00:00:03
Oke asalamualaikum warahmatullahi
00:00:05
wabarakatuh baik teman-teman sekalian
00:00:07
kembali lagi di basem channel masih
00:00:10
melanjutkan ya pembahasan kita di materi
00:00:12
atau bab statistika ya Eh kelas 11
00:00:15
kurikulum Merdeka masih di materi
00:00:19
diagram Pencar ya Di mana pada video
00:00:21
sebelumnya kita sudah membahas secara
00:00:23
detail Apa itu diagram Pencar ya Ee
00:00:27
bagaimana membedakan variabel bebas
00:00:29
variabel terik Bagaimana cara menggambar
00:00:31
diagram Pencar dan menentukan tren data
00:00:34
korelasi dan interpretasi ya dari eh
00:00:38
data bivariat Nah kita akan melanjutkan
00:00:41
lagi pembahasan kita eh sekarang kita
00:00:44
masuk ke pembahasan regresi linear ya
00:00:47
masih kelanjutan materi sebelumnya nah
00:00:49
sebelumnya seperti biasa kita bahas dulu
00:00:52
pengertiannya ya Ee yang mau kita bahas
00:00:55
apa sih itu regresi linear ee regresi
00:00:58
linear adalah sebuah metode statistik
00:01:01
yang digunakan untuk menganalisis
00:01:04
hubungan antara satu variabel dependen
00:01:07
ya atau kita sebut kemarin Variabel
00:01:10
terikat sama saja dengan satu atau lebih
00:01:13
variabel independen atau variabel ee
00:01:16
bebas ya pada sumbu x nah ini secara
00:01:19
pengertian terkait dengan regresi ee
00:01:22
linear nah misalnya nih ada diagram
00:01:25
Pencar yang sudah kita ee gambar kemarin
00:01:28
ya pertanyaannya Bagaimana tren data
00:01:31
pada diagram nah tentu untuk menentukan
00:01:33
tren data kita melihat pola penyebaran
00:01:38
ee datanya ya dari koordinat titik yang
00:01:41
sudah kita Gambarkan nih Heeh Biasanya
00:01:44
kita lihat polanya kita perkirakan nih
00:01:46
kita lihat Oh ternyata ee pola
00:01:48
penyebaran datanya ee berbentuk garis
00:01:52
lurus sehingga kita katakan karena pola
00:01:54
penyebaran datanya berbentuk atau
00:01:56
mendekati garis lurus maka tren datanya
00:01:58
apa kemarin Nah tren TR datanya linear
00:02:01
ya Jadi kemarin tren data ada tiga tuh
00:02:03
ya kalau berbentuk garis lurus linear
00:02:06
kalau
00:02:07
ee garisnya tidak lurus berbentuk kurva
00:02:10
ya berarti nonlinear dan ada juga yang
00:02:13
tidak berpola sama
00:02:14
sekali Nah setelah kita tentukan tren
00:02:18
datanya ee tentu
00:02:21
ee dua data tadi Ya baik data apalahi
00:02:25
istilahnya ee variabel bebas maupun
00:02:28
variabel terikatnya tentu sudah ada
00:02:30
hubungan ya Biasanya kita analisis lagi
00:02:33
ee korelasinya ya apakah dia positif
00:02:36
atau negatif dilihat dari arah garisnya
00:02:39
kemudian interpretasinya menjelaskan
00:02:41
hubungan kedua variabel nah namun yang
00:02:44
mau kita bahas di sini adalah cukup
00:02:46
melihat garisnya saja ya menganalisis
00:02:49
ee Garis dari pola penyebaran data yang
00:02:52
ada nah ee pertanyaannya Apakah ada
00:02:56
perkiraan garis yang lain dari pola pola
00:02:58
penyebaran data yang ada Nah jadi ee
00:03:01
dari pola yang kita Tuliskan tadi nih
00:03:03
bahwa penyebaran titik-titik pada
00:03:06
diagram pencari ini itu ee diperkirakan
00:03:09
ee polanya membentuk garis lurus tapi
00:03:13
apakah ini sudah tepat nih ee perkiraan
00:03:16
garisnya Apakah ada garis yang lain
00:03:19
kira-kira dari pola yang ada ya tentu
00:03:22
ada yaah bisa saja polanya seperti ini
00:03:24
ataukah begini ya jadi banyak Nah ee
00:03:28
pertanyaannya lagi garis mana yang
00:03:30
paling tepat untuk mewakili data pada
00:03:32
diagram nah Jadi intinya di sini regresi
00:03:36
linear itu yaitu kita mau mencari pola
00:03:40
garis yang tepat ya ee ee yang mewakili
00:03:44
data pada diagram gitu ya oke nah ee di
00:03:49
antara semua garis yang mungkin dibentuk
00:03:51
hanya ada satu garis yang paling tepat
00:03:54
nah biasanya disebut garis bas speit nah
00:03:58
itu yang mau kita cari ya Jadi nanti di
00:04:00
antara
00:04:01
ee kemungkinan garis-garis yang dibentuk
00:04:04
dari pola data yang ada hanya ada satu
00:04:06
nih ee garis yang paling tepat mewakili
00:04:09
pola data yang ada namanya Apa tadi
00:04:11
namanya garis base speed nah garis ini
00:04:15
merupakan model linear yang
00:04:17
memperkirakan hubungan antara dua
00:04:19
variabel kuantitatif pada diagram Pencar
00:04:22
tersebut Nah model regresi yang
00:04:23
memberikan hubungan garis lurus antara
00:04:25
dua variabel ini itulah yang disebut
00:04:28
sebagai regresi linear jadi di sini
00:04:30
penjelasan lagi nih penekanan terkait
00:04:33
Apa itu regresi linear ya Jadi kita mau
00:04:36
menganalisis hubungan
00:04:38
ee dua variabel melalui sebuah ee garis
00:04:43
lurus ya Nah itulah yang dikenal sebagai
00:04:46
regresi linear tapampai di sini bisa ya
00:04:49
oke sip nah pertanyaannya lagi bagaimana
00:04:52
dong cara menentukan yang mana yang
00:04:54
merupakan garis bas speed-nya atau garis
00:04:57
yang paling tepat mewakili data nah itu
00:05:00
yang akan kita bahas nah misalnya nih
00:05:02
dari e ketiga prediksi garis tadi yang
00:05:06
mana kira-kira yang paling tepat nah
00:05:07
Biasanya kita ee dalam menentukan garis
00:05:12
yang paling tepat kita melihat nih jarak
00:05:14
garis dengan titik-titik yang ada maka
00:05:17
semakin dekat garis keemua titik-titik
00:05:20
pada diagram Pencar maka semakin tepat
00:05:22
garis tersebut Nah ini salah satu cara
00:05:25
ya Jadi kita melihat ee jarak garis ke
00:05:29
semua titik-titik yang ada misalnya nih
00:05:31
dari tiga garis tadi kita ambil yang
00:05:34
merah dulu nih ya kemudian kita ambil
00:05:36
yang garis biru ya yang hijau kan agak
00:05:39
jauh tuh kemungkinan dua garis ini saja
00:05:42
yang
00:05:43
EE bisa menjadi garis base speed-nya Nah
00:05:47
tadi Eh caranya apa kita melihat jarak
00:05:50
garis dengan titik-titik yang ada ya
00:05:52
kita lihat garis merah ini di sini ada
00:05:55
dua titik nih yang jaraknya lumayan jauh
00:05:58
dari garis gitu ya sementara garis yang
00:06:01
biru hanya ada satu titik yang jauh dari
00:06:05
e garis sementara jaraknya ini Jarak
00:06:08
titik yang jauh ini satu titik ini E
00:06:11
tidak terlalu jauh dibandingkan jarak
00:06:13
dua titik yang jaraknya jauh terhadap
00:06:17
garis merah tadi gitu ya Nah kemudian
00:06:21
Yang kedua kita lihat nih garis merah
00:06:24
itu kebanyakan titik-titiknya berada di
00:06:27
bawah garis gitu ya sementara yang biru
00:06:30
seimbang nih ada yang di atas ada yang
00:06:32
di bawah dan jaraknya ee Lumayan dekat
00:06:35
dengan garis sehingga dapat disimpulkan
00:06:38
dari sini melihat ee jarak garis dengan
00:06:41
titik-titik yang ada bahwa kemungkinan
00:06:43
yang menjadi garis bas speednya mana
00:06:45
yang merah atau yang biru nih Nah tentu
00:06:47
yang biru ya jadi ee dengan
00:06:50
memperkirakan atau melihat jarak garis
00:06:53
dengan titik-titik yang ada itu salah
00:06:55
satu cara untuk menentukan garis base
00:06:58
speednya ya tapi ini kan hanya sampel
00:07:00
nih ya kalau ee penyebaran datanya
00:07:03
titik-titiknya hanya sedikit saja kadang
00:07:05
kan lumayan banyak tuh nah pertanyaan
00:07:07
sekarang apakah ada cara yang paling
00:07:09
tepat dalam menentukan sebuah garis bas
00:07:13
speed Ya dengan suatu ee data ya rumus
00:07:17
yang pasti gitu ya Nah itu yang akan
00:07:19
kita bahas ee pada ee materi regresi
00:07:23
linear ini ya Ee nanti ada dua cara ya
00:07:26
yaitu menggunakan metode ee kuadrat
00:07:29
terkecil dan persamaan regresi yaah itu
00:07:34
akan kita bahas pada video sebelumnya
00:07:36
Nah di sini kita berikan pengantarnya
00:07:38
dulu terkait dengan Apa itu regresi
00:07:40
linear dan apa yang akan kita bahas ya
00:07:44
yaitu apa tadi ah mencari garis bas
00:07:47
speed dari sebuah penyebaran data ya
00:07:50
atau diagram pencat Oke demikian yang
00:07:54
bisa kita ee bahas ee untuk cara yang
00:07:57
paling tepat dalam menentukan spesik
00:07:59
akan kita bahas pada video Selanjutnya
00:08:02
ya Insyaallah akan kita ee berikan
00:08:05
penjelasannya demikian semoga bermanfaat
00:08:08
ya dan bisa dipahami tentunya tetap
00:08:11
semangat dan selalu
00:08:13
berprestasi
