gemesin bgt suaranya pas waktu jelasin..maksih yah mba ilmunya. ini sih jd mudah dipahami banget. terus bikin tutorial yang menarik lainnya yah mba..semoga sehat dan sukser terus, aamiinn😍
video nya sangat membantu, terima kasih banyak. ada yang mau saya tanyakan juga. apabila memasukkan variabel independen (X) hingga 6 variabel. tetapi hasilnya hanya satu variabel yang signifikan. itu solusinya bagaimana ya? ganti variabel lain atau bagaimana?
Uji hipotesis pada regresi linear seringkali melibatkan pengujian signifikansi koefisien regresi dan uji kesesuaian model. Berikut adalah langkah-langkah umum untuk menguji hipotesis regresi linear menggunakan Microsoft Excel: 1. Persiapkan Data: Pastikan data Anda terorganisir dengan baik, dengan variabel dependen (Y) dan variabel independen (X) tersusun dalam kolom yang sesuai. 2. Bangun Model Regresi Linear: Gunakan fungsi "TREND" atau "LINEST" untuk membuat model regresi linear. Fungsi ini akan menghasilkan koefisien regresi dan konstanta. 3. Uji Signifikansi Koefisien: Gunakan uji-t untuk menguji signifikansi koefisien regresi. Fungsi "T.DIST.2T" atau "T.TEST" dapat digunakan untuk ini. Koefisien regresi yang memiliki nilai t-statistik yang signifikan menunjukkan bahwa koefisien tersebut tidak sama dengan nol. 4. Uji Kesesuaian Model: Anda dapat menggunakan analisis varians (ANOVA) untuk menguji kesesuaian model secara keseluruhan. Fungsi "ANOV" atau "LINEST" dapat digunakan untuk ini. Kesesuaian model yang signifikan menunjukkan bahwa setidaknya satu variabel independen memberikan kontribusi yang signifikan terhadap variabel dependen. Contoh Penggunaan Fungsi LINEST: Misalnya, jika data Anda terletak di kolom A (variabel dependen Y) dan kolom B (variabel independen X), Anda dapat menggunakan fungsi LINEST sebagai berikut: excel Copy code =LINEST(A2:A100, B2:B100, TRUE, TRUE) Fungsi ini akan mengembalikan matriks yang berisi koefisien regresi, konstanta, dan statistik tambahan. Selanjutnya, Anda dapat menggunakan hasil tersebut untuk menghitung nilai t-statistik dan menguji hipotesis dengan membandingkannya dengan nilai kritis pada tingkat signifikansi yang diinginkan. Pastikan untuk memahami asumsi-asumsi di balik pengujian hipotesis regresi linear, seperti asumsi normalitas, homoskedastisitas, dan independensi residu. Jika asumsi-asumsi ini tidak terpenuhi, hasil pengujian hipotesis dapat menjadi tidak akurat.
Terima kasih atas sharing ilmunya kak, nilai multiple R dan adjusted R square besar, tetapi nilai significance R nya lebih dari alpha, bagaimana intepreasinya kak?
Dalam interpretasi ini, bahwa model secara keseluruhan memberikan penjelasan yang baik terhadap variabel dependen, tetapi ada variabel independen yang tidak berpengaruh secara signifikan dalam model. Oleh karena itu, Anda dapat mempertimbangkan untuk memperbaiki atau mengubah model regresi dengan menghilangkan variabel independen yang tidak signifikan atau mengganti dengan variabel lain yang lebih berpengaruh.
@@feminovieta Terima kasih atas jawabannya kak, jika ada variabel yang tidak berpengaruh apakah dapat diketahui dari hasil penghitungan liniear regresi kak? Misalnya dilihat dari dari nilai Coefficients
Kak bagaimana cara menentukan nilai variabel terikat (Y) jika variabel terikatnya efektifitas dan efesiensi kinerja keuangan? Adakah rumus untuk menghitungnya?
Sepertinya ini memerlukan penjelasan yang panjang kaeena membutuhkan pendekatan yang spesifik. Baiknya gunakan perangkat lunak seperti phyton. Kumpulkan data historis mengenai efektivitas dan efisiensi serta nilai y yang sesuai. Data ini akan digunakan untuk memodelkan hubungan antara variabel-variabel tersebut. Selanjutnya uji model yang telah dibuat dengan data uji untuk memastikan akurasi prediksi. Jika hasil prediksi dekat dengan data uji, model dapat dianggap valid.
Kalau pengolahan datanya pake Excell, maka pastikan format desimal yang digunakan sesuai dengan pengaturan regional Excel Anda. Anda dapat memeriksa atau mengubah pengaturan ini di File > Options > Advanced, lalu lihat bagian Editing options. Begitu pula jika datanya berupa persen, kolom data yang mengandung persen diatur sebagai format persen, dan saat memasukkan data, Anda bisa menggunakan simbol persen (%). Setelah data tersebut diatur dengan benar, Anda dapat menggunakan fitur regresi linear di Excel melalui Data Analysis Toolpak untuk melakukan analisis regresi. Pastikan juga bahwa Anda memiliki add-in Data Analysis Toolpak aktif di Excel, yang dapat diaktifkan melalui File > Options > Add-Ins.
kak, kenapa untuk koefisien determinasi itu dilihat yang adjusted r squarenya bukan r squarenya aja.. padahal di textbook itu r square doang. apa bedanya ke dua hal itu.
Sebenarnya terdapat 3 jenis yaitu: R squared, R Squared adjusted, dan R squared predicted. Kelemahan nilai R squared akan terus mendekati nilai 1 jika kita menambah variabel. Semakin banyak jumlah variabel yang menentukan nilai Y prediksi, berakibat noise dan berpengaruh pada besarnya nilai R squared. Untuk menjaga dari kelemahan tersebut maka sebaiknya menggunakan R Square adjusted. Pada R Square adjusted ini sudah mempertimbangkan jumlah sample data dan jumlah variabel yang digunakan.
Ini tergantung pada apa yang akan diprediksi atau mengukurnya. X1 dan X2 merepresentasikan prediktor dalam analisisnya. Mereka bisa menjadi atribut, pertanyaan, atau kondisi dalam kuisioner yang Anda anggap mempengaruhi variabel dependen (Y)
halo kak, saya Dinda Siti Nurnalia yang sekarang sedang menyelesaikan tugas akhir. saya ingin bertanya, bagaimana cara memunculkan nilai RMSE di excel? atau pada grafik di excel? terima kasih sebelumnya.
Saya hanya bisa menjawab berdasarkan referensi dari pendapat ahli: apabila terdapat lebih dari satu variabel bebas atau variabel terikat, maka disebut regresi linear berganda. Regresi linear berganda merupakan model regresi yang melibatkan lebih dari satu variabel independen. Analisis regresi linear berganda dilakukan untuk mengetahui arah dan seberapa besar pengaruh variabel independen terhadap variabel dependen (Ghozali, 2018).
Permisi kak, mau nanya. Saya udh analisis menggunakan spss lalu signifikansi f dan t nya itu 0.00 tetapi pas saya coba menggunakan excel kenapa berbeda ya kak? Kira kira masalahnya kenapa ya kak? Terimakasih kak mohon tanggapan dan bantuannya kak🙏🏼🙏🏼
Beberapa hal yang bisa dimungkinkan hasil SPSS dengan Exell berbeda: 1. Karena perbedaan versi, bisa mempengaruhi hasil. 2. Bisa dimungkinkan karena setelan default dan parameter yang berbeda. 3. Cara yang berbeda dalam mengidentifikasi dan menangani data outlier 4. Bisa dimungkinkan karena kesalahan dalam memasukkan Formula dan fungsi. Maka untuk mengurangi perbedaan ini, pastikan bahwa data yang digunakan sama persis, setelan dan parameter di kedua perangkat lunak sesuai, dan jika perlu, lakukan verifikasi manual dengan perhitungan tangan atau menggunakan alat statistik lain untuk memeriksa konsistensi hasil.
@@clarapangalila7399 perbedaan utama Jumlah variabel Regresi dua variabel hanya memiliki satu variabel independen, sementara regresi linear berganda memiliki lebih dari satu Dari kompleksitas modelR Rgeresi dua variabel lebih sederhana, sedangkan regresi linear berganda lebih kompleks karena melibatkan banyak variabel dan interaksi antar variabel. Dari kemampuan menjelaskan:Regresi linear berganda cenderung lebih mampu menjelaskan variasi dalam variabel dependen karena mempertimbangkan lebih banyak faktor.
Jika nilai intercept negatif selama menggunakan asumsi dengan benar, dalam regresi tidaklah salah. Untuk jawaban lainnya akan saya pelajari lagi, mohon maaf atas kekurangannya. 🙏
Mana yang betul koefesien determinasi yang dibaca dari R Square atau dari Ajusted R Scuare??? soalnya dari channel lain beda dengan apa yng dibahas di sini.
Pengujian koefisien determinasi ini dilakukan dengan maksud mengukur kemampuan model dalam menerangkan seberapa pengaruh variabel independen secara bersama-sama (stimultan) mempengaruhi variabel dependen yang dapat diindikasikan oleh nilai adjusted R - Squared (Ghozali ) Menurut Widarjono, Uji Koefisien Determinasi (R-Squared) adalah uji untuk menjelaskan besaran proporsi variasi dari variabel dependen yang dijelaskan oleh variabel independen. Guna melengkapi kelemahan R squared tersebut, kita bisa menggunakan R squared adjusted. Pada R squared adjusted ini sudah mempertimbangkan jumlah sample data dan jumlah variabel yang digunakan.
ada beberapa langkah yang dapat Anda pertimbangkan: Evaluasi Data Anda: Pertama-tama, pastikan bahwa data Anda benar-benar menunjukkan hubungan yang non-linier. Ini bisa dilakukan dengan melihat plot data Anda. Jika plot data menunjukkan pola yang tidak linear, maka regresi linear mungkin tidak cocok untuk analisis Anda. Transformasi Data: Jika Anda yakin bahwa data Anda memiliki hubungan non-linier, Anda dapat mencoba mentransformasi data Anda agar menjadi lebih linier. Beberapa teknik umum yang dapat digunakan termasuk: Transformasi Logaritmik: Jika data Anda memiliki hubungan eksponensial, transformasi logaritmik mungkin dapat membantu mengubahnya menjadi hubungan linear. Transformasi Kuadrat atau Pangkat Lainnya: Beberapa data mungkin memiliki hubungan kuadrat atau pangkat lainnya. Dalam hal ini, mencoba transformasi kuadrat atau pangkat lain mungkin membantu. Polinomial Regresi: Anda juga dapat mencoba menggunakan regresi polinomial, yang memungkinkan Anda untuk menangani hubungan non-linier dengan memasukkan derajat polinomial yang lebih tinggi ke dalam model. Pertimbangkan Model Non-linier: Jika transformasi data tidak menghasilkan hasil yang memadai atau jika Anda yakin bahwa data Anda secara intrinsik memiliki hubungan non-linier, Anda mungkin harus beralih ke model regresi non-linier seperti regresi polinomial, regresi logistik, atau model non-linier lainnya yang sesuai dengan data Anda. Jadi, intinya, jika Anda menghadapi data yang non-linier saat melakukan regresi linear di Windows, Anda perlu mempertimbangkan apakah data tersebut bisa diubah menjadi lebih linier melalui transformasi atau apakah Anda perlu menggunakan model regresi non-linier yang lebih sesuai dengan data Anda
Regresi linear biasanya digunakan untuk memodelkan hubungan antara variabel dependen kontinu dan satu atau lebih variabel independen. Jika data Anda berupa teks atau kategori, Anda perlu mengubahnya menjadi bentuk yang dapat digunakan dalam analisis regresi linear. Berikut adalah beberapa langkah umum yang dapat Anda ikuti: 1. Encoding Variabel Kategori: Jika Anda memiliki variabel kategori, Anda perlu mengubahnya menjadi bentuk yang dapat diukur. Ini bisa dilakukan dengan menggunakan teknik seperti one-hot encoding atau label encoding. One-Hot Encoding: Setiap kategori diubah menjadi vektor biner, di mana setiap elemen vektor mewakili keberadaan atau ketiadaan kategori tersebut. Phyton: import pandas as pd # Contoh data dengan kolom kategori 'jenis' data = {'nilai': [10, 20, 30, 40], 'jenis': ['A', 'B', 'A', 'C']} df = pd.DataFrame(data) # One-hot encoding kolom 'jenis' df_encoded = pd.get_dummies(df, columns=['jenis']) # Gabungkan data yang telah diencode ke dalam dataframe utama df = pd.concat([df, df_encoded], axis=1) # Hapus kolom asli 'jenis' df = df.drop('jenis', axis=1) print(df) Label Encoding: Setiap kategori diubah menjadi nilai numerik. python: from sklearn.preprocessing import LabelEncoder # Contoh data dengan kolom kategori 'jenis' data = {'nilai': [10, 20, 30, 40], 'jenis': ['A', 'B', 'A', 'C']} df = pd.DataFrame(data) # Label encoding kolom 'jenis' label_encoder = LabelEncoder() df['jenis_encoded'] = label_encoder.fit_transform(df['jenis']) # Hapus kolom asli 'jenis' df = df.drop('jenis', axis=1) print(df)
p-value menunjukkan peluang kesalahan dari suatu besaran statistik untuk dapat digunakan menaksir populasi/parameter. Jika p-value kurang dari 0.05, maka hipotesis null (H0) ditolak, dengan kata lain maka hipotesis (Ha) diterima.
kak mau tanya, kalau misalkan data pada tabel ada yg tidak lengkap (misal pada data y), sehingga menyebabkan di exel jadi tidak bisa untuk membuat atau menganalisis regresi L. Berganda, nah cara untuk mengatasinya gimana y kak🙏 terima kasih
Jika ada data yang tidak lengkap dalam tabel dan hal ini menghambat kemampuan Anda untuk melakukan analisis regresi berganda di Excel, berikut adalah beberapa langkah yang bisa Anda ambil: a. Identifikasi Data yang Hilang: Tentukan kolom atau baris yang memiliki data yang hilang. Catat di mana data hilang dan apakah itu kritis untuk analisis regresi L. Berganda. b. Isi Data yang Hilang: Jika memungkinkan, cari sumber lain untuk mengisi data yang hilang. Misalnya, jika ada data historis atau referensi lain yang dapat membantu Anda mengestimasi nilai yang hilang. Jika tidak ada sumber lain, Anda bisa menggunakan metode imputasi, seperti menggantinya dengan rata-rata, median, atau modus dari kolom terkait. c. Gunakan Fungsi Excel untuk Imputasi: Excel menyediakan berbagai fungsi yang dapat membantu mengatasi data yang hilang. Fungsi-fungsi seperti IF, VLOOKUP, HLOOKUP, atau INDEX MATCH dapat digunakan untuk mencari dan menggantikan data yang hilang. d. Analisis Sensitivitas: Lakukan analisis sensitivitas untuk memahami dampak dari pengisian data yang hilang terhadap hasil analisis regresi Anda. Pastikan bahwa hasil regresi tidak terlalu dipengaruhi oleh nilai yang diimputasi. e. Gunakan Algoritma Imputasi yang Lebih Canggih: Jika data yang hilang cukup signifikan, Anda dapat mempertimbangkan menggunakan metode imputasi yang lebih canggih seperti regresi linear, regresi logistik, atau metode imputasi yang memanfaatkan hubungan antar variabel lain dalam dataset.
Seberapa banyak (maksimall variabel independennya yg masih bisa (diperkenankan) dianlisa melalui regresi berganda ini? Sebab dari beberapa contoh yg saya tonton semuanya hanya 2 variabel bebasnya. Terima kasih
Sebanyak-banyaknya variabel independen tetap akan dicari mana variabel yang paling dominan yang paling berpengaruh terhadap variabel dependen. Meski kita menggunakan x1 sampai x4, dari sekian variabel dependen itu akan ditentukan variabel yang paling dominan. Jika pertanyaannya berapa batasan maksimal variabel independennya, dari kekurangan pengetahuan saya ini, saya belum bisa menjawab batasan maksimal yang diperbolehkan. Hanya saja dari pengetahuan yang saya dapat, variabel independen dari sebuah penelitian umumnya 2 sampai 3 variabel. 🙏Mohon maaf jika jawaban tidak sesuai yang diharapkan.
Tingkat korelasi pada regresi biasanya diukur dengan menggunakan koefisien korelasi Pearson (r). Koefisien ini mengukur kekuatan dan arah hubungan linear antara dua variabel. Dalam konteks regresi, koefisien korelasi Pearson digunakan untuk mengevaluasi seberapa baik garis regresi mampu menjelaskan variabilitas dalam data.
@@feminovieta maksud saya kategori yg tabel itu kak darimana ya? Yg sangat tinggi nilainya segitu yang tinggi segitu, gitu kak, apa ada jurnalnya atau ebooknya
@@alvinadevita7032 video ini dibuat waktu saya kuliah S1 ekonomi dapat tugas ngerjain ini. Saya sekarang udah kerja di bagian admin swbuah perusahaan. 🙏
saya juga mengalami seperti ini, menghitung empat variabel, X1, X2, X3 dan Y, tetapi nilai X2 bernilai negatif, apakah intepretasinya akan menurunkan nilai Y sebesar nilai X2?
Jika koefisien variabel x2 dalam model regresi memiliki nilai negatif, hal ini menunjukkan bahwa terdapat hubungan kebalikan antara variabel independen x2 dan variabel dependen dalam model. Secara konkret, koefisien negatif pada variabel x2 mengindikasikan bahwa setiap peningkatan dalam nilai variabel x2 akan diikuti oleh penurunan nilai variabel dependen. Dengan kata lain, adanya variabel x2 cenderung mempengaruhi variabel dependen dalam arah yang berlawanan. Perlu dicatat bahwa nilai koefisien sendiri tidak memberikan informasi tentang signifikansi statistik atau kekuatan hubungan antara variabel. Untuk itu, penting untuk melihat juga pada nilai p-value atau significance level untuk menentukan apakah koefisien tersebut signifikan secara statistik atau tidak.
@@pusparinjeni6691 Jika nilai x2 negatif, itu dapat berpengaruh pada nilai y tergantung pada hubungan fungsional antara x2 dan y dalam model atau persamaan yang sedang dibahas. Tanpa informasi lebih lanjut tentang persamaan atau model yang spesifik, sulit untuk memberikan jawaban yang pasti.
@@pusparinjeni6691 Dalam beberapa kasus, nilai x2 yang negatif mungkin tidak berpengaruh pada y karena koefisien mungkin menghilangkan dampaknya. Misalnya, jika persamaan adalah y = x1 + 2x2, dengan koefisien 2 untuk x2, maka jika x2 negatif, dampaknya pada y akan menjadi negatif dan sesuai dengan persamaan. Namun, jika koefisien x2 adalah nol atau sangat kecil, maka dampaknya pada y mungkin menjadi tidak signifikan. Di sisi lain, ada juga kasus di mana nilai x2 yang negatif dapat memiliki pengaruh yang signifikan pada y. Misalnya, jika persamaan adalah y = x1 * x2, maka nilai negatif x2 akan mengubah tanda hasil perkalian dan dengan demikian mempengaruhi nilai y secara keseluruhan.
Nilai Adjusted R Square dapat bernilai negatif. Jika nilainya negatif, nilai tersebut dianggap 0 atau variabel bebas sama sekali tidak mampu menjelaskan varians dari variabel terikatnya. 🙏
Jika R1 bernilai negatif artinya R-squared nya bernilai kecil Bisa jadi variabel terlalu banyak/ data yang diobservasi terlalu sedikit Berikut cara memperbaikinya: 1. Perbaiki datanya 2. Kurangi variabel 3. Tambah data yang diobservasi. 🙏
Jika Anda mengalami kesalahan dalam menghitung nilai signifikansi F dalam analisis regresi berganda, ada beberapa langkah yang bisa Anda ambil: 1. Periksa kembali data Anda untuk memastikan tidak ada nilai yang hilang atau tidak valid. 2. Pastikan bahwa ukuran sampel Anda memadai untuk analisis regresi berganda. 3. Periksa untuk multikolinearitas antara variabel independen. 4. Ulangi analisis dengan perangkat lunak statistik yang berbeda atau periksa pengaturan yang berbeda dalam perangkat lunak yang sama. Multikolinearitas yang tinggi, di mana variabel independen dalam model regresi berkorelasi tinggi satu sama lain, dapat menyebabkan masalah numerik saat menghitung statistik seperti F-nilai. Ini sering terjadi dalam regresi berganda daripada regresi sederhana karena adanya lebih banyak variabel independen yang mungkin saling berhubungan.
Regresi linier sederhana melibatkan satu variabel prediktor (X) dan satu variabel respons (Y), sementara regresi linier berganda melibatkan dua atau lebih variabel prediktor (X1, X2, X3, dll.) dan satu variabel respons (Y). Berdasarkan informasi yang Anda berikan, jika hanya ada satu variabel prediktor (X1), maka itu akan termasuk dalam regresi linier sederhana. Namun, jika ada lebih dari satu variabel prediktor (X1, X2, X3, dll.) yang mempengaruhi variabel respons (Y), maka itu akan termasuk dalam regresi linier berganda. Jadi, jika Anda hanya memiliki satu variabel prediktor (X1), itu adalah regresi linier sederhana. Jika Anda memiliki lebih dari satu variabel prediktor (X1, X2, X3, dll.), itu adalah regresi linier berganda.
halo kak mau nanya kalo ada yang num gimana ya? bagian uji t nya dan ada beberapa data jawabanya 0 dan anova nya kalo 0 itu apakag boleh? semoga dibalas terimakasih
Dalam regresi linear, pengujian hipotesis melibatkan nilai-nilai t untuk setiap koefisien regresi. Jika t-statistik untuk suatu koefisien adalah 0, itu berarti bahwa koefisien tersebut tidak signifikan secara statistik. Dalam konteks ini, jika t-nilai untuk suatu koefisien adalah 0, langkah selanjutnya adalah menguji signifikansinya. Anda dapat menggunakan p-value untuk menentukan apakah koefisien tersebut signifikan atau tidak. Jika p-value kurang dari tingkat signifikansi yang telah ditentukan (biasanya 0.05), maka Anda dapat menolak hipotesis nol dan menyimpulkan bahwa koefisien tersebut signifikan. Perlu diingat bahwa t-nilai 0 sendiri tidak memberikan informasi tentang signifikansi; itu adalah p-value yang digunakan untuk membuat keputusan mengenai signifikansi statistik.
Uji t Nol: Jika uji t memberikan nilai 0, mungkin terdapat masalah pada pengukuran atau mungkin variabel yang diuji tidak memberikan kontribusi signifikan terhadap model. ANOVA Nol: Hasil uji F pada ANOVA yang nol bisa menunjukkan bahwa tidak ada perbedaan yang signifikan antara kelompok. Perlu diperhatikan bahwa hasil-nilai yang nol tidak selalu normal atau diinginkan. Perlu dilakukan pemeriksaan lebih lanjut pada data, model, atau pengujian untuk memahami alasannya.
Pastikan data yang Anda gunakan valid, ukuran sampel memadai, dan perangkat lunak statistik yang Anda gunakan diperbarui. Beberapa penyebab umumnya meliputi: 1. Data yang Tidak Valid: Mungkin terdapat masalah dalam data yang anda gunakan, seperti nilai kosong atau tidak valid. 2. Ukuran Sampel Terlalu Kecil: Ketika ukuran sampel sangat kecil, maka perhitungan statistik mungkin tidak dapat dijalankan. 3. Perhitungan Matematika yang Kompleks: Dalam beberapa kasus, perhitungan statistik yang kompleks dapat menghasilkan kesalahan #NUM jika perangkat lunak statistik tidak dapat mengeksekusinya dengan benar. 4. Masalah dalam Perangkat Lunak Statistik: Terkadang, masalah tersebut mungkin terkait dengan perangkat lunak statistik yang Anda gunakan. Cobalah memeriksa apakah perangkat lunak tersebut memerlukan pembaruan atau koreksi.
Kak mau nanya, saya ada tugas pengaruh harga dan kualitas pelayanan thdp kepuasan konsumen. Nah itu saya pake kuisioner, trus dapet nilai x1 sm x2 nya darimana ya kak? 😭 gk paham sama sekali. Apkh dari jumlah data x masing2?? Mohon dijawabb😭🙏🙏 terima kasih
Nilai x1 dan x2 didapat dari kuisioner itu, berapa responden yang memilih pengaruh harga (x1 ) yang menjadi kepuasan baginya dan berapa responden yang memilih pelayanan sebagai kepuasannya.
Variabel yang dapat diidentifikasi adalah variabel bebas yaitu pengaruh harga sebagai variabel x1 dan pelayanan konsumen sebagai variabel x2 terhadap kepuasan konsumen sebagai variabel terikat ( y ). Maka dikuisioner itu menghasilkan x1 dan x2 sebagai variabel bebas yang nantinya mempengaruhi variabel terikat ( kepuasan konsumen )
@@feminovieta kalo misalnya di kuisioner harga dan pelayanan masing2 ada skalanya (tidak baik,kurang baik,baik,sangat baik) itu bagaimana kak menghitungnya ? 🙏
Untuk menghitungnya gunakan skala likert untuk mengukur sikap responden, misalnya sikap positif 5,4,3,2,1, kebalikannya respon nilai negatif. Lihat cara penggunaan skala likert, biasanya peneliti menggunakan cara itu.🙏
Kak izin bertanya, hasil dari analisis saya yg adjusted R nya itu 57% yg artinya pengaruh dari korelasi Y nya lumayan besar. Namun di significance F nya di atas 0,05 yg artinya tidak berpengaruh secara signifikan padahal 57% itu lumayan besar. Itu mksdnya gimana ya kak?
Klik tab File, klik Opsi, lalu klik kategori Add-In. Di kotak Kelola, klik Add-in Excel, lalu klik Jalankan. Di kotak Add-In, centang kotak Analysis ToolPak, lalu klik OK. Jika Analysis ToolPak tidak terdaftar dalam kotakAdd-In yang tersedia, klik Telusuri untuk menemukannya. 🙏
Untuk menentukan apakah nilai tersebut signifikan pada tingkat signifikansi α = 0.05, Anda perlu membandingkan nilai sig (p-value) dengan alpha. Jika nilai sig lebih besar dari alpha, maka tidak signifikan, sedangkan jika nilai sig lebih kecil dari alpha, maka signifikan. Jadi, jika nilai sig 0.64352 lebih besar dari alpha 0.05, maka hasilnya tidak signifikan pada tingkat signifikansi 0.05.
Untuk memasukkan range yang tidak berdampingan/discontinuous range dalam regresi, tergantung pada software pemrograman yang digunakan. Misalnya dengan Microsoft Excel. Di Excel, Anda dapat menggunakan fungsi INDEX dan MATCH untuk membuat rentang terpisah atau menggunakan fitur Union pada VBA untuk menggabungkan rentang yang tidak berurutan.
Multiple R atau R majemuk adalah suatu ukuran untuk mengukur tingkat keeratan hubungan linear antara variabel terikat dengan seluruh variabel bebas secara bersama-sama. Pada kasus dua variabel misalnya satu variabel terikat dan satu variabel bebas, maka besaran r dapat bernilai positif maupun negatif, antara -1 - 1. Tetapi untuk lebih dari dua variabel, besaran R selalu bernilai positif (antara 0 - 1). Nilai R yang lebih besar (+ atau -) menunjukkan hubungan yang lebih kuat. 🙏
Jika nilai signifikan F lebih besar dari 0,05 maka H0 diterima dan H1 ditolak. Maka semua variabel bebas tidak memiliki pengaruh secara signifikan terhadap variabel terikat.
Hasil num! atau nan (not a number) pada regresi biasanya disebabkan oleh masalah dalam data atau perhitungan regresi. Penyebabnya: Data yang tidak lengkap, Overfitting, Data tidak cukup, Masalah skala,Kesalahan pembulatan. Untuk memperbaiki masalah ini dapat memeriksa data yang digunakan (missing values, outliers), melakukan pemeriksaan multikolinearitas (dengan Variance Inflation Factor, misalnya), menyeimbangkan skala variabel, atau menggunakan regularisasi dalam model regresi.
Secara singkat saja, Error term disimbolkan dengan Syx untuk mengukur variabilitas nilai Y aktual dari Y prediksi. Nulis rumus di kolom chat tidak bisa.🙏
Di regresi linear berganda, kita bisa menggunakan dua atau lebih variabel independen. Namun bisa saja tidak semua variabel tersebut mempengaruhi variabel Y. Untuk mendapatkan model terbaik, kita hanya perlu memilih variabel yang berpengaruh ke variabel Y saja.🙏
nilai adjusted square negatif 0,0189, mengindikasikan bahwa model statistik yang digunakan tidak cocok untuk data yang ada. Nilai negatif ini menunjukkan bahwa model tidak hanya tidak menjelaskan variasi data dengan baik, tetapi juga memiliki kinerja yang lebih buruk daripada model yang hanya memprediksi nilai rata-rata. Anda mungkin perlu mengkaji kembali model, variabel yang digunakan, atau mempertimbangkan alternatif model untuk menganalisis data dengan lebih baik.
Mungkin penyebabnya mungkin model yang digunakan terlalu kompleks dan terjadi noise dalam data pelatihan, yang mengakibatkan kinerja yang buruk pada data uji atau data yang belum pernah dilihat sebelumnya. Selanjutnya variabel yang tidak relevan atau tidak memiliki pengaruh yang signifikan terhadap target, ini dapat menyebabkan penurunan kualitas model. Jumlah sampel yang kecil atau data yang tidak mewakili populasi sebenarnya dapat menghasilkan nilai adjusted R-squared yang negatif. Juga saat memilih jenis model yang tidak sesuai dengan jenis data atau hubungan antara variabel dapat menyebabkan nilai adjusted R-squared yang rendah.
Klik menu Tool > klik Data Analysis. Jika tidak muncul Data Analysis, Untuk mengaktifkannya, klik Tool> klik Add ins> centang pada pilihan Analysis Toolpak. Klik data analys> regression> Isi Input Y Range & Input X Range> beri centang pada kotak Labels> Pada pilihan Residual, terdapat 4 pilihan, boleh centang semua> Klik OK. Selanjutnya akan muncul di jendela Summary Output, Anova, Residual output, dan Probability output.🙏
Kak kalau confidence level dengan tingkat signifikansi itu sama? Aku kan da soal bwt bikin kayak gitu, nah ketentuannya itu tingkat signifikansi 0,10. Jd pas bikin tabel itu pada bagian confidence levelnya tidak usah dicentang apa bagaimana?
Pertanyaan pertama sama atau beda ? Tingkat kepercayaan (confidence level)dinotasikan dengan 100(1 - α)% jika tingkat kepercayaan sebesar 95% dipilih, maka 95 dari 100 sampel akan mempunyai nilai populasi yang sebenarnya dalam jangkauan ketepatan sedangkan tingkat signifikansi (significance level) dinyatakan dalam persen dan dilambangkan dengan α. Misalnya α ditetapkan = 5% atau = 10%. Artinya, keputusan peneliti untuk menolak atau mendukung hipotesis nol memiliki probabilitas kesalahan sebesar 5% atau 10%
untuk mendapatkan variabel x1 dan x2 dalam regresi linear yaitu dengan cara mengumpulkan data yang terdiri dari pasangan nilai x1, x2, dan nilai y yang relevan. Misalnya, jika Anda ingin memprediksi harga rumah (y) berdasarkan luas tanah (x1) dan jumlah kamar tidur (x2), Anda perlu mengumpulkan data dengan nilai-nilai tersebut.
Excel 2010. Untuk membuka analysis tool pack, ikuti langkah berikut; Klik tab File, klik Opsi, lalu klik kategori Add-In. Di kotak Kelola, klik Add-in Excel, lalu klik Jalankan. Di kotak Add-In, centang kotak Analysis ToolPak, lalu klik OK. Dan jika Analysis ToolPak tidak terdaftar dalam kotak Add-In yang tersedia, klik Telusuri untuk menemukannya.
@@riskylestari2962 Excel yang manapun sudah tersedia analysis toolpacknya. Kalau misalnya sama sekali tidak ada, file software Ms. nya mungkin ada yang corupt.
Kalau alpha biasanya ditentukan sendiri. Pada video tersebut saya pakai alpha 5%. Penelitian bidang soshum biasanya pakai alpha 5% atau tingkat kepercayaan 95%.
Yang dimaksud nilai ada koma-komanya itu, apakah dari hasil olah data atau dari sampelnya ? Karena untuk melihat signifikasi f test, nilai p-value pada annova lebih kecil dari 0,05, sedangkan dsri R square, semakin mendekati angka 1, berarti semakin baik. 🙏
Silahkan coba nilai komanya diganti dengan titik. Misalnya 3,40 diganti menjadi 3.40, dengan melakukan perubahan settingan pada Excel, klik file pilih option>advanced cari use system separators, pilih pada kotak desimal separator dari koma menjadi titik dan thousands seperatornya dari titik menjadi koma., klik OK. Semoga membantu.🙏
Kalau dijelaskan secara rinci, cukup panjang juga. Tapi secara singkat standar error itu artinya standar deviasi dari distribusi sampling suatu statistik. Standard error merujuk kepada perkiraan standar deviasi dari sampel tertentu yang digunakan untuk menghitung suatu nilai estimator.🙏
Sebagai langkah pengerjaan, tentu saja ada pengaruh. Misalnya untuk penggunan SS dan DF di annova bisa mengetahui perbedaan diantara dua atau lebih kriteria atau faktor dipertimbangkan.
Excel memperlihatkan kesalahan ini saat rumus atau fungsi berisi nilai numerik yang tidak valid. Misalnya pada penggunaan : 1. Rumus menggunakan fungsi yang diulang, seperti IRR atau RATE, dan rumus tersebut tidak bisa menemukan hasil. 2. Hasil rumus dalam jumlah yang terlalu besar atau terlalu kecil untuk diperlihatkan di Excel
Pada tab Rumus, di bawah Opsi Perhitungan , pilih kotak centang ( Aktifkan ) perhitungan yang diulang. Di kotak Perulangan Maksimum, ketikkan jumlah waktu yang Anda inginkan agar dihitung ulang oleh Excel. Semakin tinggi jumlah perulangan, semakin banyak waktu yang dibutuhkan Excel untuk menghitung sebuah lembar kerja. Di kotak Perubahan Maksimum, ketikkan jumlah perubahan yang akan Anda terima di antara hasil perhitungan. Makin kecil jumlahnya, makin akurat hasilnya dan makin banyak waktu yang dibutuhkan Excel untuk menghitung sebuah lembar kerja.
Coba di cek penulisan angka pada data nya sudah benar atau belum. Misal penggunaan Rp / Mata uang lain jangan ditulis secara manual. Penggunaan titik dan koma sebagai tanda ribuan dan desimal juga berpengaruh. Karena setiap laptop terkadang formatnya berbeda.
@@feminovieta saya pakek datanya itu ada komanya min...tapi itu tinggi tanaman...ada teelegram/ apa gtu min biar saya bisa nunjukin Saya minta tolong banget min..skripsi saya sudah mau selesai tapi gara" eror itu jadi menghambat sekali 😔😔
R-squared (R²) adalah proporsi variasi dalam variabel dependen yang dapat dijelaskan oleh variabel independen dalam model. Dengan kata lain, R² mengukur seberapa baik variabel independen menjelaskan variasi dalam variabel dependen tanpa memperhitungkan jumlah variabel independen dalam model. Adjusted R-squared (R² adj) juga mengukur seberapa baik model regresi sesuai dengan data, tetapi menyesuaikan untuk jumlah variabel independen dalam model. R² adj cenderung memberikan penilaian yang lebih konservatif terhadap kualitas model, terutama ketika variabel independen tambahan ditambahkan ke model.
Pemilihan alpha yang tepat dapat membantu menghindari overfitting atau underfitting, dan dapat mempengaruhi kinerja model. Berikut adalah beberapa pendekatan umum untuk menentukan nilai alpha dalam regresi linear: Uji Silang (Cross-validation): Gunakan teknik validasi silang, seperti validasi silang K-fold, untuk membagi data Anda menjadi subset pelatihan dan validasi. Pilih nilai alpha yang memberikan performa terbaik secara konsisten di seluruh lipatan validasi. Kurva Validasi: Latih model dengan berbagai nilai alpha pada subset pelatihan dan evaluasi kinerja model pada subset validasi. Ulangi proses ini untuk beberapa nilai alpha. Plot hasilnya dalam bentuk kurva validasi, yang menunjukkan bagaimana performa model berubah seiring dengan perubahan nilai alpha. Metode Grid Search: Tetapkan kumpulan nilai alpha yang mungkin, misalnya [0.01, 0.1, 1, 10]. Latih dan evaluasi model menggunakan setiap nilai alpha pada dataset pelatihan. Pilih nilai alpha yang memberikan performa terbaik. Metode Regularisasi Khusus: Beberapa algoritma regularisasi memiliki metode atau rumus tertentu untuk menentukan nilai alpha secara otomatis. Sebagai contoh, regresi ridge memiliki rumus penyelesaian tertutup yang menghasilkan nilai alpha yang optimal berdasarkan matriks data. Pilihan metode yang tepat untuk menentukan alpha pada regresi linear bergantung pada dataset Anda, ukuran dataset, dan sifat masalah yang Anda hadapi. Menerapkan teknik evaluasi model yang lebih lanjut seperti validasi silang dan kurva validasi cenderung memberikan hasil yang lebih akurat dan andal.
Uji F bertujuan untuk mencari apakah variabel independen secara stimultan mempengaruhi variabel dependen. Uji F dilakukan untuk melihat pengaruh dari seluruh variabel bebas secara bersama-sama terhadap variabel terikat. Tingakatan yang digunakan adalah sebesar 0.5 atau 5%. Jika nilai signifikan F < 0.05 maka dapat diartikan bahwa variabel independent secara simultan mempengaruhi variabel dependen ataupun sebaliknya.
Namun jika nilai signifikan F > ( lebih dari ) 0,05 maka H0 diterima dan H1 Artinya, semua variabel independent/bebas tidak memiliki pengaruh secara signifikan terhadap variabel dependen/terikat.
Uji Spearmen terdapat pada SPSS, sebenarnya memiliki perbedaan cara, namun anda bisa menggunakan Spearmen untuk menemukan keeratannya. Hasil akhir dari uji korelasi Spearman biasanya berupa angka-angka yang kemudian bisa dikategorikan dalam beberapa hubungan. 🙏
Nilai α (alpha) adalah kesalahan maksimal yang ditentukan oleh peneliti,biasanya menentukan nilai alpha sebesar 5% atau 0,05 yang artinya dari 100, paling besar 5 kesalahan yang dapat ditolerir oleh peneliti.🙏
dah subrek & like ya, nuhun badag ilmu bermanfaat amal jariyah kebaikannya wa jazaakillaah khoiron katsiir..
masyaAllah, ini membantu banget kak, terima kasih ilmunya❤
gemesin bgt suaranya pas waktu jelasin..maksih yah mba ilmunya. ini sih jd mudah dipahami banget. terus bikin tutorial yang menarik lainnya yah mba..semoga sehat dan sukser terus, aamiinn😍
Maasyaallah, terimakasih banyak mba ulasanya sangat membantu🙏, semoga di beri pahala yg besar aamiin
Terima kasih kembali.🙏
Bermanfaat sekali penghitungan regresi linearnya.
Terima kasih.
Kaka terima kasih banyak 🥺Penjelasannya sangat bagus
Sama-sama. 🙏
Sangat bermanfaat, ditunggu video selanjutnya
Terima kasih.🙏💗
makasiii membantu banget mengingatkan memori otak jaman kulia setelah berpuluh tahun hehehehe
terima kasih, bermanfaat. dan mudah dimengerti
MasyaAllah sangat membantu terimakasih 🙏
Terima kasih kembali.🙏
makasih ilmunya kak. Sangat membantu banget untuk aku yang ga paham-paham🙏
Jika ada kekurangan dalam cara penyampaiannya, mohon dimaafkan.
terima kasib kak , penjelasannya mudah dipahami
Terima kasih, sangat bermanfaat
Terimakasih kakak❤
Terimakasih banyak kak, akhirnya saya bisa analisis Regresinya🙏
Sangat membantu kak 😍🥰
terima kasih
Thanks kak, sangat sangat bermanfaat❤️
Makasihh banyakk kak ilmunyaa ❤️
video nya sangat membantu, terima kasih banyak. ada yang mau saya tanyakan juga. apabila memasukkan variabel independen (X) hingga 6 variabel. tetapi hasilnya hanya satu variabel yang signifikan. itu solusinya bagaimana ya? ganti variabel lain atau bagaimana?
makasih banyak mba
Kak jelasin lagi dong tentang uji hipotesis regresi dengan menggunakan excel masih kurang paham
Uji hipotesis pada regresi linear seringkali melibatkan pengujian signifikansi koefisien regresi dan uji kesesuaian model. Berikut adalah langkah-langkah umum untuk menguji hipotesis regresi linear menggunakan Microsoft Excel:
1. Persiapkan Data:
Pastikan data Anda terorganisir dengan baik, dengan variabel dependen (Y) dan variabel independen (X) tersusun dalam kolom yang sesuai.
2. Bangun Model Regresi Linear:
Gunakan fungsi "TREND" atau "LINEST" untuk membuat model regresi linear. Fungsi ini akan menghasilkan koefisien regresi dan konstanta.
3. Uji Signifikansi Koefisien:
Gunakan uji-t untuk menguji signifikansi koefisien regresi. Fungsi "T.DIST.2T" atau "T.TEST" dapat digunakan untuk ini. Koefisien regresi yang memiliki nilai t-statistik yang signifikan menunjukkan bahwa koefisien tersebut tidak sama dengan nol.
4. Uji Kesesuaian Model:
Anda dapat menggunakan analisis varians (ANOVA) untuk menguji kesesuaian model secara keseluruhan. Fungsi "ANOV" atau "LINEST" dapat digunakan untuk ini. Kesesuaian model yang signifikan menunjukkan bahwa setidaknya satu variabel independen memberikan kontribusi yang signifikan terhadap variabel dependen.
Contoh Penggunaan Fungsi LINEST:
Misalnya, jika data Anda terletak di kolom A (variabel dependen Y) dan kolom B (variabel independen X), Anda dapat menggunakan fungsi LINEST sebagai berikut:
excel
Copy code
=LINEST(A2:A100, B2:B100, TRUE, TRUE)
Fungsi ini akan mengembalikan matriks yang berisi koefisien regresi, konstanta, dan statistik tambahan.
Selanjutnya, Anda dapat menggunakan hasil tersebut untuk menghitung nilai t-statistik dan menguji hipotesis dengan membandingkannya dengan nilai kritis pada tingkat signifikansi yang diinginkan.
Pastikan untuk memahami asumsi-asumsi di balik pengujian hipotesis regresi linear, seperti asumsi normalitas, homoskedastisitas, dan independensi residu. Jika asumsi-asumsi ini tidak terpenuhi, hasil pengujian hipotesis dapat menjadi tidak akurat.
makasih ba. bermanfaat banget
Terima kasih atas sharing ilmunya kak, nilai multiple R dan adjusted R square besar, tetapi nilai significance R nya lebih dari alpha, bagaimana intepreasinya kak?
Dalam interpretasi ini, bahwa model secara keseluruhan memberikan penjelasan yang baik terhadap variabel dependen, tetapi ada variabel independen yang tidak berpengaruh secara signifikan dalam model. Oleh karena itu, Anda dapat mempertimbangkan untuk memperbaiki atau mengubah model regresi dengan menghilangkan variabel independen yang tidak signifikan atau mengganti dengan variabel lain yang lebih berpengaruh.
@@feminovieta Terima kasih atas jawabannya kak, jika ada variabel yang tidak berpengaruh apakah dapat diketahui dari hasil penghitungan liniear regresi kak? Misalnya dilihat dari dari nilai Coefficients
Kak bagaimana cara menentukan nilai variabel terikat (Y) jika variabel terikatnya efektifitas dan efesiensi kinerja keuangan?
Adakah rumus untuk menghitungnya?
Sepertinya ini memerlukan penjelasan yang panjang kaeena membutuhkan pendekatan yang spesifik. Baiknya gunakan perangkat lunak seperti phyton.
Kumpulkan data historis mengenai efektivitas dan efisiensi serta nilai y yang sesuai. Data ini akan digunakan untuk memodelkan hubungan antara variabel-variabel tersebut.
Selanjutnya uji model yang telah dibuat dengan data uji untuk memastikan akurasi prediksi. Jika hasil prediksi dekat dengan data uji, model dapat dianggap valid.
Terima kasih
Hallo ka, saya mau tanya untuk kolom x1 x2 y itu gaboleh pake persen atau koma ya? Dari kemarin saya gabisa hitung soalnya
Kalau pengolahan datanya pake Excell, maka pastikan format desimal yang digunakan sesuai dengan pengaturan regional Excel Anda. Anda dapat memeriksa atau mengubah pengaturan ini di File > Options > Advanced, lalu lihat bagian Editing options. Begitu pula jika datanya berupa persen, kolom data yang mengandung persen diatur sebagai format persen, dan saat memasukkan data, Anda bisa menggunakan simbol persen (%).
Setelah data tersebut diatur dengan benar, Anda dapat menggunakan fitur regresi linear di Excel melalui Data Analysis Toolpak untuk melakukan analisis regresi. Pastikan juga bahwa Anda memiliki add-in Data Analysis Toolpak aktif di Excel, yang dapat diaktifkan melalui File > Options > Add-Ins.
kak, kenapa untuk koefisien determinasi itu dilihat yang adjusted r squarenya bukan r squarenya aja.. padahal di textbook itu r square doang. apa bedanya ke dua hal itu.
Sebenarnya terdapat 3 jenis yaitu: R squared, R Squared adjusted, dan R squared predicted.
Kelemahan nilai R squared akan terus mendekati nilai 1 jika kita menambah variabel. Semakin banyak jumlah variabel yang menentukan nilai Y prediksi, berakibat noise dan berpengaruh pada besarnya nilai R squared. Untuk menjaga dari kelemahan tersebut maka sebaiknya menggunakan R Square adjusted.
Pada R Square adjusted ini sudah mempertimbangkan jumlah sample data dan jumlah variabel yang digunakan.
x1 x2 dan y itu skor perolehan suara kuisioner apa nilai ya kak awal datanya?
Ini tergantung pada apa yang akan diprediksi atau mengukurnya. X1 dan X2 merepresentasikan prediktor dalam analisisnya. Mereka bisa menjadi atribut, pertanyaan, atau kondisi dalam kuisioner yang Anda anggap mempengaruhi variabel dependen (Y)
halo kak, saya Dinda Siti Nurnalia yang sekarang sedang menyelesaikan tugas akhir. saya ingin bertanya, bagaimana cara memunculkan nilai RMSE di excel? atau pada grafik di excel? terima kasih sebelumnya.
Maaf kak,misal variabel Y nya yang ganda, apakah juga bisa menggunakan regresi linear berganda?
Saya hanya bisa menjawab berdasarkan referensi dari pendapat ahli: apabila terdapat lebih dari satu variabel bebas atau variabel terikat, maka disebut regresi linear berganda. Regresi linear berganda merupakan model regresi yang melibatkan lebih dari satu variabel independen. Analisis regresi linear berganda dilakukan untuk mengetahui arah dan seberapa besar pengaruh variabel independen terhadap variabel dependen (Ghozali, 2018).
Permisi kak, mau nanya. Saya udh analisis menggunakan spss lalu signifikansi f dan t nya itu 0.00 tetapi pas saya coba menggunakan excel kenapa berbeda ya kak? Kira kira masalahnya kenapa ya kak? Terimakasih kak mohon tanggapan dan bantuannya kak🙏🏼🙏🏼
Beberapa hal yang bisa dimungkinkan hasil SPSS dengan Exell berbeda:
1. Karena perbedaan versi, bisa mempengaruhi hasil.
2. Bisa dimungkinkan karena setelan default dan parameter yang berbeda.
3. Cara yang berbeda dalam mengidentifikasi dan menangani data outlier
4. Bisa dimungkinkan karena kesalahan dalam memasukkan Formula dan fungsi.
Maka untuk mengurangi perbedaan ini, pastikan bahwa data yang digunakan sama persis, setelan dan parameter di kedua perangkat lunak sesuai, dan jika perlu, lakukan verifikasi manual dengan perhitungan tangan atau menggunakan alat statistik lain untuk memeriksa konsistensi hasil.
kak izin bertanya perbedaan regresi 2 variable dan regresi berganda itu apa ya kak?
@@clarapangalila7399 perbedaan utama
Jumlah variabel Regresi dua variabel hanya memiliki satu variabel independen, sementara regresi linear berganda memiliki lebih dari satu
Dari kompleksitas modelR Rgeresi dua variabel lebih sederhana, sedangkan regresi linear berganda lebih kompleks karena melibatkan banyak variabel dan interaksi antar variabel. Dari kemampuan menjelaskan:Regresi linear berganda cenderung lebih mampu menjelaskan variasi dalam variabel dependen karena mempertimbangkan lebih banyak faktor.
bagaimana jika koefisiennya bertanda mines misalnya X1 = -1,0072 dan intercef juga mines ?
Jika nilai intercept negatif selama menggunakan asumsi dengan benar, dalam regresi tidaklah salah.
Untuk jawaban lainnya akan saya pelajari lagi, mohon maaf atas kekurangannya.
🙏
Mana yang betul koefesien determinasi yang dibaca dari R Square atau dari Ajusted R Scuare??? soalnya dari channel lain beda dengan apa yng dibahas di sini.
Pengujian koefisien determinasi ini dilakukan dengan maksud mengukur kemampuan model dalam menerangkan seberapa pengaruh variabel independen secara bersama-sama (stimultan) mempengaruhi variabel dependen yang dapat diindikasikan oleh nilai adjusted R - Squared (Ghozali )
Menurut Widarjono, Uji Koefisien Determinasi (R-Squared) adalah uji untuk menjelaskan besaran proporsi variasi dari variabel dependen yang dijelaskan oleh variabel independen.
Guna melengkapi kelemahan R squared tersebut, kita bisa menggunakan R squared adjusted. Pada R squared adjusted ini sudah mempertimbangkan jumlah sample data dan jumlah variabel yang digunakan.
mbak kalo muncul windows yang bilang input non linier data, apa yang harus di lakukan?
ada beberapa langkah yang dapat Anda pertimbangkan:
Evaluasi Data Anda: Pertama-tama, pastikan bahwa data Anda benar-benar menunjukkan hubungan yang non-linier. Ini bisa dilakukan dengan melihat plot data Anda. Jika plot data menunjukkan pola yang tidak linear, maka regresi linear mungkin tidak cocok untuk analisis Anda.
Transformasi Data: Jika Anda yakin bahwa data Anda memiliki hubungan non-linier, Anda dapat mencoba mentransformasi data Anda agar menjadi lebih linier. Beberapa teknik umum yang dapat digunakan termasuk:
Transformasi Logaritmik: Jika data Anda memiliki hubungan eksponensial, transformasi logaritmik mungkin dapat membantu mengubahnya menjadi hubungan linear.
Transformasi Kuadrat atau Pangkat Lainnya: Beberapa data mungkin memiliki hubungan kuadrat atau pangkat lainnya. Dalam hal ini, mencoba transformasi kuadrat atau pangkat lain mungkin membantu.
Polinomial Regresi: Anda juga dapat mencoba menggunakan regresi polinomial, yang memungkinkan Anda untuk menangani hubungan non-linier dengan memasukkan derajat polinomial yang lebih tinggi ke dalam model.
Pertimbangkan Model Non-linier: Jika transformasi data tidak menghasilkan hasil yang memadai atau jika Anda yakin bahwa data Anda secara intrinsik memiliki hubungan non-linier, Anda mungkin harus beralih ke model regresi non-linier seperti regresi polinomial, regresi logistik, atau model non-linier lainnya yang sesuai dengan data Anda.
Jadi, intinya, jika Anda menghadapi data yang non-linier saat melakukan regresi linear di Windows, Anda perlu mempertimbangkan apakah data tersebut bisa diubah menjadi lebih linier melalui transformasi atau apakah Anda perlu menggunakan model regresi non-linier yang lebih sesuai dengan data Anda
Halo ka mau nanya, kalau datanya bentuknya text/kategori apakah bisa diubah ke angka dulu? atau ada rumus/analisa lain yang lebih tepat?
Regresi linear biasanya digunakan untuk memodelkan hubungan antara variabel dependen kontinu dan satu atau lebih variabel independen. Jika data Anda berupa teks atau kategori, Anda perlu mengubahnya menjadi bentuk yang dapat digunakan dalam analisis regresi linear. Berikut adalah beberapa langkah umum yang dapat Anda ikuti:
1. Encoding Variabel Kategori:
Jika Anda memiliki variabel kategori, Anda perlu mengubahnya menjadi bentuk yang dapat diukur. Ini bisa dilakukan dengan menggunakan teknik seperti one-hot encoding atau label encoding.
One-Hot Encoding:
Setiap kategori diubah menjadi vektor biner, di mana setiap elemen vektor mewakili keberadaan atau ketiadaan kategori tersebut.
Phyton:
import pandas as pd
# Contoh data dengan kolom kategori 'jenis'
data = {'nilai': [10, 20, 30, 40], 'jenis': ['A', 'B', 'A', 'C']}
df = pd.DataFrame(data)
# One-hot encoding kolom 'jenis'
df_encoded = pd.get_dummies(df, columns=['jenis'])
# Gabungkan data yang telah diencode ke dalam dataframe utama
df = pd.concat([df, df_encoded], axis=1)
# Hapus kolom asli 'jenis'
df = df.drop('jenis', axis=1)
print(df)
Label Encoding:
Setiap kategori diubah menjadi nilai numerik.
python:
from sklearn.preprocessing import LabelEncoder
# Contoh data dengan kolom kategori 'jenis'
data = {'nilai': [10, 20, 30, 40], 'jenis': ['A', 'B', 'A', 'C']}
df = pd.DataFrame(data)
# Label encoding kolom 'jenis'
label_encoder = LabelEncoder()
df['jenis_encoded'] = label_encoder.fit_transform(df['jenis'])
# Hapus kolom asli 'jenis'
df = df.drop('jenis', axis=1)
print(df)
Maaf ka saya mau nanya kalo di anova sama yg regressionnya yg signifikan eror, mohon penjelasannya ka ?
Kak bagaimana kalo p value ada yang bernilai negatif? Apakah ini bertanda bahwa variabrl tersebut mempengaruhi secara kuat variabel y? Atau gimana.
p-value menunjukkan peluang kesalahan dari suatu besaran statistik untuk dapat digunakan menaksir populasi/parameter.
Jika p-value kurang dari 0.05, maka hipotesis null (H0) ditolak, dengan kata lain maka hipotesis (Ha) diterima.
kak mau tanya, kalau misalkan data pada tabel ada yg tidak lengkap (misal pada data y), sehingga menyebabkan di exel jadi tidak bisa untuk membuat atau menganalisis regresi L. Berganda, nah cara untuk mengatasinya gimana y kak🙏 terima kasih
Jika ada data yang tidak lengkap dalam tabel dan hal ini menghambat kemampuan Anda untuk melakukan analisis regresi berganda di Excel, berikut adalah beberapa langkah yang bisa Anda ambil:
a. Identifikasi Data yang Hilang:
Tentukan kolom atau baris yang memiliki data yang hilang.
Catat di mana data hilang dan apakah itu kritis untuk analisis regresi L. Berganda.
b. Isi Data yang Hilang:
Jika memungkinkan, cari sumber lain untuk mengisi data yang hilang. Misalnya, jika ada data historis atau referensi lain yang dapat membantu Anda mengestimasi nilai yang hilang.
Jika tidak ada sumber lain, Anda bisa menggunakan metode imputasi, seperti menggantinya dengan rata-rata, median, atau modus dari kolom terkait.
c. Gunakan Fungsi Excel untuk Imputasi:
Excel menyediakan berbagai fungsi yang dapat membantu mengatasi data yang hilang. Fungsi-fungsi seperti IF, VLOOKUP, HLOOKUP, atau INDEX MATCH dapat digunakan untuk mencari dan menggantikan data yang hilang.
d. Analisis Sensitivitas:
Lakukan analisis sensitivitas untuk memahami dampak dari pengisian data yang hilang terhadap hasil analisis regresi Anda. Pastikan bahwa hasil regresi tidak terlalu dipengaruhi oleh nilai yang diimputasi.
e. Gunakan Algoritma Imputasi yang Lebih Canggih:
Jika data yang hilang cukup signifikan, Anda dapat mempertimbangkan menggunakan metode imputasi yang lebih canggih seperti regresi linear, regresi logistik, atau metode imputasi yang memanfaatkan hubungan antar variabel lain dalam dataset.
Terimakasih
2:51 kalau pas datanya dari regresi udah ada kalau mau analisis klik di bagian mana lagi kak? Kok sy punya TDK bisa
Tinggal dianalisis hasilnya secara manual. Kalo mau di kasih warna tinggal kasih highlite di menu home
@@feminovieta oke, terima kasih kak, kirain ada analisis selanjutnya yg secara otomatis
Seberapa banyak (maksimall variabel independennya yg masih bisa (diperkenankan) dianlisa melalui regresi berganda ini?
Sebab dari beberapa contoh yg saya tonton semuanya hanya 2 variabel bebasnya.
Terima kasih
Sebanyak-banyaknya variabel independen tetap akan dicari mana variabel yang paling dominan yang paling berpengaruh terhadap variabel dependen.
Meski kita menggunakan x1 sampai x4, dari sekian variabel dependen itu akan ditentukan variabel yang paling dominan.
Jika pertanyaannya berapa batasan maksimal variabel independennya, dari kekurangan pengetahuan saya ini, saya belum bisa menjawab batasan maksimal yang diperbolehkan.
Hanya saja dari pengetahuan yang saya dapat, variabel independen dari sebuah penelitian umumnya 2 sampai 3 variabel. 🙏Mohon maaf jika jawaban tidak sesuai yang diharapkan.
@@feminovieta terima kasih mba atas penjelasannya. Sangat membantu, barakallah.
kak mohon dijawab tugas buat nanti malem, kategori tingkat korelasinya didapat darimana ya kalau ada jurnalnya mungkin kak
Tingkat korelasi pada regresi biasanya diukur dengan menggunakan koefisien korelasi Pearson (r). Koefisien ini mengukur kekuatan dan arah hubungan linear antara dua variabel. Dalam konteks regresi, koefisien korelasi Pearson digunakan untuk mengevaluasi seberapa baik garis regresi mampu menjelaskan variabilitas dalam data.
@@feminovieta maksud saya kategori yg tabel itu kak darimana ya? Yg sangat tinggi nilainya segitu yang tinggi segitu, gitu kak, apa ada jurnalnya atau ebooknya
@@alvinadevita7032 video ini dibuat waktu saya kuliah S1 ekonomi dapat tugas ngerjain ini.
Saya sekarang udah kerja di bagian admin swbuah perusahaan. 🙏
@@feminovieta ooh iyaa kak terimakasih sudah lupa mungkin ya kak dapatnya jurnalnya dimana😁🙏
Kak izin bertanya jika nilai koefisien variabel x2 itu hasilnya minus - itu bagaimana ?
saya juga mengalami seperti ini, menghitung empat variabel, X1, X2, X3 dan Y, tetapi nilai X2 bernilai negatif, apakah intepretasinya akan menurunkan nilai Y sebesar nilai X2?
Jika koefisien variabel x2 dalam model regresi memiliki nilai negatif, hal ini menunjukkan bahwa terdapat hubungan kebalikan antara variabel independen x2 dan variabel dependen dalam model.
Secara konkret, koefisien negatif pada variabel x2 mengindikasikan bahwa setiap peningkatan dalam nilai variabel x2 akan diikuti oleh penurunan nilai variabel dependen. Dengan kata lain, adanya variabel x2 cenderung mempengaruhi variabel dependen dalam arah yang berlawanan.
Perlu dicatat bahwa nilai koefisien sendiri tidak memberikan informasi tentang signifikansi statistik atau kekuatan hubungan antara variabel. Untuk itu, penting untuk melihat juga pada nilai p-value atau significance level untuk menentukan apakah koefisien tersebut signifikan secara statistik atau tidak.
@@feminovieta keterbalikam bagaimana kak? Apakah akan mengurangi Y?
@@pusparinjeni6691 Jika nilai x2 negatif, itu dapat berpengaruh pada nilai y tergantung pada hubungan fungsional antara x2 dan y dalam model atau persamaan yang sedang dibahas. Tanpa informasi lebih lanjut tentang persamaan atau model yang spesifik, sulit untuk memberikan jawaban yang pasti.
@@pusparinjeni6691 Dalam beberapa kasus, nilai x2 yang negatif mungkin tidak berpengaruh pada y karena koefisien mungkin menghilangkan dampaknya. Misalnya, jika persamaan adalah y = x1 + 2x2, dengan koefisien 2 untuk x2, maka jika x2 negatif, dampaknya pada y akan menjadi negatif dan sesuai dengan persamaan. Namun, jika koefisien x2 adalah nol atau sangat kecil, maka dampaknya pada y mungkin menjadi tidak signifikan.
Di sisi lain, ada juga kasus di mana nilai x2 yang negatif dapat memiliki pengaruh yang signifikan pada y. Misalnya, jika persamaan adalah y = x1 * x2, maka nilai negatif x2 akan mengubah tanda hasil perkalian dan dengan demikian mempengaruhi nilai y secara keseluruhan.
Kak ijin bertanya, kalo nilai adjustmen r squer negatif gimana?
Nilai Adjusted R Square dapat bernilai negatif. Jika nilainya negatif, nilai tersebut dianggap 0 atau variabel bebas sama sekali tidak mampu menjelaskan varians dari variabel terikatnya. 🙏
Apakah itu artinya penelitian harus diulang kak?
Jika R1 bernilai negatif artinya R-squared nya bernilai kecil
Bisa jadi variabel terlalu banyak/ data yang diobservasi terlalu sedikit
Berikut cara memperbaikinya:
1. Perbaiki datanya
2. Kurangi variabel
3. Tambah data yang diobservasi.
🙏
assalamualaikum bu, bagaimana kalau nilai significance F nya eror #NUM akan tetapi Kalau Sederhana tidak eror bu.
Jika Anda mengalami kesalahan dalam menghitung nilai signifikansi F dalam analisis regresi berganda, ada beberapa langkah yang bisa Anda ambil:
1. Periksa kembali data Anda untuk memastikan tidak ada nilai yang hilang atau tidak valid.
2. Pastikan bahwa ukuran sampel Anda memadai untuk analisis regresi berganda.
3. Periksa untuk multikolinearitas antara variabel independen.
4. Ulangi analisis dengan perangkat lunak statistik yang berbeda atau periksa pengaturan yang berbeda dalam perangkat lunak yang sama.
Multikolinearitas yang tinggi, di mana variabel independen dalam model regresi berkorelasi tinggi satu sama lain, dapat menyebabkan masalah numerik saat menghitung statistik seperti F-nilai.
Ini sering terjadi dalam regresi berganda daripada regresi sederhana karena adanya lebih banyak variabel independen yang mungkin saling berhubungan.
Kak mau nanya kok yg berganda malah muncul x range dan y range cannot overlap. Itu gimna ya
Kaka mau tanya kalau semisal X1,Y1,Z1 termasuk regresi linier sederhana atau berganda kak ?
Regresi linier sederhana melibatkan satu variabel prediktor (X) dan satu variabel respons (Y), sementara regresi linier berganda melibatkan dua atau lebih variabel prediktor (X1, X2, X3, dll.) dan satu variabel respons (Y).
Berdasarkan informasi yang Anda berikan, jika hanya ada satu variabel prediktor (X1), maka itu akan termasuk dalam regresi linier sederhana. Namun, jika ada lebih dari satu variabel prediktor (X1, X2, X3, dll.) yang mempengaruhi variabel respons (Y), maka itu akan termasuk dalam regresi linier berganda.
Jadi, jika Anda hanya memiliki satu variabel prediktor (X1), itu adalah regresi linier sederhana. Jika Anda memiliki lebih dari satu variabel prediktor (X1, X2, X3, dll.), itu adalah regresi linier berganda.
halo kak mau nanya kalo ada yang num gimana ya? bagian uji t nya dan ada beberapa data jawabanya 0 dan anova nya kalo 0 itu apakag boleh? semoga dibalas terimakasih
Dalam regresi linear, pengujian hipotesis melibatkan nilai-nilai t untuk setiap koefisien regresi. Jika t-statistik untuk suatu koefisien adalah 0, itu berarti bahwa koefisien tersebut tidak signifikan secara statistik.
Dalam konteks ini, jika t-nilai untuk suatu koefisien adalah 0, langkah selanjutnya adalah menguji signifikansinya. Anda dapat menggunakan p-value untuk menentukan apakah koefisien tersebut signifikan atau tidak. Jika p-value kurang dari tingkat signifikansi yang telah ditentukan (biasanya 0.05), maka Anda dapat menolak hipotesis nol dan menyimpulkan bahwa koefisien tersebut signifikan.
Perlu diingat bahwa t-nilai 0 sendiri tidak memberikan informasi tentang signifikansi; itu adalah p-value yang digunakan untuk membuat keputusan mengenai signifikansi statistik.
Uji t Nol: Jika uji t memberikan nilai 0, mungkin terdapat masalah pada pengukuran atau mungkin variabel yang diuji tidak memberikan kontribusi signifikan terhadap model.
ANOVA Nol: Hasil uji F pada ANOVA yang nol bisa menunjukkan bahwa tidak ada perbedaan yang signifikan antara kelompok.
Perlu diperhatikan bahwa hasil-nilai yang nol tidak selalu normal atau diinginkan. Perlu dilakukan pemeriksaan lebih lanjut pada data, model, atau pengujian untuk memahami alasannya.
@@feminovieta oke terimakasih kak penjelasanya
kak kalau bagian F, signifance F, p-value, itu keterangan #NUM! maksudnya gmn ya
Pastikan data yang Anda gunakan valid, ukuran sampel memadai, dan perangkat lunak statistik yang Anda gunakan diperbarui. Beberapa penyebab umumnya meliputi:
1. Data yang Tidak Valid: Mungkin terdapat masalah dalam data yang anda gunakan, seperti nilai kosong atau tidak valid.
2. Ukuran Sampel Terlalu Kecil: Ketika ukuran sampel sangat kecil, maka perhitungan statistik mungkin tidak dapat dijalankan.
3. Perhitungan Matematika yang Kompleks: Dalam beberapa kasus, perhitungan statistik yang kompleks dapat menghasilkan kesalahan #NUM jika perangkat lunak statistik tidak dapat mengeksekusinya dengan benar.
4. Masalah dalam Perangkat Lunak Statistik: Terkadang, masalah tersebut mungkin terkait dengan perangkat lunak statistik yang Anda gunakan. Cobalah memeriksa apakah perangkat lunak tersebut memerlukan pembaruan atau koreksi.
Kak mau nanya, saya ada tugas pengaruh harga dan kualitas pelayanan thdp kepuasan konsumen. Nah itu saya pake kuisioner, trus dapet nilai x1 sm x2 nya darimana ya kak? 😭 gk paham sama sekali. Apkh dari jumlah data x masing2?? Mohon dijawabb😭🙏🙏 terima kasih
Nilai x1 dan x2 didapat dari kuisioner itu, berapa responden yang memilih pengaruh harga (x1 ) yang menjadi kepuasan baginya dan berapa responden yang memilih pelayanan sebagai kepuasannya.
Variabel yang dapat diidentifikasi adalah variabel bebas yaitu pengaruh harga sebagai variabel x1 dan pelayanan konsumen sebagai variabel x2 terhadap kepuasan konsumen sebagai variabel terikat ( y ). Maka dikuisioner itu menghasilkan x1 dan x2 sebagai variabel bebas yang nantinya
mempengaruhi variabel terikat ( kepuasan konsumen )
@@feminovieta kalo misalnya di kuisioner harga dan pelayanan masing2 ada skalanya (tidak baik,kurang baik,baik,sangat baik) itu bagaimana kak menghitungnya ? 🙏
Untuk menghitungnya gunakan skala likert untuk mengukur sikap responden, misalnya sikap positif 5,4,3,2,1, kebalikannya respon nilai negatif.
Lihat cara penggunaan skala likert, biasanya peneliti menggunakan cara itu.🙏
@@feminovieta terima kasih banyak atas jawaban dan penjelasannya kak😭🙏 sukses selalu🙏🙏
Kak izin bertanya, hasil dari analisis saya yg adjusted R nya itu 57% yg artinya pengaruh dari korelasi Y nya lumayan besar. Namun di significance F nya di atas 0,05 yg artinya tidak berpengaruh secara signifikan padahal 57% itu lumayan besar. Itu mksdnya gimana ya kak?
Untuk mengatasi keraguan di atas, coba menggunakan goodness of fit ( R2 ), hasil pengujiannya akan beriringan karena R2 biasanya bernilai positif.🙏
untuk kategori korelasi dari "sangat rendah ke sangat kuat" itu ada referensi jurnalnya gk ya kak ?
Kebetulan saya hanya fokus pada membuat tutorial saja. Mohon maaf atas ketidaknyamanannya.🙏
@@feminovieta iya tidak apa" ka hehe, kebetulan saya lagi perlu jadi butuh referensi saja untuk keperluan penelitian saya
Izin bertanya kak
Untuk memunculkan data analisis gmn ya kak dan saya sudah cek di channel kakak tidak ada
Klik tab File, klik Opsi, lalu klik kategori Add-In.
Di kotak Kelola, klik Add-in Excel, lalu klik Jalankan.
Di kotak Add-In, centang kotak Analysis ToolPak, lalu klik OK.
Jika Analysis ToolPak tidak terdaftar dalam kotakAdd-In yang tersedia, klik Telusuri untuk menemukannya.
🙏
Izin bertanya apakah bisa datanya berbentuk persen?
Bisa, tergantung jenisnya. Contoh: data x1 inflasi bulan Januari 3,31%, Februari,2,5% dan seterusnya
Baik terima kasih jawabannya
Kak berarti kalau nilai Sig. nya 0.64352 dgn alpha 0.05 berarti tdk ada hubungan yg signifikan ya
Untuk menentukan apakah nilai tersebut signifikan pada tingkat signifikansi α = 0.05, Anda perlu membandingkan nilai sig (p-value) dengan alpha. Jika nilai sig lebih besar dari alpha, maka tidak signifikan, sedangkan jika nilai sig lebih kecil dari alpha, maka signifikan. Jadi, jika nilai sig 0.64352 lebih besar dari alpha 0.05, maka hasilnya tidak signifikan pada tingkat signifikansi 0.05.
@@feminovieta Okeyy kak makasih masukannya dan ternyata hasil akhirnya pun tdk signifikan kak soalnya p value saya 0.645 :')
kak mau tanyaa kalau mau input range x tapi x1 dam x2 tidak berdampingan itu gimana ya kak
Untuk memasukkan range yang tidak berdampingan/discontinuous range dalam regresi, tergantung pada software pemrograman yang digunakan.
Misalnya dengan Microsoft Excel.
Di Excel, Anda dapat menggunakan fungsi INDEX dan MATCH untuk membuat rentang terpisah atau menggunakan fitur Union pada VBA untuk menggabungkan rentang yang tidak berurutan.
maaf kak izin bertanya knp nilai korelasinya tidak berdasarkan R square tpi pakai multiple R, mohon dijawab kak terimakasih
Multiple R atau R majemuk adalah suatu ukuran untuk mengukur tingkat keeratan hubungan linear antara variabel terikat dengan seluruh variabel bebas secara bersama-sama. Pada kasus dua variabel misalnya satu variabel terikat dan satu variabel bebas, maka besaran r dapat bernilai positif maupun negatif, antara -1 - 1. Tetapi untuk lebih dari dua variabel, besaran R selalu bernilai positif (antara 0 - 1). Nilai R yang lebih besar (+ atau -) menunjukkan hubungan yang lebih kuat.
🙏
Kak kalau nilai signifikansi f nya lebih besar dari alpha sehingga kesimpulannya seperti apa?
Jika nilai signifikan F lebih besar dari 0,05 maka H0 diterima dan H1 ditolak.
Maka semua variabel bebas tidak memiliki pengaruh secara signifikan terhadap variabel terikat.
@@feminovieta oh berarti tidak ada pengaruh yang signifikan antara variabel X1, X2 dengan Y nya yaa
@@feminovieta itu H1 nya ditolak ya kak?
iya, keburu ke-enter.🙏
@@feminovieta baik kak terima kasih banyak ya
kak kalau hasilnya keluar NUM! maksudnya gmn
Hasil num! atau nan (not a number) pada regresi biasanya disebabkan oleh masalah dalam data atau perhitungan regresi.
Penyebabnya: Data yang tidak lengkap, Overfitting, Data tidak cukup, Masalah skala,Kesalahan pembulatan.
Untuk memperbaiki masalah ini dapat memeriksa data yang digunakan (missing values, outliers), melakukan pemeriksaan multikolinearitas (dengan Variance Inflation Factor, misalnya), menyeimbangkan skala variabel, atau menggunakan regularisasi dalam model regresi.
untuk mencari error nya, untuk model regresi gmna ya kak?
Secara singkat saja, Error term disimbolkan dengan Syx untuk mengukur variabilitas nilai Y aktual dari Y prediksi.
Nulis rumus di kolom chat tidak bisa.🙏
@@feminovieta izin bertanya kak, syx tu dimna kita bisa lihat di dalam hasil regresi?
Apakah yang dimaksud syx itu, standart error pada regression statistic
kak disaya kok gabisa ya? muncul peringatan harus single colom atau baris. itu bagaimana kak?
Rentang nilai x dan v jangan saling tumpang tinggi atau duplikat.
Gunakan toolpack, analis data pada alat jika menggunakan Excel.
Kak apa bisa jika variabel nya ada 4
Di regresi linear berganda, kita bisa menggunakan dua atau lebih variabel independen. Namun bisa saja tidak semua variabel tersebut mempengaruhi variabel Y. Untuk mendapatkan model terbaik, kita hanya perlu memilih variabel yang berpengaruh ke variabel Y saja.🙏
kk, jika hasil ADJUSTED R SQUARE nya -0.0189. bagaimana itu kk.
nilai adjusted square negatif 0,0189, mengindikasikan bahwa model statistik yang digunakan tidak cocok untuk data yang ada. Nilai negatif ini menunjukkan bahwa model tidak hanya tidak menjelaskan variasi data dengan baik, tetapi juga memiliki kinerja yang lebih buruk daripada model yang hanya memprediksi nilai rata-rata. Anda mungkin perlu mengkaji kembali model, variabel yang digunakan, atau mempertimbangkan alternatif model untuk menganalisis data dengan lebih baik.
Mungkin penyebabnya mungkin model yang digunakan terlalu kompleks dan terjadi noise dalam data pelatihan, yang mengakibatkan kinerja yang buruk pada data uji atau data yang belum pernah dilihat sebelumnya. Selanjutnya variabel yang tidak relevan atau tidak memiliki pengaruh yang signifikan terhadap target, ini dapat menyebabkan penurunan kualitas model. Jumlah sampel yang kecil atau data yang tidak mewakili populasi sebenarnya dapat menghasilkan nilai adjusted R-squared yang negatif. Juga saat memilih jenis model yang tidak sesuai dengan jenis data atau hubungan antara variabel dapat menyebabkan nilai adjusted R-squared yang rendah.
Kak izin bertanya kalo adjusted R nya minus itu artinya apa ya?
Jika adjusted R Square berniai negatif, bisa dimungkinkan penyebabnya adalah variabel terlalu banyak atau data dari hasil observasi terlalu sedikit.
Aku gak bisa munculin summary outputnya gimana yah ada tulisan apa gitu lupa
Klik menu Tool > klik Data Analysis. Jika tidak muncul Data Analysis, Untuk mengaktifkannya, klik Tool> klik Add ins> centang pada pilihan Analysis Toolpak. Klik data analys> regression> Isi Input Y Range & Input X Range> beri centang pada kotak Labels> Pada pilihan Residual, terdapat 4 pilihan, boleh centang semua> Klik OK.
Selanjutnya akan muncul di jendela Summary Output, Anova, Residual output, dan Probability output.🙏
Confidence level itu apa ya ka?
Confedence level adalah tingkat kepercayaan sejauh mana pengambilan keputusan mengenai hasil uji hipotesis nol diyakini kebenarannya.
@@feminovieta oke deh ka terimakasih 🙏
Kak , nilai alpha 0,05 itu berdasarkan apa ya kak..?
Nilai α (alpha) 0,05 merupakan patokan dari perkiraan kesalahan maksimal yang ditentukan oleh peneliti.
Jadi itu lgsug aja ya kk pake alpha 0.05
Iya betul. Umumnya untuk penelitian soshum menggunakan alpha 5% (0.05)
Kak kalau confidence level dengan tingkat signifikansi itu sama? Aku kan da soal bwt bikin kayak gitu, nah ketentuannya itu tingkat signifikansi 0,10. Jd pas bikin tabel itu pada bagian confidence levelnya tidak usah dicentang apa bagaimana?
Pertanyaan pertama sama atau beda ? Tingkat kepercayaan (confidence level)dinotasikan dengan 100(1 - α)% jika tingkat kepercayaan sebesar 95% dipilih, maka 95 dari 100 sampel akan mempunyai nilai populasi
yang sebenarnya dalam jangkauan ketepatan sedangkan tingkat signifikansi (significance level) dinyatakan dalam persen dan dilambangkan dengan α.
Misalnya α ditetapkan = 5% atau = 10%. Artinya, keputusan peneliti untuk menolak atau mendukung hipotesis nol memiliki probabilitas
kesalahan sebesar 5% atau 10%
Pada confidence intervalnya, tidak dicentang.
Cara dapat variable x1 dan x2 nya itu gimana ? Gk paham
untuk mendapatkan variabel x1 dan x2 dalam regresi linear yaitu dengan cara mengumpulkan data yang terdiri dari pasangan nilai x1, x2, dan nilai y yang relevan. Misalnya, jika Anda ingin memprediksi harga rumah (y) berdasarkan luas tanah (x1) dan jumlah kamar tidur (x2), Anda perlu mengumpulkan data dengan nilai-nilai tersebut.
Mau tanya kak, ini excel berapa ya kak ? Soalnya untuk data analisis nya di excelku tidak ada 😭
Excel 2010.
Untuk membuka analysis tool pack, ikuti langkah berikut;
Klik tab File, klik Opsi, lalu klik kategori Add-In.
Di kotak Kelola, klik Add-in Excel, lalu klik Jalankan.
Di kotak Add-In, centang kotak Analysis ToolPak, lalu klik OK. Dan jika Analysis ToolPak tidak terdaftar dalam kotak Add-In yang tersedia, klik Telusuri untuk menemukannya.
Sudah coba cara yang kaka sarankan, tapi pas di klik telusuri juga tetap tidak ada. Jadi gimana solusinya kak ? 😣
@@riskylestari2962 Excel yang manapun sudah tersedia analysis toolpacknya. Kalau misalnya sama sekali tidak ada, file software Ms. nya mungkin ada yang corupt.
alphanya dapet dari mana ya?
Kalau alpha biasanya ditentukan sendiri. Pada video tersebut saya pakai alpha 5%. Penelitian bidang soshum biasanya pakai alpha 5% atau tingkat kepercayaan 95%.
kalo nilainya ada koma koma nya ga sa ya kak?
aku nyoba kok gagal mulu, mohon petunjuknya kak,awal bulan sidang soalnya :)
Yang dimaksud nilai ada koma-komanya itu, apakah dari hasil olah data atau dari sampelnya ?
Karena untuk melihat signifikasi f test, nilai p-value pada annova lebih kecil dari 0,05, sedangkan dsri R square, semakin mendekati angka 1, berarti semakin baik.
🙏
@@feminovieta dari sampelnya,misal kan mau ngolah data pake regresi linier berganda data baterai
Silahkan coba nilai komanya diganti dengan titik. Misalnya 3,40 diganti menjadi 3.40, dengan melakukan perubahan settingan pada Excel, klik file pilih option>advanced cari use system separators, pilih pada kotak desimal separator dari koma menjadi titik dan thousands seperatornya dari titik menjadi koma., klik OK. Semoga membantu.🙏
form excelnya adakah?
Mohon maaf, tidak tersedia.🙏🙏
mba izin bertanya, jika koefisien determinan nya hasil nya minus itu gimana ya mba? contoh : -0,6459 itu gimana ya?
Maaf kak, untuk baris variabel X dengan variabel Y nya apakah harus sama? Mohon penjelasannya kak. Terimakasih sebelumnya
Tidak selalu harus baris yang sama/sejajar. nanti data variabel nya tinggal di input dengan cara di blok datanya setelah tampil menu regression
@@feminovieta terimakasih kak responnya 🙏
Standard Error disitu arti lebih jelasnya apa yaaaah kak ?
Kalau dijelaskan secara rinci, cukup panjang juga. Tapi secara singkat standar error itu artinya standar deviasi dari distribusi sampling suatu statistik. Standard error merujuk kepada perkiraan standar deviasi dari sampel tertentu yang digunakan untuk menghitung suatu nilai estimator.🙏
@@feminovieta Thank you kak.. 😘
Itu excel tahun berapa ya bang kl boleh tau?
2010
Owh iya kak ingin bertanya lg, untuk pada tabel anova terdapat df,SS,MS itu apa ya kak?
SS untuk kolom jumlah derajat, DF untuk derajat Kebebasan.🙏
@@feminovieta apakah tersebut penting atau mempengaruhi dalam hasil pengolahan data?
Sebagai langkah pengerjaan, tentu saja ada pengaruh. Misalnya untuk penggunan SS dan DF di annova bisa mengetahui perbedaan diantara dua atau lebih kriteria atau faktor dipertimbangkan.
Kalau p value nya #NUM! Itu gimana ya kak?
Excel memperlihatkan kesalahan ini saat rumus atau fungsi berisi nilai numerik yang tidak valid.
Misalnya pada penggunaan :
1. Rumus menggunakan fungsi yang diulang, seperti IRR atau RATE, dan rumus tersebut tidak bisa menemukan hasil.
2. Hasil rumus dalam jumlah yang terlalu besar atau terlalu kecil untuk diperlihatkan di Excel
Mohon penjelasannya kak bagaimana mengatasi #NUM! tersebut?
Pada tab Rumus, di bawah Opsi Perhitungan , pilih kotak centang ( Aktifkan ) perhitungan yang diulang.
Di kotak Perulangan Maksimum, ketikkan jumlah waktu yang Anda inginkan agar dihitung ulang oleh Excel. Semakin tinggi jumlah perulangan, semakin banyak waktu yang dibutuhkan Excel untuk menghitung sebuah lembar kerja.
Di kotak Perubahan Maksimum, ketikkan jumlah perubahan yang akan Anda terima di antara hasil perhitungan. Makin kecil jumlahnya, makin akurat hasilnya dan makin banyak waktu yang dibutuhkan Excel untuk menghitung sebuah lembar kerja.
kok dipunyaku gak muncul data yang bisa dibaca atau ada penjelasan gitu
Coba aktifkan tool packnya
Kak kok p value data saya numb! Ya?
Coba di cek penulisan angka pada data nya sudah benar atau belum. Misal penggunaan Rp / Mata uang lain jangan ditulis secara manual. Penggunaan titik dan koma sebagai tanda ribuan dan desimal juga berpengaruh. Karena setiap laptop terkadang formatnya berbeda.
@@feminovieta saya pakek datanya itu ada komanya min...tapi itu tinggi tanaman...ada teelegram/ apa gtu min biar saya bisa nunjukin
Saya minta tolong banget min..skripsi saya sudah mau selesai tapi gara" eror itu jadi menghambat sekali 😔😔
Email aja data nya kak ke femilianurjannah@gmail.com nanti saya coba. saya juga masih belajar hehe
@@feminovieta sudah saya email min
Perbedaannya R square sm Adjusted R square tu apa kak?
R-squared (R²) adalah proporsi variasi dalam variabel dependen yang dapat dijelaskan oleh variabel independen dalam model. Dengan kata lain, R² mengukur seberapa baik variabel independen menjelaskan variasi dalam variabel dependen tanpa memperhitungkan jumlah variabel independen dalam model.
Adjusted R-squared (R² adj) juga mengukur seberapa baik model regresi sesuai dengan data, tetapi menyesuaikan untuk jumlah variabel independen dalam model. R² adj cenderung memberikan penilaian yang lebih konservatif terhadap kualitas model, terutama ketika variabel independen tambahan ditambahkan ke model.
Kak mau tanya untuk rumus cari (y-yrata-rata)^2 gimana ya kak?
Coba dilihat di video lainnya tentang regresi di playlist.🙏
Kak Mau Nanya Nilai X1 X2 Ya dpt Nya dri mna Ya
data x1,x2 dan seterusnya, diambil dari variabel independen atau variabel prediktor.
@@feminovieta kak Sumbernya dri mna ya kak
Beberapa sumber data x1,x2:
1.Survei atau Kuesioner
2.Data Sekunder dari Lembaga Resmi
3. Eksperimen atau Pengamatan Lapangan
Kak untuk menentukan nilai alpha nya bagaimana ya kak?
Pemilihan alpha yang tepat dapat membantu menghindari overfitting atau underfitting, dan dapat mempengaruhi kinerja model. Berikut adalah beberapa pendekatan umum untuk menentukan nilai alpha dalam regresi linear:
Uji Silang (Cross-validation): Gunakan teknik validasi silang, seperti validasi silang K-fold, untuk membagi data Anda menjadi subset pelatihan dan validasi. Pilih nilai alpha yang memberikan performa terbaik secara konsisten di seluruh lipatan validasi.
Kurva Validasi: Latih model dengan berbagai nilai alpha pada subset pelatihan dan evaluasi kinerja model pada subset validasi. Ulangi proses ini untuk beberapa nilai alpha. Plot hasilnya dalam bentuk kurva validasi, yang menunjukkan bagaimana performa model berubah seiring dengan perubahan nilai alpha.
Metode Grid Search: Tetapkan kumpulan nilai alpha yang mungkin, misalnya [0.01, 0.1, 1, 10]. Latih dan evaluasi model menggunakan setiap nilai alpha pada dataset pelatihan. Pilih nilai alpha yang memberikan performa terbaik.
Metode Regularisasi Khusus: Beberapa algoritma regularisasi memiliki metode atau rumus tertentu untuk menentukan nilai alpha secara otomatis. Sebagai contoh, regresi ridge memiliki rumus penyelesaian tertutup yang menghasilkan nilai alpha yang optimal berdasarkan matriks data.
Pilihan metode yang tepat untuk menentukan alpha pada regresi linear bergantung pada dataset Anda, ukuran dataset, dan sifat masalah yang Anda hadapi. Menerapkan teknik evaluasi model yang lebih lanjut seperti validasi silang dan kurva validasi cenderung memberikan hasil yang lebih akurat dan andal.
halo kak, kalo significance f nya itu 1,33372e-16 maksudnya apa ya kak?
Uji F bertujuan untuk mencari apakah variabel independen secara stimultan mempengaruhi variabel dependen. Uji F dilakukan untuk melihat pengaruh dari seluruh variabel bebas secara bersama-sama terhadap variabel terikat. Tingakatan yang digunakan adalah sebesar 0.5 atau 5%.
Jika nilai signifikan F < 0.05 maka dapat diartikan bahwa variabel independent secara simultan mempengaruhi variabel dependen ataupun sebaliknya.
Namun jika nilai signifikan F > ( lebih dari ) 0,05 maka H0 diterima dan H1 Artinya, semua variabel independent/bebas tidak memiliki pengaruh secara signifikan terhadap variabel dependen/terikat.
@@feminovieta saya mau tanya kak, kalo saya mempunya 2 variable independent dan satu variable dependent, apakah bisa menggunakan spearman?
Uji Spearmen terdapat pada SPSS, sebenarnya memiliki perbedaan cara, namun anda bisa menggunakan Spearmen untuk menemukan keeratannya.
Hasil akhir dari uji korelasi Spearman biasanya berupa angka-angka yang kemudian bisa dikategorikan dalam beberapa hubungan. 🙏
kak maunanya alpha makstnya gimana ya, nilainya dari mana kita tau 0,05?
butuh penjelasan min.
Nilai α (alpha) adalah kesalahan maksimal yang ditentukan oleh peneliti,biasanya menentukan nilai alpha sebesar 5% atau 0,05 yang artinya dari 100, paling besar 5 kesalahan yang dapat ditolerir oleh peneliti.🙏