RagamDataStatistik & Riset Data

Tool statistik

Kalkulator Regresi Linear

Regresi linear sederhana dari pasangan data X dan Y, lengkap dengan slope, R-square, dan pembacaan awal model.

Persamaan

Y = 0,9333 + 1,9714X

Slope

1,9714

Intercept

0,9333

r

0,994

R-square

0,9881

t

18,2253

p-value

0,0001

n

6

df

4

Residual SE

0,4525

Interpretasi

Slope 1,9714 menunjukkan arah positif. R-square 0,9881 adalah proporsi variasi Y yang dijelaskan model linear sederhana.

Hasil dari kalkulator ini bersifat bantuan perhitungan awal. Interpretasi akhir tetap perlu mempertimbangkan desain penelitian, kualitas data, asumsi statistik, dan konteks riset.

01 / Cara pakai

Mulai dari input yang benar.

  1. 01Masukkan nilai X dan Y dengan jumlah data yang sama. Pisahkan setiap daftar dengan titik koma (;), spasi, atau baris baru; koma dan titik hanya dipakai sebagai desimal.
  2. 02Pastikan setiap posisi data adalah pasangan observasi yang benar.
  3. 03Baca slope, intercept, persamaan, r, R-square, t, dan p-value.
  4. 04Gunakan hasil sebagai pengecekan awal, bukan output final.

02 / Baca hasil

Jangan berhenti di angka.

Slope menunjukkan perubahan rata-rata Y untuk setiap kenaikan satu unit X. R-square menunjukkan proporsi variasi Y yang dijelaskan model linear sederhana.

03 / Contoh kalimat

Contoh interpretasi ringkas.

Contoh: persamaan Y = 12,40 + 1,80X berarti setiap kenaikan 1 unit X diikuti kenaikan rata-rata Y sebesar 1,80 pada model linear.

Perlu regresi lengkap?

Regresi laporan biasanya membutuhkan asumsi, tabel koefisien, uji simultan, dan interpretasi variabel.

Kirim hasil untuk dicek

04 / Rumus

Rumus, asumsi, dan sumber

Rumus yang dipakai

Y^=a+bXb=SSxySSxa=Yˉ−bXˉ\begin{aligned} \hat{Y} &= a + bX \\ b &= \frac{SS_{xy}}{SS_x} \\ a &= \bar{Y} - b\bar{X} \end{aligned}

Model: Y = a + bX. b = SSxy / SSx. a = meanY - b meanX.

Catatan sumber

BCcampus dan OnlineStatBook menjadi rujukan untuk model regresi linear sederhana, slope, df, dan pembacaan inferensial koefisien.

Asumsi singkat

  • Hanya untuk regresi linear sederhana dengan satu prediktor X.
  • Interpretasi inferensial perlu cek linearitas, outlier, dan residual.

Referensi utama

05 / Cek sebelum percaya

Kesalahan umum

  • Menganggap hubungan linear tanpa melihat scatter/outlier.
  • Menafsirkan R-square tinggi sebagai bukti sebab-akibat.
  • Mengabaikan asumsi residual dan desain penelitian.
Apa yang dihitung kalkulator regresi ini?+

Tool ini menghitung regresi linear sederhana satu prediktor dari pasangan data X dan Y.

Apakah kalkulator ini bisa regresi berganda?+

Tool ini hanya menghitung regresi linear sederhana. Regresi berganda membutuhkan lebih banyak variabel dan pengecekan asumsi.

Apakah R-square tinggi selalu bagus?+

R-square tinggi tetap perlu dibaca bersama teori, ukuran sampel, outlier, asumsi, dan tujuan model.