Pengertian Regresi Linier Berganda
BACA JUGA :
Rumus mean, median, modus, lengkap dengan pengertian dan trik mudah menghitung
Secara sederhana, regresi linier berganda merupakan metode statistik yang digunakan untuk memahami hubungan antara satu variabel dependen (variabel yang ingin diprediksi) dan dua atau lebih variabel independen (variabel prediktor). Dalam konteks ini, regresi linier berganda memperluas konsep regresi linier sederhana yang melibatkan satu variabel independen.
Ciri-ciri:
1. Banyak variabel independen
BACA JUGA :
Rumus alas segitiga, pengertian contoh soal dan trik mudah mengerjakannya
Ciri utama regresi linier berganda adalah melibatkan lebih dari satu variabel independen dalam hubungannya dengan variabel dependen.
2. Hubungan linear
Metode ini didasarkan pada asumsi bahwa hubungan antara variabel dependen dan independen bersifat linier, artinya dapat diwakili dengan garis lurus dalam ruang multidimensional.
3. Normalitas residu
Residu (selisih antara nilai yang diobservasi dan nilai yang diprediksi) dari model regresi harus mendekati distribusi normal.
4. Homoskedastisitas
Residu dari model harus memiliki variabilitas yang seragam di sepanjang semua tingkat variabel independen.
Jenis regresi linier berganda:
1. Regresi linier berganda tanpa interaksi
Variabel independen dianggap tidak saling berinteraksi satu sama lain.
2. Regresi linier berganda dengan interaksi
Variabel independen saling berinteraksi, artinya pengaruh satu variabel tergantung pada nilai variabel independen lainnya.
Rumus Regresi Linier Berganda
Adapun rumus umum untuk regresi linier berganda adalah sebagai berikut:
Y = + 1 X1 + 2 X2 + .... + n Xn +
Catatan:
- (Y) adalah variabel dependen.
- () adalah intercept atau konstanta.
- (1, 2,..., n) adalah koefisien regresi yang mengukur pengaruh variabel independen ( X1, X2,..., Xn) terhadap (Y).
- ( X1, X2,..., Xn) adalah variabel independen.
- () adalah kesalahan acak atau residu yang tidak dapat dijelaskan oleh variabel independen yang tercantum dalam model.
Dalam analisis regresi, tujuan utama adalah menemukan nilai-nilai koefisien () yang memberikan garis regresi terbaik yang paling baik memprediksi variabel dependen (Y). Proses ini melibatkan metode estimasi, seperti metode kuadrat terkecil, untuk menghitung nilai-nilai optimal koefisien.