Nama : Valentina Nuh Rosa Febriana
NPM : 2213021092
Kelas : 22A
Variabel bebas (independen) adalah variabel yang mempengaruhi atau menjadi penyebab perubahan pada variabel lain, sedangkan variabel terikat (dependen) adalah variabel yang dipengaruhi atau menjadi akibat dari variabel bebas. Misalnya, dalam penelitian tentang pengaruh jumlah jam belajar (variabel bebas) terhadap nilai ujian (variabel terikat), jumlah jam belajar dianggap mempengaruhi nilai ujian.
Regresi Linear Sederhana adalah metode analisis statistik yang digunakan untuk memahami hubungan antara satu variabel bebas dan satu variabel terikat. Tujuannya adalah memprediksi atau menjelaskan bagaimana perubahan pada variabel bebas mempengaruhi variabel terikat. Model ini direpresentasikan dengan persamaan linear: Y = a + bX + e, di mana Y adalah variabel terikat, X adalah variabel bebas, a adalah konstanta (intersep), b adalah koefisien regresi (kemiringan garis), dan e adalah error atau residu.
Regresi Linear Berganda adalah pengembangan dari regresi linear sederhana yang melibatkan lebih dari satu variabel bebas untuk memprediksi atau menjelaskan variabel terikat. Model ini digunakan ketika variabel terikat dipengaruhi oleh beberapa variabel bebas. Persamaan regresi linear berganda dapat dituliskan sebagai: Y = a + b1X1 + b2X2 + ... + bnXn + e, di mana Y adalah variabel terikat, X1, X2, ..., Xn adalah variabel bebas, a adalah konstanta, b1, b2, ..., bn adalah koefisien regresi masing-masing variabel bebas, dan e adalah error atau residu.
Perbedaan utama antara regresi linear sederhana dan regresi linear berganda terletak pada jumlah variabel bebas yang terlibat dalam model. Regresi linear sederhana hanya melibatkan satu variabel bebas, sedangkan regresi linear berganda melibatkan dua atau lebih variabel bebas. Regresi linear berganda memungkinkan peneliti untuk memahami pengaruh simultan dari beberapa variabel bebas terhadap variabel terikat, serta menentukan variabel bebas mana yang memiliki pengaruh paling signifikan.
Misalnya, dalam penelitian tentang faktor-faktor yang mempengaruhi nilai ujian siswa, regresi linear sederhana mungkin hanya mempertimbangkan jumlah jam belajar sebagai variabel bebas. Namun, regresi linear berganda dapat memasukkan variabel bebas tambahan seperti motivasi, kualitas pengajaran, dan lingkungan belajar untuk memberikan pemahaman yang lebih komprehensif tentang faktor-faktor yang mempengaruhi nilai ujian.
Penting untuk dicatat bahwa dalam analisis regresi, asumsi-asumsi tertentu harus dipenuhi, seperti linearitas, normalitas, homoskedastisitas, dan tidak adanya multikolinearitas, untuk memastikan validitas dan reliabilitas hasil analisis.
Sumber : Bantuan AI : Chat GPT
NPM : 2213021092
Kelas : 22A
Variabel bebas (independen) adalah variabel yang mempengaruhi atau menjadi penyebab perubahan pada variabel lain, sedangkan variabel terikat (dependen) adalah variabel yang dipengaruhi atau menjadi akibat dari variabel bebas. Misalnya, dalam penelitian tentang pengaruh jumlah jam belajar (variabel bebas) terhadap nilai ujian (variabel terikat), jumlah jam belajar dianggap mempengaruhi nilai ujian.
Regresi Linear Sederhana adalah metode analisis statistik yang digunakan untuk memahami hubungan antara satu variabel bebas dan satu variabel terikat. Tujuannya adalah memprediksi atau menjelaskan bagaimana perubahan pada variabel bebas mempengaruhi variabel terikat. Model ini direpresentasikan dengan persamaan linear: Y = a + bX + e, di mana Y adalah variabel terikat, X adalah variabel bebas, a adalah konstanta (intersep), b adalah koefisien regresi (kemiringan garis), dan e adalah error atau residu.
Regresi Linear Berganda adalah pengembangan dari regresi linear sederhana yang melibatkan lebih dari satu variabel bebas untuk memprediksi atau menjelaskan variabel terikat. Model ini digunakan ketika variabel terikat dipengaruhi oleh beberapa variabel bebas. Persamaan regresi linear berganda dapat dituliskan sebagai: Y = a + b1X1 + b2X2 + ... + bnXn + e, di mana Y adalah variabel terikat, X1, X2, ..., Xn adalah variabel bebas, a adalah konstanta, b1, b2, ..., bn adalah koefisien regresi masing-masing variabel bebas, dan e adalah error atau residu.
Perbedaan utama antara regresi linear sederhana dan regresi linear berganda terletak pada jumlah variabel bebas yang terlibat dalam model. Regresi linear sederhana hanya melibatkan satu variabel bebas, sedangkan regresi linear berganda melibatkan dua atau lebih variabel bebas. Regresi linear berganda memungkinkan peneliti untuk memahami pengaruh simultan dari beberapa variabel bebas terhadap variabel terikat, serta menentukan variabel bebas mana yang memiliki pengaruh paling signifikan.
Misalnya, dalam penelitian tentang faktor-faktor yang mempengaruhi nilai ujian siswa, regresi linear sederhana mungkin hanya mempertimbangkan jumlah jam belajar sebagai variabel bebas. Namun, regresi linear berganda dapat memasukkan variabel bebas tambahan seperti motivasi, kualitas pengajaran, dan lingkungan belajar untuk memberikan pemahaman yang lebih komprehensif tentang faktor-faktor yang mempengaruhi nilai ujian.
Penting untuk dicatat bahwa dalam analisis regresi, asumsi-asumsi tertentu harus dipenuhi, seperti linearitas, normalitas, homoskedastisitas, dan tidak adanya multikolinearitas, untuk memastikan validitas dan reliabilitas hasil analisis.
Sumber : Bantuan AI : Chat GPT