Mengerjakan regresi linear sederhana di Modul 1 terasa gampang. Sampai akhirnya kamu ketemu inferensi simultan dan matriks di Modul 3 dan 4. Semuanya butuh pemahaman yang runut. Latihan dari prediksi soal UAS Statistika bisa jadi pemanasan awal. SATS4312 Model Linear Terapan memang menuntut logika yang terlatih.
Modul 7 tentang variabel indikator sering menjebak. Begitu juga Multikolinearitas di Modul 8. Dua topik ini favorit di UAS. Kamu perlu benar-benar paham kapan dummy variable bekerja. Jangan cuma hafal rumus. Struktur datanya menentukan model.
Di halaman ini kami siapkan soal-soal yang menyasar inti tiap modul. Dari regresi ganda sampai polinom orthogonal. Setiap soal sudah ada kunci jawaban dan pembahasannya. Cocok buat mengukur pemahaman sebelum ujian akhir semester. Kalau butuh latihan matkul lain, lihat juga soal ujian UT yang tersedia di sini.
Soal UT SATS4312 Model Linear Terapan
Sebuah model regresi linear sederhana dinyatakan sebagai Y_i = β_0 + β_1 X_i + ε_i. Komponen ε_i dalam model tersebut merepresentasikan…
Dalam model regresi linear sederhana, ε_i adalah komponen galat acak yang menampung variasi respons Y yang tidak mampu dijelaskan oleh hubungan linear dengan X.
Metode kuadrat terkecil menduga parameter regresi dengan cara meminimumkan…
Prinsip dasar metode kuadrat terkecil adalah mencari penduga β_0 dan β_1 yang meminimumkan Σ(Y_i – β_0 – β_1 X_i)^2, yaitu jumlah kuadrat simpangan vertikal antara nilai amatan dan nilai dugaan.
Sebuah penelitian menghubungkan lama belajar (jam) dengan nilai ujian. Peneliti menyelesaikan sistem persamaan normal untuk memperoleh penduga parameter. Sistem persamaan normal tersebut diperoleh dari…
Persamaan normal dihasilkan dari turunan parsial pertama fungsi jumlah kuadrat galat terhadap masing-masing parameter (β_0 dan β_1) yang disamakan dengan nol, sebagai syarat perlu untuk meminimumkan jumlah kuadrat galat.
Berdasarkan teorema Gauss-Markov, penduga kuadrat terkecil memiliki sifat BLUE (Best Linear Unbiased Estimator). Arti "Best" dalam konteks ini adalah…
Sifat "Best" dalam teorema Gauss-Markov merujuk pada efisiensi, yaitu penduga kuadrat terkecil memiliki variansi paling kecil dibandingkan semua penduga lain yang juga linear dan tak bias, selama asumsi klasik terpenuhi.
Seorang analis memperoleh persamaan regresi Ŷ = 2,5 + 3,2 X. Dalam konteks ini, koefisien 3,2 berbeda secara konseptual dari koefisien korelasi karena…
Koefisien regresi (β_1) mengukur perubahan rata-rata pada variabel respons untuk setiap kenaikan satu satuan variabel bebas, sementara koefisien korelasi mengukur kekuatan dan arah hubungan linear dalam skala -1 hingga 1.
Dalam model regresi Y = β_0 + β_1 X + ε, variabel X disebut variabel bebas. Peran variabel bebas dalam model ini adalah…
Variabel bebas (prediktor) berfungsi untuk menjelaskan atau memprediksi variasi pada variabel respons. Variabel yang diprediksi justru adalah variabel respons, bukan sebaliknya.
Dalam analisis regresi, asumsi bahwa galat memiliki variansi konstan untuk setiap nilai X disebut…
Homoskedastisitas adalah asumsi bahwa variansi galat (σ^2) bersifat konstan di seluruh nilai variabel bebas. Pelanggaran asumsi ini disebut heteroskedastisitas.
Seorang peneliti ingin menguji apakah variabel bebas X berpengaruh signifikan terhadap Y pada taraf nyata 5%. Ia menggunakan statistik uji-t dengan derajat bebas n-2. Hipotesis nol yang tepat untuk pengujian ini adalah…
Untuk menguji signifikansi pengaruh variabel bebas, hipotesis nol menyatakan bahwa koefisien kemiringan populasi sama dengan nol (β_1 = 0), artinya tidak ada hubungan linear antara X dan Y.
Sebuah selang kepercayaan 95% untuk β_1 dihitung sebagai b_1 ± t_{0,025; n-2} × SE(b_1). Selang ini berbeda dari selang prediksi untuk amatan baru karena…
Selang kepercayaan untuk β_1 menaksir parameter populasi (kemiringan garis regresi) dengan tingkat keyakinan tertentu, sedangkan selang prediksi menaksir nilai respons individual baru pada X tertentu, sehingga memuat dua sumber variasi (variasi penduga garis dan variasi galat).
Dalam tabel analisis variansi regresi, jumlah kuadrat total (JKT) diuraikan menjadi jumlah kuadrat regresi (JKR) dan jumlah kuadrat galat (JKG). Statistik uji-F untuk keberartian model dihitung sebagai…
Uji-F untuk keberartian model regresi sederhana dihitung sebagai kuadrat tengah regresi (KTR) dibagi kuadrat tengah galat (KTG), yaitu (JKR/1) / (JKG/(n-2)), yang mengikuti distribusi-F dengan derajat bebas 1 dan n-2.
Dalam pengujian hipotesis regresi, uji-F dan uji-t untuk β_1 memberikan kesimpulan yang konsisten pada regresi linear sederhana. Perbedaan utama keduanya terletak pada…
Pada regresi sederhana, uji-F dan uji-t untuk β_1 ekuivalen (F = t^2), tetapi pada regresi ganda uji-F menguji signifikansi model secara keseluruhan (semua koefisien selain intersep), sedangkan uji-t menguji koefisien secara parsial.
Peneliti menduga selang kepercayaan 95% untuk rata-rata respons pada X = x_0. Selang ini akan semakin lebar ketika…
Lebar selang kepercayaan untuk rata-rata respons dipengaruhi oleh jarak x_0 dari rata-rata X. Semakin jauh x_0 dari rata-rata X, semakin besar variansi penduga rata-rata respons sehingga selang kepercayaan semakin lebar.
Seorang analis memeriksa plot residual terhadap nilai dugaan dan menemukan pola berbentuk corong melebar. Temuan ini mengindikasikan pelanggaran asumsi…
Pola corong (melebar atau menyempit) pada plot residual vs nilai dugaan menunjukkan bahwa variansi galat tidak konstan di seluruh rentang nilai dugaan, yang merupakan indikasi pelanggaran asumsi homoskedastisitas.
Dalam uji kekurangsesuaian model (lack of fit), galat murni (pure error) diperoleh dari…
Galat murni dihitung dari variasi respons Y di dalam kelompok amatan dengan nilai X yang sama (ulangan). Komponen ini merepresentasikan variasi acak yang tidak bergantung pada model yang dispesifikasikan.
Perhatikan dua jenis residual berikut: (1) residual biasa e_i = Y_i – Ŷ_i, dan (2) residual terbakukan (studentized residual). Residual terbakukan lebih unggul untuk mendeteksi pencilan karena…
Residual terbakukan menskalakan residual biasa dengan penduga galat bakunya masing-masing sehingga setiap residual memiliki variansi yang kurang lebih setara. Hal ini memudahkan identifikasi amatan yang memiliki residual ekstrem relatif terhadap pola data.
Sebuah model regresi diuji kekurangsesuaiannya. Hasil uji-F menunjukkan bahwa kuadrat tengah kekurangsesuaian (KTKL) secara signifikan lebih besar daripada kuadrat tengah galat murni (KTGM). Kesimpulan yang tepat adalah…
Jika KTKL signifikan lebih besar dari KTGM, artinya variasi sistematik yang tidak tertangkap model linear lebih besar daripada variasi acak murni, sehingga disimpulkan model linear belum memadai dan terdapat kekurangsesuaian.
Seorang peneliti membuat plot kuantil normal (Q-Q plot) dari residual. Residual dikatakan memenuhi asumsi kenormalan jika…
Pada plot kuantil normal, jika residual menyebar normal maka titik-titik kuantil sampel akan mendekati garis diagonal lurus. Semakin dekat titik ke garis diagonal, semakin kuat bukti bahwa asumsi kenormalan terpenuhi.
Seorang analis memeriksa residual model regresi dan menemukan bahwa plot residual terhadap nilai dugaan menunjukkan titik-titik menyebar acak tanpa pola tertentu, sementara plot kuantil normal menunjukkan titik-titik menyimpang jauh dari garis diagonal. Asumsi apa yang tidak terpenuhi berdasarkan temuan ini…
Pola acak pada residual vs fitted menunjukkan asumsi linearitas dan homoskedastisitas terpenuhi, sedangkan penyimpangan pada Q-Q plot mengindikasikan residual tidak menyebar normal.
Suatu data menunjukkan hubungan antara dosis pupuk dan hasil panen yang melengkung secara eksponensial. Untuk melinearkan hubungan tersebut, transformasi yang paling sesuai diterapkan pada variabel respons Y adalah…
Hubungan eksponensial antara Y dan X dapat dilinearkan dengan mengambil logaritma natural pada variabel respons, karena ln(e^{βX}) menghasilkan hubungan linear terhadap X.
Sebuah pabrik mencatat data cacahan produk cacat per lot. Variansi jumlah cacat cenderung meningkat seiring bertambahnya ukuran lot. Transformasi yang tepat untuk menstabilkan variansi pada data cacahan seperti ini adalah…
Data cacahan umumnya memiliki ragam yang sebanding dengan nilai harapan. Transformasi akar kuadrat efektif menstabilkan variansi untuk data dengan karakteristik tersebut.
Seorang peneliti menggunakan metode Box-Cox untuk menentukan transformasi optimal pada variabel respons. Ia memperoleh penduga λ = 0,35 dengan selang kepercayaan 95% mencakup nilai 0 dan 0,5. Berdasarkan hasil ini, transformasi yang direkomendasikan adalah…
Metode Box-Cox merekomendasikan nilai λ bulat terdekat yang masuk dalam selang kepercayaan. Karena selang mencakup 0, transformasi logaritma natural (λ = 0) menjadi pilihan yang sesuai.
Dalam suatu analisis, variabel bebas X dan variabel respons Y menunjukkan hubungan yang tidak linear. Peneliti memutuskan mentransformasi X menjadi ln(X) dan mempertahankan Y dalam skala asli. Tindakan ini bertujuan untuk…
Transformasi pada variabel bebas, seperti logaritma, dilakukan ketika hubungan Y dan X melengkung, dengan tujuan melinearkan hubungan tanpa mengubah skala Y.
Perbedaan utama antara melakukan transformasi pada variabel bebas dan transformasi pada variabel respons terletak pada…
Transformasi variabel bebas bertujuan melinearkan hubungan fungsional antara X dan Y, sementara transformasi respons bertujuan memperbaiki asumsi kenormalan atau homoskedastisitas pada galat.
PT Pangan Sehat meneliti pengaruh suhu penyimpanan terhadap kadar vitamin C pada produk jus. Mereka ingin memperbaiki model karena residual tidak menyebar normal dan variasinya tidak konstan. Langkah yang paling tepat sebelum melakukan transformasi adalah…
Pemilihan transformasi harus didasarkan pada diagnosis awal terhadap pola data, seperti bentuk hubungan dan sifat ketidaknormalan/heteroskedastisitas, bukan langsung menghapus data atau menambah variabel.
Metode Working-Hotelling digunakan untuk membangun pita kepercayaan simultan di seluruh garis regresi. Berbeda dari pita kepercayaan titik-demi-titik, pita Working-Hotelling…
Pita simultan Working-Hotelling menggunakan nilai kritis dari distribusi-F yang lebih besar daripada distribusi-t, sehingga menghasilkan pita yang lebih lebar untuk menjaga tingkat kepercayaan secara simultan di seluruh garis regresi.
Seorang ekonom ingin memprediksi konsumsi rumah tangga pada tiga tingkat pendapatan yang berbeda secara bersamaan dengan tingkat kepercayaan 95%. Ia sebaiknya menggunakan…
Untuk memprediksi pada tiga nilai X sekaligus dengan tingkat kepercayaan bersama, digunakan interval prediksi simultan; penyesuaian Bonferroni membagi α untuk menjaga tingkat kepercayaan simultan.
Dalam konteks inferensi simultan, penyesuaian Bonferroni membagi taraf signifikansi α dengan banyaknya inferensi yang dilakukan. Sifat utama metode Bonferroni adalah…
Metode Bonferroni cenderung konservatif karena membagi α secara merata, sehingga interval yang dihasilkan lebih lebar dan tingkat kepercayaan simultan aktual melebihi yang ditentukan.
Perbedaan mendasar antara interval kepercayaan simultan untuk rata-rata respons dan interval prediksi simultan untuk amatan baru adalah…
Interval prediksi simultan menambahkan komponen variansi galat individual (σ^2) ke dalam variansi pendugaan, sehingga lebih lebar daripada interval kepercayaan simultan yang hanya memperhitungkan variansi penduga garis regresi.
Budi sedang menganalisis data penjualan bulanan dan ingin memeriksa apakah amatan pada bulan tertentu memiliki pengaruh besar terhadap model regresinya. Ia menghitung jarak Cook untuk setiap amatan. Suatu amatan dianggap berpengaruh jika jarak Cook-nya…
Jarak Cook menggabungkan informasi residual dan daya ungkit. Nilai yang melebihi 4/n (dengan n adalah banyaknya amatan) umumnya dijadikan pedoman untuk mendeteksi amatan berpengaruh.
Seorang analis menemukan satu titik data dengan nilai X yang sangat ekstrem dibanding amatan lainnya, namun residualnya kecil. Titik ini kemungkinan besar merupakan…
Amatan dengan X ekstrem memiliki daya ungkit tinggi. Meskipun residualnya kecil, posisinya yang jauh dari pusat data dapat menarik garis regresi sehingga berpengaruh terhadap dugaan parameter.
Perbedaan konseptual antara pencilan dan amatan berpengaruh dalam analisis regresi adalah…
Pencilan adalah amatan dengan residual besar (jauh dari pola umum), sedangkan amatan berpengaruh adalah titik data yang memiliki dampak besar pada penduga parameter, seringkali karena kombinasi residual dan daya ungkit.
Teknik validasi silang dalam analisis regresi dilakukan dengan membagi data menjadi himpunan pelatihan dan pengujian. Tujuan utama validasi silang adalah…
Validasi silang menguji kinerja prediktif model dengan mengukur galat pada data pengujian yang tidak dilibatkan dalam proses pendugaan parameter, sehingga memberikan gambaran kemampuan generalisasi model.
Daya ungkit suatu amatan dalam regresi sederhana mengukur seberapa jauh nilai X amatan tersebut dari rata-rata X. Secara matematis, daya ungkit untuk amatan ke-i adalah…
Daya ungkit h_{ii} adalah elemen diagonal ke-i dari matriks topi H. Untuk regresi sederhana, h_{ii} merupakan fungsi jarak kuadrat X_i dari rata-rata terhadap jumlah kuadrat total X.
Sebuah perusahaan menggunakan regresi linear untuk memprediksi penjualan berdasarkan biaya iklan. Mereka ingin mengetahui apakah model yang dibangun dapat memprediksi penjualan bulan depan dengan akurat tanpa membangun model ulang. Metode evaluasi yang paling sesuai adalah…
Validasi silang mengevaluasi kemampuan prediksi model pada data yang tidak digunakan saat pendugaan, sehingga memberikan estimasi kinerja prediksi yang lebih jujur dibandingkan R^2 dari data pelatihan.
Seorang analis data di PT Logistik Nusantara mengamati bahwa satu amatan memiliki residual yang sangat besar, tetapi setelah diperiksa, nilai X-nya tidak jauh dari rata-rata. Amatan semacam ini paling tepat diklasifikasikan sebagai…
Pencilan adalah amatan dengan residual besar yang letaknya jauh dari pola umum data. Karena nilai X tidak ekstrem, amatan ini tidak memiliki daya ungkit tinggi sehingga bukan merupakan amatan berpengaruh.
Seorang peneliti di LIPI sedang mengevaluasi model regresi dan mencurigai satu titik data mengubah dugaan koefisien secara drastis. Ia menghitung ukuran yang menggabungkan informasi residual dan daya ungkit. Ukuran yang ia gunakan adalah…
Jarak Cook menggabungkan residual dan daya ungkit untuk mendeteksi amatan berpengaruh, yaitu titik data yang memiliki dampak besar terhadap penduga koefisien regresi.
Susunan bilangan yang diatur dalam baris dan kolom sehingga membentuk suatu susunan persegi panjang disebut…
Matriks didefinisikan sebagai susunan bilangan berbentuk persegi panjang yang diatur dalam baris dan kolom.
Sebuah matriks A berukuran 3×4 ditransposkan. Ukuran matriks hasil transpos tersebut adalah…
Operasi transpos mengubah baris menjadi kolom dan kolom menjadi baris, sehingga matriks 3×4 menjadi 4×3.
Syarat utama agar suatu matriks persegi memiliki invers adalah…
Invers matriks hanya ada untuk matriks persegi non-singular, yaitu matriks yang determinannya tidak sama dengan nol.
Matriks identitas I_n memiliki sifat khusus ketika dikalikan dengan matriks A yang kompatibel. Sifat tersebut adalah…
Matriks identitas berperan sebagai elemen netral dalam perkalian matriks, sehingga I_n × A = A.
Seorang mahasiswa UT menghitung invers dan transpos dari matriks X'X. Ia mengamati bahwa (X'X)^{-1} berbeda dengan (X'X)^T. Perbedaan mendasar antara invers dan transpos suatu matriks adalah…
Transpos menukar posisi baris dan kolom, sedangkan invers adalah matriks yang jika dikalikan dengan matriks asalnya menghasilkan matriks identitas.
PT Surveyor Indonesia menggunakan regresi linear sederhana. Dalam notasi matriks, vektor yang memuat koefisien β_0 dan β_1 disebut…
Vektor parameter adalah vektor kolom yang memuat koefisien intersep dan kemiringan dari model regresi, yaitu β_0 dan β_1.
Dalam model regresi linear sederhana dengan notasi matriks Y = Xβ + ε, matriks X disebut matriks rancangan. Kolom pertama matriks X selalu berisi…
Matriks rancangan memiliki kolom pertama berisi nilai satu yang berkorespondensi dengan parameter intersep β_0, dan kolom kedua berisi nilai variabel bebas.
Penduga kuadrat terkecil dalam notasi matriks dirumuskan sebagai b = (X'X)^{-1}X'Y. Komponen X'X dalam rumus tersebut berfungsi untuk…
Matriks X'X merepresentasikan sistem persamaan normal. Inversnya diperlukan untuk menyelesaikan sistem tersebut sehingga diperoleh penduga kuadrat terkecil.
Matriks topi H = X(X'X)^{-1}X' dalam analisis regresi berfungsi untuk…
Matriks topi H adalah matriks proyeksi yang mengubah vektor amatan Y menjadi vektor nilai dugaan Ŷ = HY.
Seorang analis di BPS menghitung vektor residual e = Y – Ŷ. Dalam notasi matriks, residual dapat dinyatakan sebagai…
Karena Ŷ = HY, maka residual e = Y – HY = (I – H)Y, dengan I adalah matriks identitas.
Budi sedang mempelajari output regresi dari software statistik. Ia mengamati bahwa nilai dugaan Ŷ = Xb dan residual e = Y – Xb. Dalam notasi matriks, hubungan orthogonal antara X dan e dinyatakan oleh…
Salah satu sifat penduga kuadrat terkecil adalah X'e = 0, yang berarti vektor residual ortogonal terhadap kolom-kolom matriks rancangan.
Sebuah perusahaan konsultan menggunakan regresi ganda dengan tiga variabel bebas untuk memprediksi omzet. Matriks variansi-kovariansi penduga s^2(X'X)^{-1} memiliki elemen diagonal yang menunjukkan…
Elemen diagonal matriks variansi-kovariansi penduga memuat variansi dari masing-masing penduga koefisien regresi, yang digunakan untuk menghitung galat baku.
Seorang peneliti di bidang agronomi menggunakan regresi ganda untuk memodelkan hasil panen berdasarkan curah hujan, dosis pupuk, dan luas lahan. Ia menguji signifikansi koefisien dosis pupuk sementara curah hujan dan luas lahan tetap berada dalam model. Pengujian yang tepat adalah…
Uji-t parsial menguji signifikansi satu koefisien regresi dengan memperhitungkan keberadaan variabel bebas lain dalam model, berbeda dari uji-t marginal yang hanya melibatkan satu variabel bebas.
Dalam regresi ganda, matriks variansi-kovariansi penduga berbeda dari matriks korelasi. Perbedaan utamanya adalah…
Matriks variansi-kovariansi berisi variansi pada diagonal dan kovariansi antar penduga pada elemen lainnya, sedangkan matriks korelasi adalah bentuk terbakukan dengan nilai antara -1 dan 1.
PT Agro Lestari membangun model regresi ganda dengan empat variabel bebas. Setelah menduga parameter menggunakan b = (X'X)^{-1}X'Y, mereka ingin memastikan bahwa matriks X'X bersifat non-singular. Konsekuensi jika X'X singular adalah…
Jika X'X singular, determinannya nol sehingga invers tidak ada. Akibatnya, penduga kuadrat terkecil tidak dapat dihitung secara tunggal karena sistem persamaan normal tidak memiliki solusi unik.
Dalam model regresi ganda Y = Xβ + ε dengan k variabel bebas, penduga kuadrat terkecil b diperoleh dari rumus b = (X'X)^{-1}X'Y. Matriks (X'X)^{-1} harus ada agar penduga dapat dihitung. Syarat eksistensi invers tersebut adalah…
Invers (X'X)^{-1} ada jika matriks X'X nonsingular, yang berarti tidak ada multikolinearitas sempurna antar kolom X, sehingga kolom-kolom X bebas linear (tidak berkorelasi sempurna).
Seorang analis di PT Indofood membangun model regresi ganda dengan tiga variabel bebas. Ia ingin mengetahui ketepatan pendugaan koefisien regresi secara individual. Informasi ini terdapat pada…
Matriks variansi-kovariansi penduga adalah s^2(X'X)^{-1}. Elemen diagonal utamanya merupakan variansi masing-masing penduga koefisien, yang menunjukkan ketepatan pendugaan secara individual.
Dalam regresi ganda, uji-t parsial untuk koefisien β_j menguji signifikansi variabel X_j dengan memperhitungkan keberadaan variabel lain dalam model. Hal ini berbeda dari uji-t pada regresi sederhana karena…
Uji-t parsial pada regresi ganda mengukur kontribusi tambahan satu variabel bebas setelah variabel bebas lainnya diperhitungkan, sehingga pengaruh variabel lain telah dikendalikan.
Peneliti di Balitbang Pertanian memodelkan hasil panen menggunakan regresi ganda dengan empat variabel bebas. Ia melakukan uji-F dengan hipotesis nol H_0: β_1 = β_2 = β_3 = β_4 = 0. Jika H_0 ditolak pada taraf α = 0,05, kesimpulan yang tepat adalah…
Uji-F keseluruhan menguji apakah paling sedikit terdapat satu koefisien regresi (selain intersep) yang tidak nol. Penolakan H_0 mengindikasikan minimal satu variabel bebas memiliki pengaruh signifikan.
Sebuah model regresi ganda memiliki koefisien determinasi ganda R^2 = 0,78. Arti nilai ini adalah…
R^2 mengukur proporsi keragaman total variabel respons yang dapat dijelaskan oleh seluruh variabel bebas dalam model secara bersama-sama.
Koefisien determinasi parsial mengukur proporsi keragaman yang dijelaskan oleh satu variabel bebas setelah variabel bebas lain dikendalikan. Perbedaannya dengan koefisien determinasi ganda terletak pada…
Koefisien determinasi ganda melibatkan seluruh variabel bebas sekaligus, sedangkan koefisien determinasi parsial hanya mengukur kontribusi tambahan satu variabel setelah variabel lain dikendalikan.
PT Semen Indonesia memiliki model regresi dengan dua variabel bebas X_1 dan X_2. Peneliti ingin menguji apakah penambahan X_2 memberikan kontribusi signifikan setelah X_1 sudah berada dalam model. Pengujian yang tepat adalah…
Uji-F parsial membandingkan jumlah kuadrat regresi model lengkap (dengan X_1 dan X_2) dan model tereduksi (hanya X_1), mengukur kontribusi tambahan X_2 setelah X_1 diperhitungkan.
Dalam uji-F parsial, hipotesis nol menyatakan bahwa koefisien variabel yang diuji bernilai nol. Perbedaan utama uji-F parsial dengan uji-F keseluruhan model adalah…
Uji-F keseluruhan menguji semua koefisien (kecuali intersep) secara simultan, sedangkan uji-F parsial hanya menguji satu atau sekelompok koefisien tertentu.
Seorang analis memperoleh R^2 = 0,82 dan R^2 tersesuaikan = 0,79 untuk model regresi ganda dengan lima variabel bebas dan 30 amatan. Selisih antara kedua nilai tersebut mengindikasikan bahwa…
R^2 tersesuaikan memberi penalti terhadap penambahan variabel bebas yang tidak signifikan. Selisih yang cukup besar menunjukkan bahwa sebagian variabel bebas mungkin tidak memberikan kontribusi berarti.
Model regresi polinom orde kedua dengan satu variabel bebas dinyatakan sebagai Y = β_0 + β_1X + β_2X^2 + ε. Koefisien β_2 dalam model ini mengukur…
Koefisien β_2 pada suku kuadratik menentukan tingkat kelengkungan (curvature) hubungan antara X dan Y, menunjukkan apakah kurva cekung atau cembung.
Seorang ahli agronomi memodelkan hasil panen (Y) berdasarkan dosis pupuk (X) menggunakan model polinom orde kedua. Ia menemukan koefisien β_1 = 4,2 dan β_2 = -0,15. Berdasarkan tanda koefisien tersebut, hubungan antara dosis pupuk dan hasil panen berbentuk…
Tanda negatif pada koefisien suku kuadratik (β_2 = -0,15) menunjukkan kurva parabola terbuka ke bawah, sehingga respons mencapai titik maksimum pada dosis optimal tertentu.
Dalam model regresi polinom dua variabel bebas Y = β_0 + β_1X_1 + β_2X_2 + β_{11}X_1^2 + β_{22}X_2^2 + β_{12}X_1X_2 + ε, suku interaksi β_{12}X_1X_2 menggambarkan…
Suku interaksi menunjukkan bahwa efek satu variabel bebas terhadap respons tidak konstan, melainkan bergantung pada nilai variabel bebas lainnya.
Prinsip hirarki dalam model regresi polinom menyatakan bahwa jika suku pangkat tinggi dimasukkan maka seluruh suku pangkat lebih rendah harus tetap dipertahankan. Pelanggaran prinsip ini dapat menyebabkan…
Tanpa mempertahankan suku orde rendah, model menjadi tidak invarian terhadap transformasi lokasi skala pengukuran variabel bebas, sehingga interpretasi koefisien bergantung pada skala pengukuran.
Untuk mengurangi masalah kolinearitas antara X dan X^2 pada regresi polinom, seorang peneliti menerapkan pemusatan variabel bebas. Pemusatan dilakukan dengan cara…
Pemusatan dilakukan dengan mengurangkan rata-rata X dari setiap amatan X, sehingga menghasilkan variabel baru X* = X – X̄ yang mengurangi korelasi antara suku linear dan kuadratik.
Polinom orthogonal merupakan transformasi suku polinom menjadi peubah yang saling tidak berkorelasi. Keunggulan utama penggunaan polinom orthogonal dibandingkan polinom biasa adalah…
Karena antar suku polinom orthogonal tidak berkorelasi, penambahan suku orde lebih tinggi tidak mengubah koefisien suku orde rendah, sehingga kontribusi setiap orde dapat diuji secara independen.
Dalam metodologi permukaan respons, titik stasioner diperoleh dengan menyelesaikan turunan parsial pertama fungsi respons terhadap semua variabel bebas sama dengan nol. Sifat titik stasioner (maksimum, minimum, atau pelana) ditentukan melalui…
Analisis kanonik menggunakan nilai eigen dari matriks B (matriks koefisien suku kuadratik dan interaksi) untuk menentukan sifat titik stasioner: semua positif untuk minimum, semua negatif untuk maksimum, campuran untuk pelana.
PT Pupuk Kaltim melakukan eksperimen untuk mengoptimalkan suhu dan tekanan reaksi terhadap rendemen pupuk menggunakan metodologi permukaan respons. Hasil analisis kanonik menunjukkan nilai eigen λ_1 = -2,3 dan λ_2 = -1,8. Berdasarkan nilai eigen tersebut, titik stasioner yang diperoleh merupakan…
Nilai eigen yang seluruhnya bertanda negatif menunjukkan bahwa titik stasioner merupakan titik maksimum. Permukaan respons menurun ke segala arah dari titik tersebut.
Dalam analisis regresi, polinom orthogonal sering digunakan untuk menghilangkan korelasi antar suku suku polinom. Seorang peneliti menggunakan polinom orthogonal untuk menduga model kubik. Keunggulan utama polinom orthogonal dalam konteks ini berkaitan dengan stabilitas dugaan koefisien, yang secara langsung mengatasi permasalahan…
Polinom orthogonal mengubah suku-suku polinom (X, X^2, X^3) menjadi peubah baru yang saling tidak berkorelasi. Dengan demikian, permasalahan multikolinearitas antar suku polinom, yang dapat menyebabkan dugaan koefisien regresi menjadi tidak stabil dan variansinya membesar, dapat diatasi secara langsung.
PT Agro Lestari menerapkan metodologi permukaan respons untuk mengoptimalkan hasil panen berdasarkan suhu dan kelembaban. Setelah melakukan analisis kanonik, diperoleh nilai eigen dari matriks koefisien kuadratik berturut-turut λ₁ = 1,8 dan λ₂ = -0,6. Sifat titik stasioner yang diperoleh adalah…
Jika nilai eigen memiliki tanda yang berbeda (positif dan negatif), titik stasioner merupakan titik pelana karena respons meningkat pada satu arah namun menurun pada arah lainnya.
Penelitian di PT Transportasi Jaya menggunakan variabel indikator untuk membedakan rute perkotaan dan antar-kota dalam memodelkan konsumsi bahan bakar. Dalam model regresi, aturan jumlah variabel indikator yang diperlukan untuk suatu variabel kualitatif dengan tiga kategori (misal: perkotaan, antar-kota, campuran) adalah…
Aturan dasar penggunaan variabel indikator adalah jumlah variabel yang dibentuk adalah k-1, di mana k adalah banyaknya kategori, untuk mencegah perangkap kolinearitas sempurna dengan intersep.
Budi, seorang analis di PT Surveyor Indonesia, membangun model regresi untuk memprediksi biaya operasional pabrik berdasarkan volume produksi dan jenis mesin. Ia membentuk satu variabel indikator D bernilai 1 untuk mesin modern dan 0 untuk mesin lama, lalu memodelkan Y = β₀ + β₁X + β₂D + ε. Interpretasi koefisien β₂ pada model tersebut adalah…
Dalam model efek aditif, koefisien variabel indikator menunjukkan perbedaan intersep antar kelompok, yaitu selisih rata-rata respons antara dua kategori ketika variabel bebas kuantitatif dikendalikan pada nilai yang sama.
Seorang peneliti di Balitbang memodelkan hasil panen (Y) menggunakan dosis pupuk (X) dan jenis pupuk (organik vs anorganik) dengan satu variabel indikator D. Ia menduga model interaksi Y = β₀ + β₁X + β₂D + β₃(D × X) + ε. Jika β₃ signifikan positif, hal ini menunjukkan…
Koefisien interaksi β₃ yang signifikan mengindikasikan bahwa kemiringan garis regresi berbeda antar kelompok, sehingga pengaruh variabel kuantitatif terhadap respons bergantung pada kategori variabel indikator.
PT Nusa Konstruksi meneliti produktivitas pekerja menggunakan variabel bebas pengalaman kerja (X, tahun) dan variabel indikator tingkat pendidikan D₁ = 1 untuk sarjana, D₂ = 1 untuk diploma, dan keduanya 0 untuk SMA. Model yang tepat untuk membandingkan produktivitas antar ketiga kelompok pendidikan dengan asumsi kemiringan pengalaman kerja sama adalah…
Untuk tiga kategori, diperlukan dua variabel indikator (k-1 = 2) dalam model efek aditif dengan asumsi kemiringan yang sama. Beta kedua dan beta ketiga mengukur perbedaan intersep relatif terhadap kategori referensi (SMA).
Dalam model regresi dengan variabel bebas kuantitatif dan satu variabel indikator, model efek aditif dan model interaksi memiliki perbedaan fundamental. Perbedaan utama model interaksi dibandingkan model aditif adalah…
Model aditif hanya menambahkan perbedaan intersep, sedangkan model interaksi menyertakan perkalian variabel indikator dengan variabel kuantitatif sehingga kemiringan garis regresi dapat berbeda antar kelompok.
PT Kredit Sejahtera ingin memodelkan apakah seorang nasabah akan macet atau tidak (Y = 1 macet, Y = 0 lancar) menggunakan pendapatan bulanan sebagai variabel bebas. Jika mereka menggunakan model peluang linear Y = β₀ + β₁X + ε, kelemahan utama yang perlu diwaspadai adalah…
Model peluang linear dengan metode kuadrat terkecil dapat menghasilkan dugaan peluang kurang dari 0 atau lebih dari 1 karena tidak ada pembatasan pada fungsi linear, berbeda dengan model logit atau probit yang membatasi dugaan pada selang (0,1).
Siti, analis risiko di PT Asuransi Mitra, membangun model untuk memprediksi klaim (ada/tidak) menggunakan model logit. Model logit mentransformasi peluang kejadian p menjadi log(p/(1-p)). Fungsi penghubung (link function) ini memiliki keunggulan utama dibandingkan model peluang linear, yaitu…
Transformasi logit melalui fungsi logistik memetakan nilai linear prediktor ke selang (0,1) sehingga dugaan peluang tidak mungkin bernilai negatif atau melebihi satu, mengatasi kelemahan utama model peluang linear.
Dalam model dengan variabel respons biner, metode pendugaan parameter yang disarankan untuk model logit adalah metode kemungkinan maksimum (maximum likelihood). Alasan utama metode ini digunakan adalah…
Pada respons biner, galat tidak menyebar normal dan variansi tidak konstan sehingga penduga kuadrat terkecil tidak efisien. Metode kemungkinan maksimum secara iteratif memaksimumkan fungsi likelihood yang sesuai dengan sifat distribusi binomial respons.
PT Telekom Utama menganalisis faktor yang mempengaruhi pelanggan berhenti berlangganan (churn) menggunakan model logit dengan tiga variabel bebas. Koefisien yang diperoleh untuk variabel durasi kontrak adalah -0,8. Interpretasi yang tepat adalah…
Dalam model logit, koefisien merepresentasikan perubahan log odds, bukan perubahan peluang secara langsung. Koefisien negatif menunjukkan bahwa semakin lama kontrak, log odds churn semakin kecil.
Seorang peneliti membandingkan model peluang linear dan model logit untuk data respons biner. Ia menemukan pada model peluang linear terdapat tiga amatan dengan dugaan peluang lebih besar dari 1. Perbedaan utama antara fungsi logistik pada model logit dan fungsi linear pada model peluang linear yang menyebabkan fenomena ini adalah…
Fungsi logistik memiliki bentuk-S dengan nilai mendekati 0 untuk prediktor sangat negatif dan mendekati 1 untuk prediktor sangat positif, sementara fungsi linear tidak memiliki batas sehingga dapat menghasilkan nilai di luar selang (0,1).
PT Manufaktur Presisi memodelkan kekuatan beton menggunakan empat variabel bebas. Analis menemukan nilai faktor inflasi variansi (VIF) untuk variabel kadar air sebesar 12,5. Berdasarkan kaidah umum, kondisi ini mengindikasikan…
Nilai VIF yang melebihi 10 umumnya dijadikan indikasi adanya masalah multikolinearitas yang serius, menunjukkan variansi penduga koefisien variabel tersebut meningkat sekitar 12,5 kali lipat akibat korelasi dengan variabel bebas lain.
Dalam mendeteksi multikolinearitas, indeks kondisi diperoleh dari akar kuadrat rasio nilai eigen maksimum terhadap nilai eigen lain dari matriks korelasi variabel bebas. Indeks kondisi yang melebihi 30 menunjukkan…
Indeks kondisi dihitung sebagai sqrt(λ_maks / λ_j). Nilai indeks kondisi di atas 30 menandakan adanya kolinearitas yang sangat kuat, dengan nilai di atas 100 dianggap sangat serius.
PT Data Analitika menghadapi masalah multikolinearitas pada model regresi ganda dengan enam variabel bebas. Mereka mempertimbangkan regresi gulud (ridge regression) sebagai alternatif kuadrat terkecil. Prinsip dasar regresi gulud dalam menangani multikolinearitas adalah…
Regresi gulud menambahkan tetapan kecil k pada diagonal matriks X'X menjadi (X'X + kI) sehingga matriks menjadi non-singular dan variansi penduga berkurang, meskipun menimbulkan sedikit bias pada penduga koefisien.
Seorang analis membandingkan dua matriks korelasi variabel bebas. Matriks pertama memiliki korelasi tertinggi antar variabel bebas sebesar 0,45, sedangkan matriks kedua memiliki korelasi tertinggi sebesar 0,92. Perbedaan dampak kedua kondisi ini terhadap pendugaan koefisien regresi adalah…
Korelasi tinggi antar variabel bebas (0,92) menyebabkan matriks X'X hampir singular, mengakibatkan variansi penduga koefisien membesar drastis sehingga penduga menjadi tidak stabil dan tanda koefisien dapat berubah dengan sedikit perubahan data.
PT Data Analitika membangun model regresi ganda dengan enam variabel bebas. Analis menemukan bahwa nilai eigen terkecil dari matriks korelasi variabel bebas mendekati nol. Kondisi ini mengindikasikan adanya multikolinearitas yang dapat dideteksi melalui…
Indeks kondisi dihitung dari akar kuadrat rasio nilai eigen maksimum terhadap nilai eigen lain. Nilai eigen yang mendekati nol menyebabkan rasio dan indeks kondisi membesar, dan nilai di atas 30 menandakan multikolinearitas serius.
Seorang ekonom di Bank Indonesia memodelkan data inflasi bulanan selama 10 tahun. Ia mencurigai residual model regresinya berkorelasi dari bulan ke bulan. Pelanggaran asumsi yang ia curigai adalah…
Autokorelasi adalah korelasi antara galat pada pengamatan yang berurutan, umum terjadi pada data deret waktu seperti inflasi bulanan, dan melanggar asumsi kebebasan galat.
PT Surveyor Tambang menggunakan regresi untuk memprediksi produksi batubara kuartalan. Analis menghitung statistik Durbin-Watson dan memperoleh nilai d = 1,15 dengan n = 40 dan k = 3. Nilai tabel pada α = 0,05 adalah d_L = 1,34 dan d_U = 1,66. Kesimpulan yang tepat adalah…
Jika d < d_L maka keputusannya menolak H_0 dan menyimpulkan ada autokorelasi positif. Nilai d = 1,15 lebih kecil dari d_L = 1,34 sehingga disimpulkan terdapat autokorelasi positif.
Model galat autoregresif orde pertama AR(1) dinyatakan sebagai ε_t = ρ ε_{t-1} + u_t, dengan u_t menyebar normal bebas. Parameter ρ dalam model ini merepresentasikan…
Dalam model AR(1) untuk galat, ρ adalah koefisien autokorelasi yang mengukur kekuatan hubungan linear antara ε_t dan ε_{t-1}. Nilai |ρ| < 1 menjamin proses stasioner.
PT Logistik Nusantara memodelkan biaya distribusi bulanan dan mendeteksi autokorelasi positif pada residual. Untuk memperoleh penduga parameter yang efisien, mereka menerapkan prosedur Cochrane-Orcutt yang mentransformasi data. Prinsip transformasi ini adalah…
Prosedur Cochrane-Orcutt mentransformasi data menggunakan penduga koefisien autokorelasi ρ yang diperoleh dari residual, sehingga model yang ditransformasi memiliki galat yang tidak berkorelasi dan penduga kuadrat terkecil menjadi efisien kembali.
Budi membandingkan dua model regresi yang dibangun dari data deret waktu. Model pertama memiliki statistik Durbin-Watson d = 0,82, sedangkan model kedua memiliki d = 3,41. Perbedaan jenis autokorelasi yang terindikasi pada kedua model adalah…
Nilai Durbin-Watson mendekati 0 mengindikasikan autokorelasi positif, sedangkan nilai mendekati 4 mengindikasikan autokorelasi negatif. Model pertama d = 0,82 (positif), model kedua d = 3,41 (negatif karena 4 – 3,41 = 0,59 yang juga kecil).
Seorang peneliti di LIPI memiliki delapan variabel bebas kandidat dan ingin memilih model regresi terbaik. Ia memutuskan mengevaluasi seluruh 255 kemungkinan kombinasi variabel bebas yang dapat dibangun. Metode pemilihan model yang ia gunakan adalah…
Metode semua regresi yang mungkin mengevaluasi seluruh kombinasi variabel bebas (2^k – 1 untuk k variabel kandidat). Dengan delapan variabel, totalnya 255 kombinasi. Metode ini menjamin ditemukannya model terbaik menurut kriteria yang dipilih.
PT Agro Nusantara membandingkan beberapa model regresi untuk memprediksi hasil panen. Analis mengamati bahwa R^2 selalu meningkat saat variabel bebas ditambahkan, namun R^2 tersesuaikan justru menurun pada model dengan tujuh variabel. Hal ini menunjukkan bahwa…
R^2 tersesuaikan memberikan penalti untuk setiap penambahan variabel bebas. Jika nilainya menurun saat variabel baru ditambahkan, artinya variabel tersebut tidak memberikan tambahan penjelasan yang cukup untuk mengimbangi penalti derajat bebas.
Seorang analis menggunakan statistik Cp Mallow untuk memilih model regresi terbaik di antara beberapa kandidat. Ia mencari model dengan nilai Cp yang mendekati p, yaitu banyaknya parameter dalam model. Kriteria ini mencerminkan keseimbangan antara…
Statistik Cp Mallow membandingkan kuadrat tengah galat model kandidat dengan penduga variansi dari model penuh. Model baik memiliki Cp ≈ p, yang menunjukkan keseimbangan antara bias (kekurangan variabel) dan variansi (kelebihan variabel).
PT Manufaktur Presisi membandingkan dua model regresi: model A dengan tiga variabel bebas (AIC = 156,8) dan model B dengan lima variabel bebas (AIC = 152,3). Berdasarkan kriteria informasi Akaike, keputusan yang tepat adalah…
Kriteria AIC memilih model dengan nilai terkecil sebagai model terbaik. AIC memberi penalti berdasarkan banyaknya parameter, sehingga model B tetap terpilih meskipun memiliki lebih banyak variabel karena penurunan AIC menunjukkan perbaikan model yang cukup besar.
Perbedaan utama antara kriteria Cp Mallow dan AIC dalam pemilihan model regresi terbaik terletak pada…
Cp Mallow memerlukan penduga variansi σ^2 yang diperoleh dari model penuh (dengan semua variabel kandidat) sebagai pembanding, sedangkan AIC menghitung kriterianya langsung dari fungsi kemungkinan model tanpa memerlukan acuan model penuh.
PT Indofood memiliki 12 variabel bebas kandidat. Seorang analis memulai pemodelan tanpa satu pun variabel bebas, lalu pada setiap langkah menambahkan variabel yang paling signifikan berdasarkan uji-F parsial hingga tidak ada lagi variabel yang memenuhi ambang masuk. Prosedur ini disebut…
Seleksi maju dimulai dari model tanpa variabel bebas dan menambahkan variabel satu per satu berdasarkan kriteria signifikansi tertentu. Proses berhenti ketika tidak ada variabel di luar model yang memenuhi syarat untuk masuk.
Seorang analis di BPS menerapkan eliminasi mundur pada model dengan sepuluh variabel bebas. Pada setiap langkah, variabel yang dikeluarkan adalah variabel dengan…
Eliminasi mundur dimulai dengan semua variabel, lalu membuang satu per satu variabel yang paling tidak signifikan, yaitu yang memiliki nilai-p tertinggi dan melebihi ambang keluar yang ditetapkan. Proses berlanjut hingga semua variabel tersisa signifikan.
PT Telekom Seluler menggunakan regresi bertatar untuk memilih variabel yang mempengaruhi churn pelanggan. Dibandingkan seleksi maju biasa, keunggulan utama regresi bertatar adalah…
Regresi bertatar menggabungkan seleksi maju dan eliminasi mundur. Pada setiap langkah, setelah penambahan variabel baru, dilakukan pengecekan apakah variabel yang sudah ada masih signifikan. Jika tidak, variabel tersebut dikeluarkan. Ini mengatasi kelemahan seleksi maju yang tidak bisa mengeluarkan variabel yang telah masuk.
Siti, analis data di PT Mitra Sejahtera, menerapkan seleksi maju dengan ambang masuk α_masuk = 0,05 dan ambang keluar α_keluar = 0,10. Ia mengamati bahwa variabel X_5 memiliki nilai-p = 0,07 pada langkah keempat, namun setelah X_6 masuk pada langkah kelima, nilai-p X_5 menjadi 0,12. Pada seleksi maju standar, tindakan terhadap X_5 adalah…
Seleksi maju standar hanya memiliki mekanisme penambahan variabel, tidak dapat mengeluarkan variabel yang sudah masuk meskipun kemudian menjadi tidak signifikan. Hal ini merupakan kelemahan utama seleksi maju yang diatasi oleh regresi bertatar.
PT Bank Digital menerapkan regresi bertatar dengan k = 20 variabel kandidat. Analis menetapkan α_masuk = 0,05 dan α_keluar = 0,10. Syarat penting dalam menetapkan kedua ambang ini agar prosedur berjalan dengan baik adalah…
Agar prosedur regresi bertatar tidak mengalami siklus tak berhingga (variabel masuk lalu keluar berulang), ambang masuk harus lebih kecil dari ambang keluar (α_masuk < α_keluar). Ini memastikan variabel yang baru masuk tidak langsung dikeluarkan pada langkah yang sama.
Regresi linear sederhana kelihatannya gampang. Sampai kamu ketemu bagian transformasi di Modul 2. Itu yang bikin pusing. Kalau data asli melanggar asumsi, model terbaikmu bisa jadi sampah. Cek lagi residual plot-nya. Jangan cuma lihat R².
Soal UTM biasanya hitungan langsung. UO lebih sering minta interpretasi koefisien. SATS4312 Model Linear Terapan juga punya jebakan di multikolinearitas dan autokorelasi, keduanya sering bikin nilai jeblok. Kalau mau variasi, ada juga latihan soal Komputer II yang ngasah logika mirip. Udah pede sama stepwise regression?
