Hukum Okun dalam ekonomi makro adalah contoh regresi linear sederhana. Di sini, peubah terikat (pertumbuhan PDB) diasumsikan berhubungan linear dengan perubahan pada tingkat pengangguran

Dalam statistika, regresi linear sederhana adalah model regresi linear yang hanya memiliki satu peubah bebas. Secara konvensional, pada sistem koordinat Kartesius model ini digambarkan sebagai suatu garis lurus, di mana sumbu x mewakili peubah bebas dan y peubah acak terikat. Peubah terikat y ini kadang-kadang juga disebut sebagai respon. Model regresi linear yang memerlukan lebih dari satu peubah bebas disebut sebagai regresi linear darab.[1]

Perumusan

sunting

Tinjau suatu peubah bebas x dan peubah terikat (respon) y. Pada model regresi linear sederhana, hubungan antara x dan y dinyatakan sebagai berikut: di mana dan adalah koefisien regresi yang akan ditentukan dari data. Sementara itu, adalah prediksi atau taksiran nilai peubah terikat untuk suatu nilai . Umumnya nilai taksiran ini akan berbeda dengan nilai amatan/percobaan yang sesungguhnya.

Tiap pasangan pengamatan memenuhi hubungan Di mana disebut sebagai sisa. Sisa ini mendeskripsikan galat kecocokan antara model regresi linear pada titik data ke-i.

Metode kuadrat terkecil

sunting

Menghitung a dan b dapat dilakukan dengan metode kuadrat terkecil. Pada metode ini, dicari a dan b sedemikian sehingga jumlah kuadrat sisa diminimumkan. Jumlah ini sering disebut sebagai jumlah kuadrat galat.

JKG dirumuskan sebagai

JKG adalah fungsi dari a dan b. Untuk meminimumkan JKG, dicari turunan JKG terhadap a dan b yang kemudian disamakan dengan nol:

Dengan menyusun ulang persamaan tersebut koefisien regresi a dan b dapat dihitung.

Referensi

sunting
  1. ^ Walpole, Ronald E; Myers, Raymond H (1995). Ilmu Peluang dan Statistika untuk Insinyur dan Ilmuwan. Diterjemahkan oleh Sembiring, RK (Edisi 4). Bandung: Penerbit ITB. hlm. 454.

📚 Artikel Terkait di Wikipedia

Regresi linear

Statistik regresi linear merupakan pendekatan untuk memodelkan hubungan antara suatu (satu atau lebih) variabel dependen dengan satu (regresi linear sederhana)

Analisis regresi

Analisis regresi dalam statistika adalah salah satu metode untuk menentukan hubungan sebab-akibat antara satu variabel dengan variabel(-variabel) yang

Pembelajaran terbimbing

sehari. Regresi: teknik regresi memprediksi nilai keluaran tunggal dengan menggunakan data pelatihan. Contohnya: kita dapat menggunakan regresi untuk memprediksi

Model bahasa besar

(Klasifikasi • Regresi) Pohon keputusan Pembelajaran ensambel Bagging boosting Random forest k-NN Regresi linear Naive Bayes Jaringan saraf tiruan Regresi logistik

Pemelajaran mesin daring

dipilh dalam pengamatan kembali. Sebagai contoh, pertimbangkan kasus regresi linear least squares. Di sini, vektor weight didapatkan dari himpunan konveks

Statistika

ke-19 dan awal abad ke-20 oleh Karl Pearson (memperkenalkan metode regresi linear dan istilah deviasi standar pada 1894), Ronald Fisher (peletak dasar

Analyse-it

untuk plot Altman-Bland, regresi linear, regresi linear terbobot (Weighted Linear regression), regresi Deming, tes kelinearan CLSI, perbandingan Delong

Pemelajaran dalam

tingkat tinggi pada data menggunakan sekumpulan fungsi transformasi non-linear yang ditata berlapis-lapis dan mendalam. Teknik dan algoritma dalam pemelajaran