Memprediksi tren dan menganalisis hubungan antar variabel.
Masukan Data
Analisis Regresi
Persamaan RegresiY = 2.200 + 0.600X
Koefisien determinasi (R²)0.6000Akurasi Model
Nilai Y yang Diprediksi5.8000Pada X = 6
Kemiringan (b)0.6000
Mencegat (a)2.2000
Overview
Regresi linier sederhana adalah metode statistik yang memungkinkan kita merangkum dan mempelajari hubungan antara dua variabel kontinu (kuantitatif). Ini memodelkan hubungan antara variabel terikat dan variabel bebas sebagai garis lurus.
💡
Pro Tips
Pastikan data Anda menjaga hubungan linier; jika hubungannya melengkung, regresi linier sederhana mungkin tidak akurat.
Hati-hati terhadap outlier, karena outlier dapat secara signifikan menjauhkan garis regresi dari sebagian besar titik data.
Nilai R² yang mendekati 1 menunjukkan kesesuaian yang sangat kuat, sedangkan nilai yang mendekati 0 menunjukkan bahwa X tidak memprediksi Y dengan baik.
!
Fun Facts
"Istilah \\\\\\\"regresi\\\\\\\" diciptakan oleh Francis Galton pada abad ke-19 ketika mempelajari tinggi badan ayah dan anak, mengamati bahwa tinggi badan ekstrem cenderung \\\"mundur\\\" ke arah rata-rata."
"Regresi linier adalah dasar dari banyak algoritme pembelajaran mesin yang digunakan saat ini dalam AI dan ilmu data."
"Tujuan dari regresi linier sederhana adalah untuk menemukan 'Garis yang Paling Sesuai' yang meminimalkan jumlah kesalahan kuadrat antara nilai prediksi dan nilai aktual."
