya,, bs tlg jelaskan apa yang dimaksud forward selection??


tlg dijelaskan mpe tuntas coz susah bgt dicari bahannya,,

thx b4

7. admin — January 14, 2009 @ 12:24 am

@Ayu : Forward Selection merupakan salah satu metode pemodelan


(pembangunan model linier) untuk menemukan kombinasi peubah yang “terbaik”
dari suatu gugus peubah. Secara umum pada stepwise regression ada dua macam
cara pembangunan model liniernya yaitu Backward Selection dan Forward
Selection. Untuk mudahnya kita lihat contoh berikut : Misalkan ada 1 peubah Y
(peubah terikat) dan 7 peubah X (X1, X2, X3,…,X7 peubah bebas). Untuk
menentukan atau mencari model hubungan linier antara peubah terikat dengan
peubah bebasnya dapat dilakukan metode stepwise regresion menggunakan
forward sel. atau backward.
Backward : Masukan seluruh peubah ke dalam persamaan sehingga modelnya ialah
Y = Konstanta + X1 + X2 + X3 + X4 + X5 + X6 + X7, kemudian satu persatu
peubahnya dikurangi sedemikian hingga kriteria tertentu dipenuhi.
Forward : Persamaan dimulai dari nol peubah, kemudian satu persatu peubah
dimasukan sampai kriteria tertentu dipenuhi. Peubah X mana saja yang dimasukan
? Pertama-tama tetapkan nilai p patokan (terserah berapa nilainya, biasanya 0.10,
atau 0.15). Misalkan p patokan = 0.10. Kemudian lakukan regresi sederhana Y
dengan X1, lihat nilai p-nya. Y dengan X2, lihat nilai p-nya, dst sampai dengan Y
dengan X7. Peubah X yang dimasukan ke persamaan ialah X yang nilai-P nya
dibawah P patokan kita. Seandainya yang nilai p-nya dibawah ialah X1, X3, dan X5
maka persamaannya ialah Y=Konst+X1+X3+X5… Semoga cukup jelas :thumbsup:

8. wahyu — February 3, 2009 @ 2:34 pm

saya mau tanya, bagaimana cara mencari F table dan T table???


terima kasih.

9. admin — February 5, 2009 @ 2:06 pm

@wahyu : mencari f table dan t table dapat dilihat di lampiran2 buku teks statistik,
program statistik atau dapat pula menggunakan microsoft excel. Jika menggunakan
Excel untuk mencari F tabel ketikan =FINV(alpha, db1, db2) dimana alpha ialah
nilai taraf nyata yang diinginkan, db ialah derajat bebas. Untuk T tabel ketikan
=TINV(alpha, db). Contoh : =FINV(0.05, 1, 12)
=TINV(0.05, 12)
10. dhicky — April 15, 2009 @ 1:20 pm

saya mau tanya.


bagaimana mencari b1 dan b2 dlm regresi berganda secara manual.
utk matriks di atas saya sdh lupa cara menghitungnya.
apakah ada cara lain, klo ada tolong jelaskan?

11. admin — April 18, 2009 @ 6:41 pm

@dhicky : bo, b1, dan b2 dapat dicari dengan memecahkan 3 persamaan liniernya.
Sebagai contoh kita gunakan data nilai mahasiswa di atas : persamaan yang kita
dapatkan ialah sebagai berikut :
pers. 1 –> 10 b0 + 34 b1 + 565 b2 = 635
pers. 2 –> 34 b0 + 154 b1 + 2269 b2 = 2483
pers. 3 –> 565 b0 + 2269 b1 + 35045 b2 = 38808

Substitusikan pers. 1 dan pers. 2 untuk mereduksi 1 peubah bebas(hasilnya misal


pers. 4 yang hanya mengandung dua peubah bebas). Kemudian substitusikan pers.
2 dan pers.3 untuk mereduksi 1 peubah (hasilnya misal pers 5 yang hanya
mengandung 2 peubah). Terakhir substitusikan pers. 4 dengan pers. 5. Dengan
cara demikian akan didapatkan nilai bo, b1, dan b2. Cukup jelas ?

12. ike — April 23, 2009 @ 6:22 pm

kalau pada tabel analisis variansi untuk menguji subset (k-p)BETAs, itu lo
mengidentufikasi x1 yang dianggap berpengaruh dengan x2 yg dianggap tidak
berpengaruh setelah x1. cara mencari jumlah kuadratnya gimana ya?
apa bedanya rumus jumlah kuadrat x yg sendiri2 dg setelah dipengaruhi yang lain.
jangan pakai matrik ya!

13. nurdiana — May 26, 2009 @ 12:56 pm

saya mau tanya apa kegunaan dari variabel kontrol dalam hipotesa, lalu apakah
setiap satu variabel dalam penelitian minimal harus terdiri dari 30 sampel?? skripsi
saya mempunyai 6 variabel tahun penelitian hanya 1 tahun dan menggunakan 48
sampel.jika seperti ini apakah saya harus menggunakan 30×6 variabel= 180
sampel.

14. rian — May 28, 2009 @ 10:54 am

apa makna atau cara membaca persamaan regresi Y = 2,455 + 0,196X1 +


0,271X2 + 0,245X3 + e

15. admin — May 28, 2009 @ 8:59 pm

@rian : untuk membaca suatu pers. regresi perlu diuji dulu parameter regresi
dugaannya menggunakan uji F dan uji t. Jika diasumsikan uji F dan telah dilakukan
maka pers. di atas artinya :
– perubahan X1 sebesar 1 satuan akan menyebabkan perubahan Y sebesar 0.196
satuan
– perubahan X2 sebesar 1 satuan akan menyebabkan perubahan Y sebesar 0.271
satuan
– perubahan X3 sebesar 1 satuan akan menyebabkan perubahan Y sebesar 0.245
satuan

16. admin — May 28, 2009 @ 10:15 pm


@nurdiana : secara umum ukuran sample > 30 mencukupi. Cukup banyak
sebetulnya pro cons masalah ukuran sample 30 tetapi sebagian besar pro. Untuk
masalah anda jika 6 variable tersebut diambil datanya dari sample sama maka
ukuran sample 48 yang anda pakai cukup memadai.

17. Rudy — May 29, 2009 @ 5:22 am

dari persamaan regresi yang didapat, apa artinya konstanata? Bagimana cara
membaca konstanta tersebut.

18. admin — May 30, 2009 @ 8:33 pm

@Rudy : Konstanta menunjukan nilai awal (initial) untuk peubah terikat (Y)
manakala peubah bebasnya (X) nol semua. Kita misalkan persamaan regresi Y = 2
+ 3X1 + 2X2 ; Angka 2 di atas adalah konstanta. Pada saat X1=0 dan X2=0 maka
Y = 2 atau sama dengan konstantanya.

19. resta — June 8, 2009 @ 10:33 am

saya mo tanya tentangkelebihan regresi probit dibandingkan regresi logistik?

20. admin — June 8, 2009 @ 11:07 pm

@resta : keduanya hampir sama (dilihat dari bentuk kurvanya), jika kedua bentuk
regresi tersebut diterapkan pada gugus data yang sama maka akan menghasilkan
penduga koefisien yang hampir sama. Menurut Aldrich dan Nelson (1984)
perbedaannya hanya dari faktor proporsionalitas dengan besar kira2 1.8

21. Didit — June 11, 2009 @ 8:02 am

saya maw tanya apakah regresi linier berganda sama dengan korelasi berganda?

22. admin — June 12, 2009 @ 12:59 am

@didit : korelasi mengukur derajat keeratan hubungan antara peubah, sedangkan


regresi mengukur hubungan antara peubah bebas dan terikatnya dalam bentuk
persamaan linier

23. Didit — June 13, 2009 @ 5:36 pm

maw tanya donk..


klo hasil persamaannya 35.291,183 + 3,99X1 + 281,162X2 itu bisa ga c??
ap hasil b1 dan b2 harus dibawah 1 nilainya??
makasih yaaah

24. admin — June 13, 2009 @ 8:45 pm

@didit: selama prosesnya benar (sampling, input data, asumsi dipenuhi) maka
hasilnya bernilai. Namun demikian interpretasi hasil persamaan regresi
dikembalikan kepada si peneliti, apakah mempunyai arti secara praktis atau tidak.

25. Didit — June 13, 2009 @ 11:30 pm

makasi yaah..
satu lagi niii..
waktu saat mengeliminasi, boleh tidak kita membagi nilai tersebut..
contohnya
pers. 1 –> 10 b0 + 34 b1 + 565 b2 = 635
pers. 2 –> 34 b0 + 154 b1 + 2269 b2 = 2483
pers. 3 –> 565 b0 + 2269 b1 + 35045 b2 = 38808

misalkan semua persamaan dibagi 10 semua..


biar nilai b0 pada persamaan menjadi 1..

boleh ga?
makasi..

26. admin — June 14, 2009 @ 5:09 am

@didit : boleh, itu salah satu dari 3 operasi baris elementer (baca pendahuluan)

27. olin — December 6, 2009 @ 7:25 pm

mau tanya donk


gimana nyari data untuk masalah analisis regresi sederhana dan analisis regresi
berganda???thx b4

28. Sukma — December 22, 2009 @ 6:37 pm

dari contoh diatas bagaimana mencari standard error nya ?

29. admin — December 28, 2009 @ 8:40 pm

@ Olin : Data sangat berlimpah di internet, coba saja salah satu statistics link di
web ini. Untuk regresi yang penting datanya memiliki hubungan sebab akibat,
berskala nisbah (baca pendahuluan), dan memenuhi asumsi-asumsi yang
mendasarinya.

30. admin — December 28, 2009 @ 8:45 pm

@sukma : menghitung JKG (Jumlah Kuadrat Galat) atau SSE (Sum Square Error)
jika dilakukan secara manual memerlukan waktu. Lebih mudah anda melakukan
perintah regression di SPSS atau regress di minitab maka SSE akan muncul di
window output.

31. kiki — February 12, 2010 @ 8:52 pm

boleh taw ga aQu bisa dapet contoh skripsi atau ekonomi keuangna yang
menggunakan Backward Selection dan Forward Selection???atau buku yang
membahas Backward Selection dan Forward Selection ????

32. admin — February 15, 2010 @ 11:15 am

@kiki : Yang paling praktis dapat dilihat di manual SPSS atau SAS, disitu dibahas
lengkap tentang metode backward dan forward selection.

33. Ali \ Dudut — February 22, 2010 @ 3:55 pm

haduh.. puyeng aku..

34. ridho — March 14, 2010 @ 8:43 pm

terima kasih banget gan…akhirnya w menemukan apa yang wa cari..terus


berkreasi…

35. budi — March 26, 2010 @ 6:28 am


makasiiiii…dapet pencerahan dari sini…

36. mudi — April 8, 2010 @ 11:12 am

maw tanya nih, saya lagi buat skripsi tentang pengaruh profesionalisme auditor
terhadap materialitas. dan setelah diuji degan uji t maka muncullah persamaan
regresi Y=34.60 + 0.914×1 + 0.340×2 + 0.225×3 + 0.523×4 + 0.254×5 + e
saya udah coba buat nerangin ke dosen bimbingan tapi dia bilang kliru,trus q jadi
tambah bingung ni maunya gmn, tolong dikasih tau cara membacanya ya..

37. amel — June 2, 2010 @ 3:27 pm

mo tnya nichh..
nilai b0 tu dpt dr mn sichh…
tlg jawab yachh…
makasih

38. inge — June 22, 2010 @ 8:48 am

mw nanya nii….KL kontanta d Regresi Liner Berganda – (minus) artinya apa…?

contoh : -0,777+0,281 X1+0,174 X2+ 0,037 X3 – 0,061 X4

39. Rudi — August 27, 2010 @ 6:33 pm

sy mau tanya nih. bagaimana jika kita membangun odel regresi (RLB) dengan data
time series? apakah kita perlu untuk menguji stasioneritas data var bebas dan
terikatnya?
Buku2 yang ada hanya menjelaskan data time series pada analisis peramalan (AR,
MA, ARMA, ARIMA). untuk model tersebut dikatakan bahwa apabila tidak stasioner
maka akan menyebabkan spouriuos regression. bagaimana jika yang dibangun
hanya RLB biasa? Thanx

40. sidar — January 16, 2011 @ 5:08 pm

bagaimana cara menggambarkan persamaan garis regresi.tolong dong,kasi’ satu


contohnya

41. sidar — January 16, 2011 @ 5:09 pm

tolong donk tuliskan satu contoh,cara menggambarkan persamaan regresi

42. HAMKA — February 11, 2011 @ 6:37 pm

MAU NANYA PEMBIMBIM SAYA SELALU MENAYAKAN BERAPA NILAI y DARI


PERSAMAAN REGRESI, JADI SEBELUM MENGETAHUI NILAI X KATANYA UDAH
HARUS TAU DULU NILAI Y NYA MOHON PENJELASANNYA

43. yunie — March 14, 2011 @ 8:42 pm

mu tanya donk,,,wat laporan kp saya kan menggunakan regresi trus ma dosen aku
ditanyain konsep regresinya aku bilang kan mencari pengaruh variabel prediktor
thdp respon.
kata dosen saya salah yg bener tu mencari prediksi.
yang bener gmn sie?maksud dosen gmn aku ga ngerti.

44. nabila damayanti — May 21, 2011 @ 3:50 pm


bisa kasih contoh dengan menggunakan data rill ?
saya ada tugas kuliah, mencari data ril dari BI, BPS, BEI, atau yg lain.
mohon bantuannya.
terima kasih

45. retno — May 23, 2011 @ 6:51 am

mau tanya ni langkah2nyari koefisien regresi berganda yang lewat matriks dengan
software minitab gmn y?

46. tyara — May 31, 2011 @ 11:13 pm

mau tanya nih, klo mau cari regresi dengan cara konstanta nya sama dg nol
bagaimana yah ?

47. emriadi — June 2, 2011 @ 8:49 pm

terima kasih atas informasi nya……salam kenal

48. emriadi — June 3, 2011 @ 3:54 pm

terima kasih ini bermanfaa…..salam kenal

49. asiah — June 5, 2011 @ 12:13 pm

cara invers matriks gmna???

50. lavigne — June 14, 2011 @ 12:38 am

mw ty donk knapa klau menggunakan data responden/data primer harus


menggunakan log dalam regresi linier berganda?

51. wid — June 17, 2011 @ 8:28 am

mau tny nih…lengkapnya tentang backward selection bs dicari dmn sih….

52. Bintoro Halim — September 16, 2011 @ 10:56 am

Mau tanya donk bagaimana interpretasi nih persamaan??


1. Loyalty = – 11.014 + 0.873 X1+ 0.722 X2 + 0.813 X3

2. Satisfaction = 8.676 + 0.578 X4 – 0.337 X5


3. Trust = 21.557 – 0.615 X5 + 0.843 X6

53. merly — September 17, 2011 @ 1:22 pm

persamaan regresi linear berganda penelitian saya sbb : Y=-0.964 – 0.015X1 +


0,279X2 + 0,153X3 + 0,508X4 apakah persamaan regresi ini salah??? dan
bagaimana menginterprestasikannya? mhn bantuannya, terimakasih

54. yunita — October 11, 2011 @ 2:31 pm

kalo analisis regresi berganda dgn 2 var bebas n 1 var.moderasi rumusnya gmn
ya?

55. yuin — November 10, 2011 @ 12:04 pm

mau tanya,,
beda analisis regresi linier berganda dengan regresi dua prediktor apa ya?
rumus dr masing2 analisis tsb sprti ap?
terus beda variabel bebas dan tergantung dengan prediktor dan kriterium apa?

terimakasih .. =)

56. rozi — November 29, 2011 @ 12:26 pm

Assalamualaikum, mas saya mau tanya, cara penghitungan metrik dengan metode
cremer gimana ya mas, soalnya saya masih belum paham contoh yang ada di atas.
terimakasih sebelumnya

57. iyandri — December 20, 2011 @ 8:52 am

wduh cramer apa itu ya ??

58. fahmi — December 24, 2011 @ 8:21 pm

Numpang tanya.

Apakah ada materi RSM yang bisa dibuat bahan belajar? TKs

59. anak statistik — January 11, 2012 @ 9:05 pm

maaf numpang tanya, klo regresi itu stuan dr tiap variable independen nya hrus
sama apa tidak? klo harus, adakah cara untuk mnyamakan satuanya trsbut?
trimakasih

60. yuin — February 1, 2012 @ 8:41 am

tanya donkkkk…
beda analisis linier berganda dengan analisis dua prediktor dan analisis regresi
berganda apa?

beda kriterium dan prediktor dengan bebas dan tergantung apa?

61. umi — February 13, 2012 @ 12:37 pm

nanya,,ada yg tau tarik menarik garis regresi??

62. stevani — February 20, 2012 @ 4:01 pm

sya mau tnyk mas,


arti standart error dalam persamaan regresi linier berganda apa?
trus ad ngak hubungannya dengan nilai konstanta di persamaan itu?

mhn bantuanny

tq

63. joni — March 7, 2012 @ 10:07 pm

dimana saya bisa membaca tinjauan pustaka tentang metode permukaan response
dan cara penentuan plot optimum beserta titik2 nya..?
mohon penejelasannya

64. diah — April 10, 2012 @ 3:08 pm


mau tanya dong..
bagaimana jika variabel bebas x1 dan x2 memiliki hubungan (korelasi). apakah
solusi2 yg telah anda sebutkan diatas bisa menjelaskannya?

65. putri — May 7, 2012 @ 12:47 pm

kalau variabelnya dummy yaitu 1 0 , dan ada 6 buah X nya…


bagaimana?

66. aam fitria — May 15, 2012 @ 7:24 pm

Mau tanya donk. .


Perbedaan reg.logit n probit kan ada pada data, klo normal pakek probit kalo gag
normal pakek logit, trus normal kenapa gag pakek reg.linier? Apa keunggulan
probit dr reg.linier?? Makassiii. . .

67. bahri — July 29, 2012 @ 7:53 am

mw nax nich,,,
aq lg terkendala di perhitungan regresi linear berganda. saya punya judul yg
menggunakan regresi berganda Variabel bebasnya ada 2, sy bingung cara untuk
menghitung,, apalagi klo mesti pake manual…
ada ngak tutorial yg dihitung mengggunakan exel supaya bisa mempermuada
perhitungan…
klo ada minta tlg donk di kirim ke email saya,,
bahrimalker@yahoo.co.id

68. lina — August 19, 2012 @ 5:59 pm

aslm,,maaf boleh minta rumus mencari regresi berganda secara manual gak tapi
bukn dengan matriks??? mksih,,,

69. ridho — September 27, 2012 @ 10:03 am

izin bertanya.,.,

saya mau meneliti hubungan antara beberapa parameter kualitas perairan (yang
sling berhubungan jga satu-sama lain)terhadap kepadatan dan persebaran populasi
biota jenis A di perairan,.,.,

tepatkah menggunakan metode Regresi linear berganda ini..??

mohon bantuan dan rekomendasinya…

70. wahyuwati — October 31, 2012 @ 9:29 am

apa sih kelebihan antara respon permukaan dibandingkan dengan metode regresi?

71. SisiL — November 5, 2012 @ 3:01 pm

Tanya dong..
penelitian saya menggunakan regresi berganda dengan dua variabel
kontrol..var.kontrol tersebut saat pengujian diperlakukan seperti
var.independen.mengapa begitu??
Mohon bantuannya..trimakasi

72. ferry — May 12, 2013 @ 8:29 pm


gmna cra membuat error kehomogenan,,,,, eror kenormaln n error kebebasan y

73. aff — October 26, 2013 @ 7:59 pm

ass.. numpng nanyak,,, analisis data yang tepat buat menghitung perbandingan
misal.x menghitung pengaruh motivasi dan minat belajar yang tepat itu apakah
lbih baik menggunakan regresi linear ganda atau menggunakan anilisis data bukan-
t

74. admin — October 31, 2013 @ 8:55 am

@ aff : Coba gunakan analisis korelasi

75. kadafi — November 9, 2013 @ 9:24 am

mas mau tanya nih misalkan kan mas meneliti : X1 : jumlah jam per minggu? X2 :
Pengantar Ilmu Ekonomi ?
nah misalkan ada peneliti B yang meneliti X1 : Pengantar ilmu Ekonomi dan X2 :
Jumlah jam perminggu? persamaan regresinya berbeda kan mas pasti?

tetapi kenapa hasil dari regresinya juga berbeda mas? ketika saya inputkan misal
X1 =10 dan X2 = 20 pada hasil yang didapatkan oleh mas. Dan X1 = 20 dan X2 =
10 pada hasil yang didapatkan pada penganalisa B?

2. Bagaimana cara menentukan berdasarkan data yang kita ambil di lapangan


bahwa data itu X1, X2 dan atau seterusnya …?

Mohon pencerhannya terimakasih

76. admin — November 10, 2013 @ 9:07 pm

@semua : mohon maaf baru saya bisa ol lagi setelah sekian lama karena ada
permasalahan teknis dengan blog ini sehingga baru bisa saya tanggapi
komentarnya.

@kadafi : Y disebut peubah terikat sedangkan X (X1, X2, dst) disebut peubah
bebas. Dalam kasus di atas, seandainya X1 dan X2 ditukar tidak menjadi masalah,
persamaanya akan memberikan hasil yg sama (bisa anda coba). Persamaan akan
berubah jika peubah bebasnya ditukar dengan peubah terikatnya. Penentuan
apakah peubah yang kita teliti peubah bebas atau terikat salahsatunya bisa dilihat
dengan menentukan yang mana sebab yang mana akibat (atau hasil). Peubah hasil
biasanya peubah terikat : seperti contoh di atas bahwa nilai ditentukan oleh jumlah
jam belajar.

77. elyza — January 20, 2014 @ 9:06 am

saya mau tanya kalau variabel x nya ada 3 bagaimana?