Multiple Regression Calculator

Hitung regresi berganda dan koefisien determinasi

Masukkan data Y dan X untuk regresi berganda

Hasil akan dihitung secara otomatis saat input terisi

Kalkulator Regresi Berganda - Analisis Multivariat Online

Hitung regresi linear berganda dengan cepat dan akurat. Alat online untuk analisis multivariat, koefisien regresi, dan prediksi variabel dependen.

Rumus Regresi Linear Berganda

Y = β₀ + β₁ X₁ + β₂ X₂ + ... + βₙ Xₙ

Keterangan:

  • YVariabel dependen (terikat) yang ingin diprediksi
    Variabel dependen (terikat) yang ingin diprediksi(contoh: Nilai ujian)
  • X₁Variabel independen (bebas) pertama
    Variabel independen (bebas) pertama(contoh: Jam belajar per minggu)
  • X₂Variabel independen (bebas) kedua
    Variabel independen (bebas) kedua(contoh: Jumlah latihan soal)
  • β₀Intersep (konstanta), nilai Y saat semua X = 0
    Intersep (konstanta), nilai Y saat semua X = 0(contoh: 45)
  • β₁Koefisien regresi untuk X₁, perubahan Y per unit X₁
    Koefisien regresi untuk X₁, perubahan Y per unit X₁(contoh: 3,5)
  • β₂Koefisien regresi untuk X₂, perubahan Y per unit X₂
    Koefisien regresi untuk X₂, perubahan Y per unit X₂(contoh: 1,2)

Cara Menggunakan Kalkulator Regresi Berganda

  1. 1

    Masukkan Data Variabel

    Siapkan data Anda dalam bentuk tabel. Kolom pertama adalah variabel dependen (Y), diikuti kolom variabel independen (X1, X2, ...). Pastikan data numerik dan tidak ada nilai kosong.

  2. 2

    Isi Jumlah Variabel

    Tentukan berapa banyak variabel independen yang akan digunakan (minimal 2 untuk regresi berganda).

  3. 3

    Input Data ke Kalkulator

    Masukkan data ke dalam kolom yang tersedia, atau upload file CSV jika fitur tersedia. Anda bisa memasukkan beberapa baris data.

  4. 4

    Klik Hitung

    Tekan tombol "Hitung" untuk memproses data. Kalkulator akan menghitung koefisien regresi, intersep, dan statistik lainnya.

  5. 5

    Interpretasi Hasil

    Hasil akan menampilkan persamaan regresi lengkap beserta koefisien. Anda dapat melihat R-squared, error standar, dan nilai prediksi untuk input baru.

Contoh Perhitungan

Prediksi Nilai Ujian Berdasarkan Jam Belajar dan Jumlah Latihan

Soal:

Seorang siswa ingin memprediksi nilai ujian akhir (Y) berdasarkan jam belajar per minggu (X1) dan jumlah latihan soal yang dikerjakan (X2). Data yang dikumpulkan dari 10 siswa adalah sebagai berikut: (Tabel data tidak perlu ditampilkan). Hitung persamaan regresi linear bergandanya.

Penyelesaian:
  1. 1.Langkah 1: Masukkan data (Y: nilai ujian, X1: jam belajar, X2: jumlah latihan) ke dalam kalkulator.
  2. 2.Langkah 2: Klik tombol "Hitung" untuk menjalankan analisis.
  3. 3.Langkah 3: Kalkulator menampilkan output berupa koefisien regresi: β₀ = 45, β₁ = 3,5, β₂ = 1,2.
  4. 4.Langkah 4: Persamaan regresi: Y = 45 + 3,5 X₁ + 1,2 X₂.
Hasil:Persamaan regresi: Y = 45 + 3,5 X₁ + 1,2 X₂. Nilai R-squared = 0,85.

Setiap penambahan 1 jam belajar per minggu (dengan latihan tetap) meningkatkan nilai ujian sebesar 3,5 poin. Setiap penambahan 1 latihan soal (dengan jam belajar tetap) meningkatkan nilai sebesar 1,2 poin. Model ini cukup baik dengan R-squared 85%.

Prediksi Harga Rumah Berdasarkan Luas dan Usia

Soal:

Seorang agen properti ingin memprediksi harga rumah (dalam juta rupiah) berdasarkan luas rumah (dalam m²) dan usia rumah (dalam tahun). Data sampel 15 rumah telah dikumpulkan. Hitung koefisien regresi untuk prediksi.

Penyelesaian:
  1. 1.Langkah 1: Input variabel dependen Y (harga rumah) dan dua variabel independen X1 (luas) dan X2 (usia).
  2. 2.Langkah 2: Jalankan perhitungan dengan menekan tombol "Hitung".
  3. 3.Langkah 3: Hasil perhitungan menunjukkan β₀ = 200, β₁ = 8,5, β₂ = -2,3.
  4. 4.Langkah 4: Persamaan regresi: Y = 200 + 8,5 X₁ - 2,3 X₂.
Hasil:Persamaan regresi: Y = 200 + 8,5 X₁ - 2,3 X₂. R-squared = 0,92.

Setiap pertambahan luas 1 m² menaikkan harga rumah sebesar 8,5 juta rupiah (dengan usia tetap). Setiap pertambahan usia 1 tahun menurunkan harga rumah sebesar 2,3 juta rupiah (dengan luas tetap). Model ini sangat baik dengan R-squared 92%.

Pertanyaan yang Sering Diajukan (FAQ)

Apa itu regresi linear berganda?
Regresi linear berganda adalah metode statistik untuk menganalisis hubungan antara satu variabel dependen (terikat) dengan dua atau lebih variabel independen (bebas). Tujuannya adalah untuk memprediksi nilai variabel dependen berdasarkan kombinasi linear dari variabel independen.
Bagaimana cara menginterpretasikan koefisien regresi?
Koefisien regresi (β) menunjukkan perubahan rata-rata pada variabel dependen ketika variabel independen terkait berubah satu satuan, dengan asumsi variabel independen lainnya konstan. Misalnya, β₁ = 3,5 berarti setiap kenaikan 1 unit X₁ akan meningkatkan Y sebesar 3,5 (ceteris paribus).
Apa perbedaan antara regresi sederhana dan regresi berganda?
Regresi sederhana hanya menggunakan satu variabel independen untuk memprediksi variabel dependen, sedangkan regresi berganda menggunakan dua atau lebih variabel independen. Regresi berganda memungkinkan kontrol terhadap beberapa faktor sekaligus dan biasanya memberikan prediksi yang lebih akurat.
Kapan sebaiknya menggunakan regresi berganda?
Gunakan regresi berganda ketika Anda memiliki lebih dari satu faktor yang diduga mempengaruhi variabel dependen. Misalnya, ketika memprediksi harga rumah, Anda perlu mempertimbangkan luas, lokasi, usia, jumlah kamar, dll. Metode ini membantu mengisolasi pengaruh masing-masing faktor.

Kalkulator Terkait

Kalkulator Regresi Linear Sederhana

Hitung regresi dengan satu variabel independen

Kalkulator Korelasi Pearson

Ukur kekuatan dan arah hubungan linear antar variabel

Kalkulator Statistik Deskriptif

Hitung mean, median, standar deviasi, dan lainnya

Kalkulator Distribusi Normal

Hitung probabilitas distribusi normal standar

Referensi