1) Regresi linear adalah metode statistik untuk memodelkan hubungan garis lurus antara
variabel. Ini digunakan untuk prediksi dengan mencari persamaan garis.
2) Tujuan Analisis Regresi adalah memahami dan memodelkan hubungan antara variabel, memprediksi hasil, dan mengukur pengaruh variabel independen pada variabel dependen. 3) Koefisien korelasi linear adalah ukuran yang menunjukkan sejauh mana dua variabel berhubungan. Nilainya berkisar dari -1 (hubungan negatif sempurna) hingga 1 (hubungan positif sempurna), dengan 0 menunjukkan tidak ada hubungan linier. 4) Variabel Dependensi (Dependent Variable): Variabel yang ingin diprediksi atau dipahami. Contohnya, penjualan produk. Variabel Independen (Independent Variable): Variabel yang digunakan untuk menjelaskan atau memprediksi perubahan dalam variabel dependen. Contohnya, jumlah iklan. 5) Korelasi mengukur hubungan antara variabel, sementara regresi memodelkan dan memprediksi hubungan serta memberikan persamaan untuk prediksi. Korelasi hanya mengukur hubungan, sedangkan regresi juga memprediksi. 6) Kumpulkan data. Pilih model regresi. Estimasi parameter (intercept dan koefisien regresi). Uji hipotesis. Evaluasi model. Prediksi. Validasi model. Interpretasi hasil. Laporkan temuan. 7) Tujuan Analisis Regresi adalah untuk memahami, memprediksi, dan memanfaatkan hubungan antara variabel, baik untuk pemahaman maupun pengambilan keputusan 8) Uji t (t-test): Untuk menguji signifikansi koefisien regresi. Uji F (F-test): Untuk menguji keseluruhan signifikansi model. Uji Durbin-Watson: Untuk memeriksa otonomitas kesalahan. Uji Asumsi Residual Normality: Untuk memeriksa distribusi normal kesalahan. Uji Heteroskedastisitas: Untuk mendeteksi variasi tidak konstan dalam kesalahan. Uji Asumsi Linearity: Untuk memeriksa apakah hubungan linier.