Regresi Linier: Analisis dan Kuadrat Residu

Halo semuanya! Hari ini kita akan membahas tuntas soal regresi linier, mulai dari menghitung jumlah kuadrat residu hingga menganalisis nilai residu pada data statistik. Yuk, langsung kita perhatikan soalnya!

Sebelum menghitung, pahami dulu konsepnya. Residu atau e i adalah selisih antara nilai aktual y i dengan nilai prediksi y topi i. Jumlah kuadrat residu atau S S R dihitung dengan menjumlahkan kuadrat dari setiap selisih tersebut. Secara visual, residu ini adalah jarak vertikal dari titik data ke garis regresi.

Untuk soal pertama, kita gunakan garis regresi y topi sama dengan nol koma enam enam x ditambah tujuh puluh dua. Contohnya, untuk x sama dengan dua, nilai prediksinya adalah tujuh puluh tiga koma tiga dua. Dengan y aktual enam puluh enam, residunya adalah minus tujuh koma tiga dua, yang jika dikuadratkan menjadi lima puluh tiga koma lima delapan dua empat. Jika kita hitung untuk semua data dan dijumlahkan, hasilnya adalah seratus sembilan puluh koma enam sembilan, yaitu opsi E.

Lanjut ke soal kedua dengan garis best fit y topi sama dengan tiga puluh dua dikurang nol koma tujuh x. Mari kita cek pernyataan satu: untuk x sepuluh, y topi adalah dua puluh lima, sehingga residunya adalah dua puluh enam dikurang dua puluh lima sama dengan satu. Pernyataan satu benar! Namun, pernyataan dua salah, karena untuk x dua belas, residunya adalah minus nol koma enam, bukan minus nol koma delapan.

Sekarang kita cek pernyataan tiga: untuk x tiga belas, residunya adalah dua puluh dua dikurang dua puluh dua koma sembilan, yaitu minus nol koma sembilan. Pernyataan tiga benar! Sedangkan pernyataan empat salah karena residu untuk x empat belas seharusnya hanya minus nol koma dua. Jadi, pernyataan yang tepat adalah nomor satu dan tiga, yaitu opsi B.

Sebagai kesimpulan, ingat bahwa residu menunjukkan seberapa jauh data asli dari prediksi model kita. Semakin kecil nilai jumlah kuadrat residu atau S S R, maka garis regresi tersebut semakin akurat dalam menggambarkan data. Semangat belajar dan sampai jumpa!