Cara Menghitung Analisis Regresi Sederhana secara Manual

00:21:26
https://www.youtube.com/watch?v=XplF9c5Iicw

الملخص

TLDRVideo ini membahas cara melakukan analisis regresi linear sederhana secara manual. Analisis regresi digunakan untuk memprediksi nilai satu variabel berdasarkan nilai variabel lain. Penjelasan dimulai dengan definisi regresi linear sederhana, diikuti dengan langkah-langkah untuk menghitung persamaan regresi, serta cara mengevaluasi signifikansi menggunakan ANOVA. Variabel dependen dan independen dijelaskan, dan rumus dasar untuk persamaan regresi diperkenalkan. Juga dibahas pentingnya uji signifikansi, di mana hasil dari analisis memberikan informasi yang berguna untuk penelitian dan prediksi.

الوجبات الجاهزة

  • 📊 Regresi linear sederhana digunakan untuk memprediksi variabel berdasarkan data lainnya.
  • 🔍 Variabel dependen adalah yang sedang diprediksi, sedangkan variabel independen adalah yang digunakan untuk memprediksi.
  • 📈 Persamaan dasar regresi adalah Y = A + BX.
  • ✍️ Tabel bantu digunakan untuk mengorganisir data sebelum menghitung regresi.
  • 🔗 Uji signifikansi menggunakan ANOVA untuk menunjukkan kekuatan model regresi.
  • 📝 Penting untuk melaporkan persamaan regresi dan koefisien dalam laporan analisis.
  • 📉 F-hitung dibandingkan dengan F-tabel untuk menentukan signifikansi regresi.
  • 📚 Korelasi dan regresi memiliki hubungan, tetapi regresi lebih berfokus pada prediksi.
  • 🔢 Menggunakan rumus yang tepat penting untuk mendapatkan hasil yang akurat.
  • ✖️ Kesalahan perhitungan dapat mengakibatkan interpretasi yang salah.

الجدول الزمني

  • 00:00:00 - 00:05:00

    Pengantar video memperkenalkan konsep analisis regresi linear sederhana yang memprediksi nilai variabel dengan menggunakan variabel lain. Penjelasan diikuti dengan perbandingan antara analisis korelasi dan regresi, di mana regresi lebih berorientasi pada prediksi. Di akhir segmen, penjelasan mengenai variabel dependen, independen, dan asumsi yang diperlukan sebelum melakukan analisis regresi.

  • 00:05:00 - 00:10:00

    Rumus dasar dari persamaan regresi diperkenalkan, termasuk cara menghitung notasi A dan B. Tabel rangkuman ANOVA juga dibahas sebagai alat untuk melihat signifikansi dari persamaan regresi. Fokus pemaparan adalah mencari dan menghitung persamaan regresi serta signifikansinya, sementara grafik regresi dan koefisien determinasi ditunda untuk video berikutnya.

  • 00:10:00 - 00:15:00

    Melanjutkan dengan langkah-langkah praktis untuk perhitungan regresi menggunakan data yang telah disiapkan. Tabel bantu dibuat untuk mempermudah penghitungan dengan menambahkan kolom perkalian antara X dan Y serta kuadrat dari masing-masing variabel. Penjelasan tentang bagaimana menyusun tabel ini dan melakukan perhitungan menuju penemuan nilai A dan B untuk persamaan regresi.

  • 00:15:00 - 00:21:26

    Penyelesaian perhitungan A dan B serta penerapan nilai ini ke dalam persamaan regresi. Diskusi beralih ke uji signifikansi persamaan regresi menggunakan uji ANOVA dengan menghitung JK, DB, KT, dan F hitung. Penjelasan tentang cara membandingkan F hitung dengan F tabel untuk menentukan signifikansi regresi. Akhir segmen menekankan bahwa jika F hitung lebih besar dari F tabel, regresi signifikan, akan dilanjutkan dengan topik membuat grafik regresi dan koefisien determinasi di video mendatang.

اعرض المزيد

الخريطة الذهنية

فيديو أسئلة وأجوبة

  • Apa itu regresi linear sederhana?

    Regresi linear sederhana digunakan untuk memprediksi nilai variabel berdasarkan nilai variabel lain.

  • Apa perbedaan antara variabel dependen dan independen?

    Variabel dependen diprediksi menggunakan variabel independen yang berfungsi sebagai prediktor.

  • Apa yang perlu dicakup dalam laporan analisis regresi?

    Laporan harus mencakup persamaan regresi, signifikansi persamaan, garis regresi, koefisien korelasi, dan koefisien determinasi.

  • Apa itu ANOVA dalam konteks regresi?

    ANOVA digunakan untuk menguji signifikansi model regresi yang diperoleh.

  • Apa rumus dasar untuk persamaan regresi?

    Rumus dasar adalah Y = A + BX, di mana Y adalah variabel dependen, A adalah intersep, B adalah kemiringan, dan X adalah variabel independen.

عرض المزيد من ملخصات الفيديو

احصل على وصول فوري إلى ملخصات فيديو YouTube المجانية المدعومة بالذكاء الاصطناعي!
الترجمات
id
التمرير التلقائي:
  • 00:00:00
    Assalamualaikum warahmatullahi
  • 00:00:02
    wabarakatuh berjumpa lagi dengan saya di
  • 00:00:05
    channel YouTube saya ensiklopedia Ahmad
  • 00:00:08
    Fauzi channel yang menjelaskan berbagai
  • 00:00:10
    hal yang berkaitan dengan analisis data
  • 00:00:13
    penelitian penulisan dan berbagai
  • 00:00:16
    pengetahuan lain yang mungkin dapat
  • 00:00:18
    meningkatkan pengetahuan ataupun
  • 00:00:20
    keterampilan kalian di video Sebelumnya
  • 00:00:23
    kita telah mempelajari bagaimana caranya
  • 00:00:26
    melakukan perhitungan manual ketika kita
  • 00:00:28
    ingin melakukan anak analisis korelasi
  • 00:00:31
    dan pada video kali ini Mari kita
  • 00:00:34
    mempelajari bagaimana caranya melakukan
  • 00:00:37
    perhitungan manual ketika kita ingin
  • 00:00:39
    melakukan analisis regresi lebih
  • 00:00:43
    tepatnya regresi linear sederhana
  • 00:00:46
    analisis regresi seringki dianggap
  • 00:00:48
    sebagai analisis lanjutan setelah
  • 00:00:50
    korelasi memang banyak penelitian yang
  • 00:00:54
    hanya melakukan analisis hingga korelasi
  • 00:00:57
    ketika penelitiannya mengkaji hubungan
  • 00:01:00
    namun tidak sedikit juga peneliti yang
  • 00:01:03
    melanjutkan analisisnya hingga analisis
  • 00:01:06
    regresi ketika mereka juga melakukan
  • 00:01:09
    penelitian untuk mengkaji hubungan
  • 00:01:12
    oke Sekarang mari kita pelajari Apa itu
  • 00:01:15
    regresi linear sederhana dan bagaimana
  • 00:01:17
    caranya melakukan perhitungan pada
  • 00:01:20
    analisis
  • 00:01:22
    ini analisis regresi linear sederhana
  • 00:01:25
    kita gunakan ketika kita ingin
  • 00:01:28
    memprediksi nilai pada suatu variabel
  • 00:01:31
    berdasarkan nilai variabel lain Nah
  • 00:01:33
    kalau korelasi kita hanya ingin melihat
  • 00:01:36
    hubungan dan seberapa kuat hubungan
  • 00:01:39
    tersebut kalau pada regresi kita bisa
  • 00:01:42
    memprediksi misalkan di variabel a
  • 00:01:44
    datanya sekian kita bisa
  • 00:01:47
    memprediksi data di variabel B dengan
  • 00:01:50
    menggunakan data di variabel a tadi
  • 00:01:53
    setelah tentunya kita melakukan analisis
  • 00:01:56
    regresi jadinya kita bisa memprediksi
  • 00:01:59
    variabel lain berdasarkan variabel
  • 00:02:02
    lainnya variabel yang kita ingin
  • 00:02:05
    prediksi tadi disebut sebagai variabel
  • 00:02:07
    dependen atau terkadang dinamai juga
  • 00:02:10
    sebagai variabel hasil atau di referensi
  • 00:02:13
    lain dikenal juga sebagai
  • 00:02:15
    kriterium sedangkan variabel yang
  • 00:02:18
    digunakan untuk memprediksi nilai
  • 00:02:20
    variabel lain disebut variabel
  • 00:02:23
    independen atau terkadang juga disebut
  • 00:02:25
    sebagai variabel prediktor yang
  • 00:02:28
    memprediksi
  • 00:02:30
    Oke asumsi yang harus dipenuhi oleh data
  • 00:02:34
    kita Sebelum kita melakukan analisis
  • 00:02:36
    regresi linear sederhana yang pertama
  • 00:02:38
    adalah kedua variabel harus diukur dalam
  • 00:02:41
    skala interval atau rasio jadinya sama
  • 00:02:45
    seperti korelasi person ya kemudian
  • 00:02:48
    hubungan dua variabel Harus linear sama
  • 00:02:51
    seperti korelasi person independensi
  • 00:02:54
    observasi sama seperti person juga sama
  • 00:02:56
    seperti
  • 00:02:57
    Anova tidak ada outlay yang signifikan
  • 00:03:00
    juga Sama ya kemudian data juga
  • 00:03:04
    terdistribusi
  • 00:03:05
    normal lalu
  • 00:03:07
    homoskedastisitas Sama juga seperti
  • 00:03:10
    person nah pada analisis regresi ini ada
  • 00:03:15
    keunikan kalau kita melakukan analisis
  • 00:03:17
    Anova kita
  • 00:03:19
    mencantumkan tabel rangkuman Anova pada
  • 00:03:23
    korelasi kita mencantumkan hasil
  • 00:03:25
    perhitungan koefisien korelasi pada Uji
  • 00:03:28
    T kita cantumkan tabel rangkuman Uji T
  • 00:03:32
    ataupun nilai T hitung namun pada
  • 00:03:35
    analisis regresi setidaknya ada empat
  • 00:03:38
    informasi utama yang nanti kita laporkan
  • 00:03:41
    di pelaporan kita yang pertama adalah
  • 00:03:44
    persamaan regresi yang telah kita
  • 00:03:46
    peroleh persamaan ini yang kita gunakan
  • 00:03:49
    untuk memprediksi tadi memprediksi satu
  • 00:03:52
    variabel menggunakan variabel lainnya
  • 00:03:55
    Kemudian signifikansi dari persamaan
  • 00:03:58
    regresi tersebut
  • 00:04:00
    artinya kepercayaan dari persamaan
  • 00:04:04
    regresi benar-benar dapat memprediksi
  • 00:04:06
    secara nyata atau tidak kemudian garis
  • 00:04:09
    regresi jadya ini membuat grafik
  • 00:04:12
    kemudian koefisien korelasi dan
  • 00:04:15
    koefisien
  • 00:04:16
    determinasi nah pada video ini kita akan
  • 00:04:20
    memfokuskan bahasan kita pada Bagaimana
  • 00:04:23
    caranya melakukan perhitungan persamaan
  • 00:04:25
    regresi serta signifikansi persamaan
  • 00:04:28
    regresi garis regresi akan kita bahas di
  • 00:04:31
    video selanjutnya sedangkan koefisien
  • 00:04:34
    korelasi sudah kita bahas di video
  • 00:04:36
    sebelumnya Kalau koefisien determinasi
  • 00:04:39
    akan saya bahas di video yang membahas
  • 00:04:41
    effect size di beberapa video
  • 00:04:45
    selanjutnya nah ini
  • 00:04:47
    merupakan rumus dasar dari persamaan
  • 00:04:50
    regresi formula dasar ya y = a + BX y
  • 00:04:56
    ini
  • 00:04:57
    variabel kriteriumnya
  • 00:05:00
    sedangkan B itu variabel
  • 00:05:02
    prediktornya Kita harus mencari notasi A
  • 00:05:05
    dan
  • 00:05:07
    B kemudian ini merupakan tabel rangkuman
  • 00:05:11
    Anova yang F hitung dan F tabelnya ini
  • 00:05:14
    kita jadikan dasar untuk melihat
  • 00:05:16
    signifikansi dari persamaan regresi ini
  • 00:05:18
    kalau F hitungnya lebih besar dari f
  • 00:05:20
    tabel maka persamaan regresi ini
  • 00:05:23
    signifikan kemudian seperti yang saya
  • 00:05:25
    katakan tadi pelaporan selanjutnya
  • 00:05:27
    adalah menggunakan garis regres
  • 00:05:30
    dan yang terakhir adalah koefisien
  • 00:05:33
    korelasi dan koefisien
  • 00:05:35
    determinasi dan seperti yang saya
  • 00:05:36
    katakan tadi yang akan kita bahas di
  • 00:05:38
    video ini hanyalah dua nomor pertama
  • 00:05:41
    yaitu Bagaimana caranya mencari atau
  • 00:05:43
    menghitung persamaan regresi dan
  • 00:05:45
    bagaimana caranya menghitung
  • 00:05:47
    signifikansi dari persamaan regresi
  • 00:05:51
    tersebut Nah misalkan kita menggunakan
  • 00:05:54
    data ini lagi data ini pernah kita
  • 00:05:56
    gunakan ya di video yang membahas
  • 00:05:57
    perhitungan korelasi
  • 00:05:59
    Apa langkah selanjutnya yang harus kita
  • 00:06:01
    lakukan sama seperti korelasi kita buat
  • 00:06:04
    tabel bantu terlebih dahulu ya caranya
  • 00:06:09
    bagaimana di sebelah kanan kita
  • 00:06:12
    tambahkan satu kolom yang berisi
  • 00:06:14
    Perkalian antara X dengan y misalkan X
  • 00:06:17
    ini merupakan keterampilan berpikir
  • 00:06:20
    kritis sedangkan y ini hasil belajar
  • 00:06:23
    kita ingin mengetahui apakah X ini
  • 00:06:28
    keterampilan berpikir dapat memprediksi
  • 00:06:31
    capaian hasil belajar siswa jadinya x
  • 00:06:35
    merupakan keterampilan berpikir kritis
  • 00:06:36
    sedangkan y adalah hasil belajar kolom
  • 00:06:40
    yang kita ciptakan pertama adalah XC
  • 00:06:42
    yang merupakan Perkalian antara X dengan
  • 00:06:44
    y jadinya 4 * 3 12 5 * 4 20 hingga 9 * 8
  • 00:06:49
    72 kemudian kita tambahkan kolom lagi
  • 00:06:52
    yaitu
  • 00:06:53
    x^ yang merupakan kuadrat dari data-data
  • 00:06:56
    di variabel x 4^ 16 5^ 25 9^ 81 dan
  • 00:07:03
    terakhir kita buat kolom y^ yang
  • 00:07:07
    merupakan kuadrat dari item-item data
  • 00:07:09
    variabel y 3^ 9 4^ 16 8^ 64 dan terakhir
  • 00:07:16
    kita tambahkan satu baris paling bawah
  • 00:07:19
    yang merupakan baris yang berisi
  • 00:07:22
    penjumlahan angka-angka di atas ini ini
  • 00:07:25
    Sigma X ya jadinya 4 + 5+ sekian sekian
  • 00:07:29
    hingga + 9 = 61 ini sigma y-nya ini
  • 00:07:33
    Sigma XY ini Sigma x² Sedangkan ini
  • 00:07:36
    Sigma y
  • 00:07:38
    ku tabel bantu sudah kita peroleh
  • 00:07:41
    Sekarang waktunya kita menentukan
  • 00:07:44
    persamaan regresi dari data ini Nah di
  • 00:07:48
    sini ada dua yang harus kita cari yaitu
  • 00:07:50
    a dan
  • 00:07:52
    b untuk mencari a kita menggunakan rumus
  • 00:07:55
    ini Sigma y * Sigma x^ di- Sigma X * Sig
  • 00:08:01
    XY kemudian dibagi n Sig x² - Sig x² X
  • 00:08:07
    Sig X yang dikuadratkan n ini merupakan
  • 00:08:09
    jumlah jumlah ulangan atau jumlah
  • 00:08:13
    sampel kemudian kalau kita mencari b
  • 00:08:17
    formulanya adalah ini n * Sig XY - sigx
  • 00:08:22
    * Sig y Dib n sigmax² - sigmax yang
  • 00:08:27
    dikuadratkan Mari kita kita selesaikan
  • 00:08:30
    formula untuk a terlebih dahulu langsung
  • 00:08:34
    kita masukkan di sini Sigma y sudah ada
  • 00:08:36
    di tabel bantu yaitu 52 Sigma x² sudah
  • 00:08:40
    ada di sini 403 Sigma X di sini sudah
  • 00:08:44
    ada 61 Sigma XY di sini juga ada 345
  • 00:08:49
    n-nya 10 karena kita lihat di sini ada
  • 00:08:51
    10 ulangan atau 10 siswa kemudian Sigma
  • 00:08:56
    x² lagi di sini
  • 00:08:58
    403 kemudian Sigma X yang dikuadratkan
  • 00:09:02
    jadinya Sigma x-nya 61 kita kuadratkan
  • 00:09:06
    perkalian Ini hasilnya
  • 00:09:08
    20.956 dan perkalian Ini hasilnya
  • 00:09:11
    [Musik]
  • 00:09:13
    21.045 kemudian yang bawah 10 * 403
  • 00:09:16
    4.030 sedangkan 61² adalah
  • 00:09:21
    3.721 pengurangan di pembilang ya
  • 00:09:25
    20.956 -
  • 00:09:27
    21.045 adalah nega
  • 00:09:30
    89 sedangkan pengurangan di penyebut
  • 00:09:33
    4.030 - 300
  • 00:09:36
    3.721 adalah
  • 00:09:38
    309 sehingga notasi A dihasilkan angka
  • 00:09:44
    -0,288 di sini ada negatifnya Tidak
  • 00:09:46
    masalah Tidak salah ya bukan berarti
  • 00:09:49
    perhitungan kita kurang tepat namun
  • 00:09:52
    memang ini negatif kemudian kita
  • 00:09:55
    lanjutkan perhitungan untuk B n-nya 10
  • 00:09:59
    ya jumlah siswanya 10 Sigma XY di sini
  • 00:10:02
    sudah ada
  • 00:10:03
    345 Sigma X lagi 61 Sigma y juga sudah
  • 00:10:07
    ada
  • 00:10:08
    52 kemudian bawahnya n lagi 10 di* Sigma
  • 00:10:13
    x² 403 - Sigma X yang dikuadratkan yaitu
  • 00:10:19
    61² jadinya ini penyebutnya sama hanya
  • 00:10:22
    pembilangnya yang berbeda setelah
  • 00:10:25
    dihitung dan dikalikan maka akan
  • 00:10:28
    diperoleh angka
  • 00:10:31
    0,899 Inilah b-nya kita sudah memperoleh
  • 00:10:35
    a dan b Sekarang waktunya kita masukkan
  • 00:10:39
    ke persamaan regresi ini sehingga a-nya
  • 00:10:43
    kita jadikan -
  • 00:10:45
    0,288 sedangkan b-nya
  • 00:10:49
    0,899 inilah persamaan regresi dari data
  • 00:10:54
    keterampilan berpikir kritis dengan
  • 00:10:57
    hasil belajar y ini hasil belajar
  • 00:11:01
    sedangkan X ini keterampilan berpikir
  • 00:11:04
    kritis dengan menggunakan persamaan ini
  • 00:11:07
    bila nanti uji signifikansi persamaan
  • 00:11:09
    regresinya dikatakan signifikan maka
  • 00:11:12
    kita bisa memprediksi y berdasarkan data
  • 00:11:14
    x kita bisa memprediksi hasil belajar
  • 00:11:17
    siswa a dengan menggunakan data
  • 00:11:20
    keterampilan berpikir kritisnya dia
  • 00:11:23
    caranya bagaimana misalkan ada siswa
  • 00:11:26
    yang mendapatkan skor ket an berpikir
  • 00:11:30
    kritis 7 misalkan sehingga 7 itu kita
  • 00:11:34
    masukkan ke X sini jadinya
  • 00:11:37
    0,899 + 7 kemudian ditambah -
  • 00:11:42
    0,288 alias dikurangi
  • 00:11:45
    0,288 sehingga nanti diperoleh nilai
  • 00:11:47
    tertentu nah nilai tertentu itu
  • 00:11:49
    merupakan prediksi hasil belajar dia
  • 00:11:52
    berdasarkan data keterampilan berpikir
  • 00:11:55
    kritis dia begitu ya jadinya misalkan
  • 00:11:58
    ada siswa dapat nilai 7 untuk
  • 00:12:00
    keterampilan berpikir kritisnya kita
  • 00:12:03
    sudah bisa memprediksi hasil belajar dia
  • 00:12:05
    dengan cara memasukkan angka 7 ke
  • 00:12:07
    persamaan ini dengan memasukkan angka 7
  • 00:12:10
    di X ini ya jadinya 0,899 * 7 kemudian
  • 00:12:16
    dikurangi
  • 00:12:18
    0,288 tentunya nanti hasilnya tidak sama
  • 00:12:20
    persis 8 tetapi mendekati 8 karena ini
  • 00:12:24
    Prediksi semakin bagus persamaan
  • 00:12:26
    regresinya semakin bagus juga prediksi
  • 00:12:29
    yang yang
  • 00:12:30
    dihasilkan persamaan regresi sudah
  • 00:12:32
    diperoleh Sekarang waktunya kita
  • 00:12:37
    menghitung ini
  • 00:12:40
    uji anovanya uji f-nya uji F ini kita
  • 00:12:43
    gunakan untuk melihat signifikansi dari
  • 00:12:46
    persamaan regresi yang kita peroleh
  • 00:12:48
    seberapa kuat persamaan ini seberapa
  • 00:12:51
    nyata dia dapat
  • 00:12:53
    memprediksi
  • 00:12:55
    rumusnya hampir sama ya dengan hitungan
  • 00:12:58
    Anova
  • 00:12:59
    Nah sekarang Mari kita hitung jk-nya
  • 00:13:02
    dulu dengan db-nya dulu
  • 00:13:05
    oke Ini data kita yang telah Kita
  • 00:13:09
    tambahi beberapa kolom dan beberapa
  • 00:13:11
    baris kemudian notasi A tadi sudah kita
  • 00:13:14
    peroleh
  • 00:13:15
    -0,288 kemudian notasi B
  • 00:13:19
    0,899 kita hitung jk-nya terlebih dahulu
  • 00:13:22
    yaitu JK total yang rumusnya seperti ini
  • 00:13:25
    yang rumus ini sudah saya cantumkan di
  • 00:13:27
    tabel anovat tadi ini ya jadinya setiap
  • 00:13:33
    sel sudah saya isi rumus untuk mencari
  • 00:13:36
    angka-angka atau nilai-nilai yang harus
  • 00:13:37
    dimasukkan ke Setiap sel di tabel ini
  • 00:13:41
    kembali lagi ke sini nah JK totalnya
  • 00:13:44
    rumusnya ini kemudian setelah mencari JK
  • 00:13:47
    total kita bisa mencari JK regresi kita
  • 00:13:49
    singkat sebagai jkr karena kalau di
  • 00:13:51
    tabel ini ada tiga baris ya pertama
  • 00:13:54
    regresi kedua galet ketiga
  • 00:13:56
    total namun untuk mencari JK dan DB kita
  • 00:14:00
    cari yang total
  • 00:14:02
    dahulu ya JK total ini JK regresi
  • 00:14:06
    formulanya ini sedangkan JK galat
  • 00:14:08
    formulanya sederhana seperti ini
  • 00:14:11
    langsung kita masukkan saja Sigma y^ di
  • 00:14:15
    tabel bantu sudah ada
  • 00:14:17
    298 dikurangi fk-nya Sigma y
  • 00:14:21
    dikuadratkan dibagi n Sigma y-nya sudah
  • 00:14:23
    ada 52 tinggal dikuadratkan kemudian
  • 00:14:26
    dibagi 10 52 ku itu itu
  • 00:14:30
    2.704 yang kalau dibagi 10 menjadi
  • 00:14:33
    270,4 sehingga jika totalnya adalah 298
  • 00:14:38
    -
  • 00:14:39
    270,4 yaitu
  • 00:14:42
    27,6 ini JK total sekarang kita mencari
  • 00:14:46
    jkr JK regresi nah ini rumusnya dan
  • 00:14:50
    melibatkan notasi B sehingga di sini
  • 00:14:52
    tadi saya cantumkan notasi B yang sudah
  • 00:14:55
    kita peroleh angkanya yaitu
  • 00:14:58
    0,899 Ya sudah langsung kita masukkan
  • 00:15:00
    b-nya
  • 00:15:02
    0,899 Sigma XY sudah ada di sini 345
  • 00:15:06
    kemudian Sigma X 61 * Sigma y 52 dibagi
  • 00:15:10
    n atau jumlah ulangan
  • 00:15:14
    10 sehingga setelah dihitung JK
  • 00:15:16
    regresinya yang ditemukan adalah sebesar
  • 00:15:21
    25,011 JK regresi sudah diperoleh
  • 00:15:24
    sekarang waktunya menghitung jk galat
  • 00:15:26
    yang rumusnya cukup sederhana yaitu itu
  • 00:15:29
    hasil pengurangan antara JK total dengan
  • 00:15:31
    JK regresi JK total tadi 27,6 sedangkan
  • 00:15:36
    JK regresi
  • 00:15:39
    25,011 sehingga JK galatnya sebesar
  • 00:15:44
    2,589 JK sudah kita peroleh semua
  • 00:15:49
    Sekarang waktunya kita mencari derajat
  • 00:15:52
    bebas atau DB sama kita cari DB totalnya
  • 00:15:57
    terlebih dahulu yang rumusnya adalah
  • 00:16:00
    Jumlah ulangan dikurangi 1 kemudian kita
  • 00:16:05
    cari DB regresinya yang sama dengan k k
  • 00:16:09
    ini jumlah variabel bebasnya atau
  • 00:16:11
    variabel
  • 00:16:13
    prediktornya kemudian DB galet hampir
  • 00:16:16
    sama dengan JK galet rumusnya yaitu
  • 00:16:18
    pengurangan antara DB total dikurangi DB
  • 00:16:22
    milik
  • 00:16:23
    regresi langsung kita masukkan untuk
  • 00:16:25
    mencari DB total terlebih dahulu n-nya
  • 00:16:28
    kan ada 10 sehingga 10 - 1 = 9 ini
  • 00:16:33
    merupakan DB totalnya DB regresi = k k
  • 00:16:38
    itu jumlah variabel bebas atau
  • 00:16:40
    prediktornya nah ini prediktornya cuma
  • 00:16:43
    satu x-nya cuma satu ya Sehingga DB
  • 00:16:46
    regresi sama dengan 1 DB galat tinggal
  • 00:16:50
    dikurangkan saja 9 dikur 1 yaitu
  • 00:16:56
    8 sehingga dari langkah tersebut kita
  • 00:17:00
    sudah memperoleh JK dan DB kita masukkan
  • 00:17:03
    terlebih dahulu agar memudahkan kita
  • 00:17:05
    untuk menghitung
  • 00:17:07
    KT JK total sebesar
  • 00:17:10
    27,6 kemudian tadi kita sudah memperoleh
  • 00:17:14
    JK regresi sebesar
  • 00:17:16
    25,011 kemudian JK galet sebesar
  • 00:17:22
    2,589 kemudian DB total ada 9 DB regresi
  • 00:17:26
    ada 1 dan DB galat ada
  • 00:17:30
    Nah sekarang waktunya kita menghitung KT
  • 00:17:34
    kita hitung KT regresi dulu kemudian KT
  • 00:17:38
    galat rumus dari KT regresi berdasarkan
  • 00:17:41
    tabel di awal tadi adalah pembagian
  • 00:17:43
    antara JK regresi dengan DB milik
  • 00:17:46
    regresi
  • 00:17:47
    tersebut di sini langsung kita bisa
  • 00:17:50
    lihat JK regresinya
  • 00:17:52
    25,011 sedangkan DB dia hanya 1 sehingga
  • 00:17:56
    hasil pembagiannya tetap yaitu 20
  • 00:18:00
    ,011 langsung kita masukkan di sel sini
  • 00:18:04
    kemudian kita hitung KT galatnya
  • 00:18:06
    rumusnya JK galat di sini sudah ada
  • 00:18:09
    2,589 di/ DP galat 8 sehingga hasilnya
  • 00:18:16
    0,324 sehingga langsung saja kita
  • 00:18:18
    masukkan ke sini KT galatnya adalah
  • 00:18:22
    0,324 KT galat sudah diperoleh Sekarang
  • 00:18:25
    waktunya kita mencari F hitung rumus f
  • 00:18:29
    hitung berdasarkan tabel rangkuman tadi
  • 00:18:31
    tabel rangkuman rumus adalah pembagian
  • 00:18:34
    antara KT regresi dengan KT galat di
  • 00:18:38
    sini Kita sudah mendapatkan KT regresi
  • 00:18:41
    sebesar
  • 00:18:42
    25,011 sedangkan KT galat di sini
  • 00:18:47
    0,324 langsung kita masukkan saja hasil
  • 00:18:50
    pembagiannya adalah
  • 00:18:53
    77,284 kita Tuliskan di kolom di sel F
  • 00:18:57
    hitung
  • 00:18:59
    nah F hitung sudah kita peroleh sekarang
  • 00:19:01
    kita mencari f
  • 00:19:03
    tabelnya f tabelnya sama ya karena kita
  • 00:19:07
    melihat tabel F maka kita membutuhkan
  • 00:19:10
    dua db db pertama dengan DB kedua DB
  • 00:19:13
    pembilang dengan DB penyebut DB pertama
  • 00:19:16
    kita lihat DB regresi sedangkan DB kedua
  • 00:19:20
    kita melihat DB galat sehingga nanti
  • 00:19:23
    kita mencari di tabel f-nya db1-nya 1 DP
  • 00:19:27
    keduanya 8 kita sudah belajar ya
  • 00:19:30
    bagaimana caranya membaca tabel F di
  • 00:19:33
    video yang membahas uji anafa 1 jalur
  • 00:19:37
    setelah kita melihat tabel F maka nilai
  • 00:19:40
    F tabel pada kedua DB ini adalah sebesar
  • 00:19:45
    5,32 nah angka ini kita masukkan ke sel
  • 00:19:49
    F tabel Nah sudah Sekarang waktunya kita
  • 00:19:52
    bandingkan antara F hitung dengan F
  • 00:19:55
    tabel prinsipnya ketika F hitung lebih
  • 00:19:59
    besar dari f tabel maka garis regresi
  • 00:20:01
    yang kita peroleh tadi signifikan namun
  • 00:20:05
    kalau sebaliknya F hitungnya kurang dari
  • 00:20:08
    f tabel maka garis regresi yang kita
  • 00:20:11
    peroleh tadi tidak
  • 00:20:13
    signifikan
  • 00:20:15
    sehingga variabel
  • 00:20:17
    x-nya tidak dapat memprediksi secara
  • 00:20:20
    signifikan capaian variabel
  • 00:20:24
    y karena di sini F hitungnya lebih besar
  • 00:20:27
    dari f tabel maka persama regresi yang
  • 00:20:29
    telah kita peroleh tadi jelas
  • 00:20:32
    signifikan sehingga ini merupakan tabel
  • 00:20:36
    rangkuman
  • 00:20:37
    signifikansi persamaan regresi yang
  • 00:20:40
    dibaca Ini
  • 00:20:42
    oke pada video selanjutnya akan kita
  • 00:20:45
    bahas Bagaimana caranya membuat grafik
  • 00:20:48
    atau garis regresi ini kalau korelasi
  • 00:20:52
    koefisien korelasi kan ini ini rumusnya
  • 00:20:54
    sama seperti rumus yang telah kita
  • 00:20:56
    pelajari di video yang membahas cara
  • 00:20:58
    perhitungan korelasi Sedangkan ini
  • 00:21:01
    merupakan koefisien determinasi yang
  • 00:21:03
    akan kita bahas di video yang membahas
  • 00:21:06
    cara menghitung effect
  • 00:21:08
    size demikian penjelasan saya terkait
  • 00:21:12
    Bagaimana caranya melakukan perhitungan
  • 00:21:14
    regresi linear sederhana secara manual
  • 00:21:17
    terima kasih atas perhatiannya Mohon
  • 00:21:19
    maaf bila ada kesalahan
  • 00:21:22
    asalamualaikum warahmatullahi
  • 00:21:24
    wabarakatuh
الوسوم
  • regresi
  • analisis data
  • persamaan regresi
  • signifikansi
  • variabel dependen
  • variabel independen
  • ANOVA
  • korelasi
  • perhitungan manual
  • prediksi