Tutorial Microsoft Excel: Analisis Regresi Linear Sederhana

[@feminovieta]

Note: Ada kesalahan pada menit 3:45 seharusnya pengambilan nilai koefisien determinasi menggunakan R square untuk regresi linier sederhana.

[@muhammadilhamnugroho1311]

Kak, Kalu misal hasilnya > dari %5. Cara pengerjaan nya seperti apa? Sama kah atau berbeda?

[@debbypratiwi9183]

Kak kalo significan hasilnya 6.5758E-08 maksudnya gimana ya @SIMITYTATADURAHIM

[@moon_fat6193]

Ayoooo kaa ditunggu

[@feminovieta]

Di excel jika ada hasil E-08 maka artinya 6.5758 x 10^-8. Terdapat 0 sebanyak 8 angka sebelum angka 6. Hasilnya adalah 0.000000065758. Angka tersebut kurang dari alpha 0.05. Yang berarti var x berpengaruh signifikan terhadap y

[@moon_fat6193]

Makasih kaaa ... Alhamdulillah ngerti deh aku ...tadi udah panik

[@fajarkurniawan1009]

Terima kasih. sangaaat membantu.......thank you...thank you....

[@rizawahyuni2623]

Makasi banyak min, tutorial dan pejelasan akan materinya sangat rinci sehingga mudah untuk dipahami.

[@Koarkoartv]

assalamualaikum 🙏🙏🙏hadir nyimak salam kenal dari q vlog Bambu Bertuah semoga channel nya makim sukses dan jaya 👍👍👍tetap semangat terus berkarya biar makin sukses 🙏🙏🙏 dan bahagia bersama keluarga tercinta 🤲🤲🤲

[@feminovieta]

Terima kasih.

[@yulianaistifadah4314]

Terimakasih banyak kak sudah sangat membantu, penjelasannya mudah dipahami

[@UTUSANDAERAH]

Hadir ikut menimba ilmu, salam kenal kawan

[@pesantrenbse6061]

Amazing share my dear friend.

[@nadyaiskarminasalsabila1282]

TERIMA KASIHHH UDAH NGAJARINNNN HUWAAAA, UDAH MENYELAMATKAN AKU DARI UJIAN SEMESTER INI

[@yenimarliani755]

Keren kakak nya langsung to the point tanpa bertele2. Terimakasih kak ilmunya sangat membantu🥰🥰

[@muhammadridwanburhanudin1550]

penjelasannya sangat rinci dan mudah dipahami. mantap

[@mushollaalistikharoh]

Aslmualikum wr wb ikut Belajar videonya suwunn

[@feminovieta]

Silahkan, semoga bermanfaat. Terima kasih🙏

[@agropreneurindonesia]

tutorial yang bermanfaat. trims mbak

[@feminovieta]

Terima kasih kembali.🙏

[@midlanwitrawan3535]

terima kasih banyak bu sangat membantu sekali.

[@dinda7701]

Tencuuuuuu bgt kakkkkk udh dijelasin dengan perlahan² 🙏

[@feminovieta]

Terima kasih.🙏

[@masplengky6367]

Hadiir malam bosku....sukses selalu buat channelnya 😊👌.

[@feminovieta]

Malam juga. Terima kasih dan salam sukses pula buat anda.

[@rafiadrian1499]

terima kasih , penjelasan nya mudah dipahami

[@kristodhanochannel2804]

Terimakasih Bu... tutorialnya sangat bermanfaat 🙏🙏🙏

[@h4vanaa]

terimakasih ibu sangat membantu👍

[@anandaintan271]

Thanks kak, bermanfaat sekaliii tutorialnya 🙏🙏🙏

[@feminovieta]

Terima kasih.👍

[@ariifrahman6773]

sangat membantu sekali terimakasih kak caranya cepet dan sederhana bangetttt

[@nurhajadjasman]

Terima kasiiih sangat membatu kak

[@duniapendidikanab21]

Terimakasih kak, saya membutuhkannya....

[@jalanibaepetualang860]

mantap kak, penjelasannya mudah dipahamii

[@feminovieta]

Terima kasih.🙏

[@andisucahyono8354]

Matursuwu mbk e

[@netizen7184]

Thank you berkat kamu tugasku jadi

[@Grace-en9zu]

SANGAT BERMANFAAT. TERIMA KASIH

[@bwabwa316]

Keren kak, mksh 🎉😊

[@kristodhanochannel2804]

Terimakasih Bang tutorialnya 🙏

[@gustikaka9333]

Makasih Kaka ilmunya 🙏

[@feminovieta]

Terima kasih.🙏

[@najadsaidah1896]

Terima kasih banyak kak ilmunya sangat bermanfaat ✨

[@saadatuladawiah8398]

terimakasih, izin pake datanya untuk tugas yaa🙏🏼

[@feminovieta]

Silahkan, jika ada kesalahan, silahkan diperbaiki.🙏

[@lalala1313]

kak makasi banyakkk, ini membantu bangett😭👍

[@smilaaasshagab6155]

Terima kasih, sangat bermanfaat

[@safnaauliyarahma7066]

ka suaranya enak bgt didenger

[@feminovieta]

Terima kasih.🙏

[@salimdjakaria3121]

makasih ilmunya kak

[@-MilkaKanayaRahelAgungSuwetja]

halo kak, izin bertanya. semoga berkenan untuk dijawab. kalau coefficients pada bagian intercept dapetnya mines (-), itu gimana ya?

[@feminovieta]

Dalam regresi linear sederhana, jika koefisien pada bagian intercept (konstanta) bernilai negatif, itu berarti ketika variabel independen (X) bernilai nol, nilai prediksi variabel dependen (Y) akan berada di bawah nol. Intercept negatif bukanlah kesalahan secara otomatis, tetapi memerlukan analisis lebih lanjut untuk memahami apakah hasil tersebut relevan dan bisa diterima dalam konteks penelitian. Pada bentuk modelingnya, Koefisien negatif bisa jadi menunjukkan bahwa hubungan antara X dan Y tidak linier atau ada faktor lain yang mempengaruhi Y yang tidak termasuk dalam model.

[@-MilkaKanayaRahelAgungSuwetja]

@@feminovieta baik kak, terima kasih atas penjelasannya

[@-MilkaKanayaRahelAgungSuwetja]

@@feminovieta mohon izin bertanya lagi kak. kalau signifikansi F nya dapet > 0,05, itu gimana ya?

[@feminovieta]

@@-MilkaKanayaRahelAgungSuwetja Jika nilai F menunjukkan p-value yang lebih besar dari 0,05, artinya model tidak signifikan secara statistik. Ini berarti bahwa tidak ada cukup bukti untuk mengatakan bahwa variabel bebas yang Anda gunakan memiliki efek yang signifikan terhadap variabel dependen, atau dengan kata lain, model tersebut tidak menjelaskan variasi data lebih baik daripada sekadar rata-rata. Secara spesifik, jika p-value > 0,05, Anda gagal menolak hipotesis nol (H0) yang menyatakan bahwa tidak ada hubungan yang signifikan antara variabel independen dan variabel dependen.

[@-MilkaKanayaRahelAgungSuwetja]

@@feminovieta ooooh baik kak, terima kasih banyak

[@mohandriyan4963]

Terima kasih atas edukasinya

[@farisaltfynt]

Assalamualaikum kak,izin bertanya apakah tidak perlu dilakukan uji prasyarat regresi linier terlebih dahulu seperti uji normalitas,uji homogenitas,dan uji linearitas? Terima kasih.

[@feminovieta]

Pada dasarnya, regresi linear memiliki beberapa asumsi prasyarat, dan uji normalitas tidak selalu diperlukan. Asumsi utama melibatkan linearitas, independensi, homoskedastisitas (varians konstan), dan normalitas residu. Meskipun uji normalitas dapat memberikan wawasan tambahan, namun tidak selalu menjadi keharusan. Penting untuk mempertimbangkan asumsi-asumsi lainnya dan menggunakan uji yang relevan sesuai dengan konteks dan data yang Anda miliki.

[@farisaltfynt]

@@feminovieta jadi kalau saya menghitung pengaruh jumlah penduduk kepada tingkat kemiskinan bisa langsung menggunakan langkah-langkah excel seperti divideo itu ya kak tanpa menghitung normalitas terlebih dahulu?🙏 Terima kasih.

[@feminovieta]

Bukan mutlak tanpa uji prasyarat normalitas, namun tidak selalu harus menggunakan itu.

[@farisaltfynt]

@@feminovieta baik kak, terima kasih 🙏

[@Nopes96]

Terimakasih kak videonya sangat bermanfaat 🔥🔥🙏

[@feminovieta]

Terima kasih kembali.💗👍

[@NuzulQuran.]

makasi kak sangat bermanfaat videonya

[@fahimaaryani4420]

Terimakasih kak sangat membantu

[@shafirahanum6723]

Kak mau tanya di tabel coeficiennya nilai var.X nya minus, jadi analisisnya bagaimana? Terima kasih mohon jawabannya 🙏

[@feminovieta]

Analisis keofisien x yang negatif menunjukkan bahwa ada hubungan yang tidak efisien antara input dan output dalam suatu sistem. Hal ini bisa menandakan pemborosan atau inefisiensi dalam penggunaan sumber daya, dan perlu dieksplorasi lebih lanjut untuk mengidentifikasi penyebabnya dan mencari solusi untuk meningkatkan efisiensi.

[@shafirahanum6723]

@@feminovieta terima kasih banyakk kak sangatt membantu 🥰😭

[@Bearfreez]

Untuk teman-teman kelas 3F perhatikan video ini untuk penyelesaian tugas keuangan 🙏 🙏🙏🙏🙏🙏🙏🙏🙏🙏🙏

[@feminovieta]

@@Bearfreez terima kasih sudah mendukung.🙏

[@supangatazisharjono843]

Maaf mau tanya Mbak Mitty: Walaupun sdh di AddIns melalui OPTION, "Data Analysis ToolPack" di excel gak bisa muncul di "kanan atas". Mohon pencerahannya ya Mbak Mitty. Trims.

[@feminovieta]

Barangkali dicoba diupdate aja.🙏

[@feminovieta]

Pilih Add-Ins Pada list, Pilih Inactive Applications Add-Ins Pilih Analysis ToolPak Di bawah ada pilihan dropdown, pilih Excel Add-Ins. Klik “Go” Tunggu sampai selesai, setelah selesai pilih "data" 🙏 Kemudian anda klik OK.

[@trashrshaaa]

Terima kasih kak!☺️

[@giowais]

kak kalo X variable nya ada dua berati jadi nya intercept + x variable 1 + x variable 2 ?

[@FitriHandayani08]

Kak izin bertanya, saya melakukan uji regresi linier sederhana dan mendapatkan hasil. P value nya 2,84E-13 dan nilai R Square nya 0,901. Itu bagaimana ya pak membuat kesimpulan nya, dikarenakan nilai r square nya tinggi namun P value nya >0,05. Semoga di jawab ya🙏

[@feminovieta]

Dalam kasus Anda, P-value sangat rendah (2,84E-13 atau 0,000000000000284), yang umumnya dianggap sangat signifikan. Hal ini menunjukkan bahwa ada cukup bukti statistik untuk menolak hipotesis nol bahwa koefisien regresi untuk variabel independen adalah nol, atau dengan kata lain, bahwa variabel independen memang berkontribusi secara signifikan terhadap variabilitas dalam variabel dependen. R Square yang tinggi (0,901 atau 90,1%) menunjukkan bahwa model regresi Anda cukup baik dalam menjelaskan variabilitas dalam data. Lebih dari 90% variabilitas dalam variabel dependen dapat dijelaskan oleh variabel independen dalam model Anda. Kesimpulannya dapat menjadi sebagai berikut: Variabel independen memiliki pengaruh signifikan: P-value yang sangat rendah menunjukkan bahwa variabel independen memiliki pengaruh yang signifikan terhadap variabel dependen. Model regresi baik dalam menjelaskan variabilitas: Nilai R Square yang tinggi menunjukkan bahwa model regresi Anda cukup baik dalam menjelaskan variabilitas dalam data.

[@FitriHandayani08]

@@feminovieta Tapi kak saya kan penelitian komparatif membandingkan perbedaan Hasil Belajar Siswa reguler dan boarding school. Waktu dilakukan uji hipotesis dengan uji t di dapat hasil bahwa tidak ada perbedaan Hasil Belajar jadi antara siswa reguler dan boarding hasil belajar nya sama. Tapi kenapa waktu di uji linier sederhana 90% variabel X mempengaruhi variabel Y

[@feminovieta]

@@FitriHandayani08 Ada beberapa kemungkinan mengapa hasil uji hipotesis dengan uji t menunjukkan bahwa tidak ada perbedaan signifikan dalam hasil belajar antara siswa reguler dan boarding school, tetapi hasil uji linier sederhana menunjukkan bahwa 90% variabel X mempengaruhi variabel Y. Berikut beberapa kemungkinan penjelasan: Interaksi antar variabel: Mungkin ada interaksi kompleks antara variabel yang tidak terdeteksi oleh uji t. Ini berarti bahwa saat mempertimbangkan kedua kelompok siswa secara bersamaan (reguler dan boarding), tidak ada perbedaan yang signifikan, tetapi jika melihat satu variabel pada satu waktu (dalam uji linier sederhana), perbedaan muncul. Variabel lain yang tidak diukur: Ada kemungkinan ada faktor lain yang tidak diukur atau tidak dipertimbangkan dalam penelitian Anda yang mempengaruhi hubungan antara variabel X dan Y. Variabel-variabel tambahan yang tidak diidentifikasi dapat memberikan kontribusi signifikan. Metode pengukuran yang berbeda: Metode pengukuran variabel X dan Y mungkin berbeda antara uji hipotesis dengan uji t dan uji linier sederhana. Metode yang berbeda dapat menghasilkan temuan yang berbeda. Ukuran sampel yang berbeda: Jika ukuran sampel antara kelompok siswa reguler dan boarding school berbeda, ini dapat memengaruhi kekuatan statistik dan kemampuan untuk mendeteksi perbedaan yang sebenarnya. Keberagaman individu dalam kelompok: Meskipun tidak ada perbedaan rata-rata yang signifikan antara kelompok, mungkin ada variasi individual yang signifikan dalam kelompok siswa reguler atau boarding school yang hanya terlihat ketika dianalisis dengan uji linier sederhana

[@FitriHandayani08]

@@feminovieta Terimakasih banyak ya ka

[@Insecurityismymiddlenamee]

terimakasih ibuu saya juga ada E nya hehe

[@ardyajja2174]

Kak kalo koefisien korelasi nya lebih dari 1.xyx itu bgaimna kak?

[@AjiSusilo-n8d]

Kak standar error itu menunjukan apa ya ? Hasil hitungan saya nilainya kok sampai 64,11an ya🙏

[@feminovieta]

Standar error memberikan informasi mengenai seberapa salah model regresi secara rata-rata. Semakin kecil nilai standar error, maka semakin baik model regresi tersebut SE sama dengan akar dari nilai variance yang sudah dibagi dengan n. Kesalahan baku dihitung dengan membagi deviasi baku populasi dengan akar kuadrat jumlah elemen dalam populasi.🙏

[@bestarimanibezaroharefa3802]

Permisi kak, Mo bertanya, kok ketika saya analysis data regression tidak keluar kak? ada tulisan regression - LINEST() function return error. Please check input ranges again. Mohon jawabannya kak, terima kasih

[@feminovieta]

Penyebab Output yang dikembalikan dari LINEST mungkin salah jika satu atau beberapa kondisi berikut ini benar: Rentang nilai x tumpang tindih dengan rentang nilai y. Jumlah baris dalam rentang input kurang dari jumlah kolom dalam rentang total (nilai x Plus nilai y). Anda menentukan konstanta nol (mengatur argumen ketiga dari fungsi LINEST ke true). Penyelesaian Masalah Kasus 1: nilai x-dan rentang nilai y tumpang tindih Jika nilai x dan nilai y berkisar tumpang tindih, fungsi lembar kerja LINEST menghasilkan nilai yang tidak benar di semua sel hasil. Probabilitas statistik normal tidak memperbolehkan nilai dalam rentang x dan y untuk tumpang tindih (saling duplikat). Jangan tumpang tindih dengan rentang nilai x dan y saat mereferensikan sel dalam rumus.Catatan Alat regresi akan memberi tahu Anda tentang masalah ini dan tidak melanjutkan. Anda bisa menggunakan alat regresi dan bukan fungsi lembar kerja LINEST. Di Microsoft Office Excel 2007, Anda bisa menemukan alat regresi dengan mengklik analisis data dalam grup analisis pada tab data . Di Microsoft Office Excel 2003 dan di versi Excel yang lebih lama, Anda dapat menemukan alat regresi dengan mengklik analisis data pada menu alat . Kasus 2: jumlah baris kurang dari jumlah kolom x Statistik tidak valid untuk jumlah baris yang lebih kecil dari jumlah kolom x (variabel). Jumlah baris data harus lebih besar dari jumlah kolom data (kolom x Plus kolom y). Kasus 3: Anda menentukan konstanta nol Jangan menentukan konstanta nol (b = 0) dalam fungsi. Sumber: support Microsoft.com

[@rasidi1886]

Asalamualikum kawanku

[@feminovieta]

Waalaikum salam...🙏

[@ingrida6645]

makasih kak,sangat membantu

[@khusnulkhotimah6626]

Kak kenapa pas awal bloknya Y duluan baru X. Apakah berpengaruh ke hasil kak semisal yg di blok X dulu baru Y?semoga di jawab ya kak, terima kasih🙏🏼

[@feminovieta]

Kalau langkah umum biasanya isi Input Y Range, diketik juga bisa dengan cara membloknya. Kemudian isikan Input X Range. Semua variabel bebas diblok sekaligus. Nah kalau terbalik, apa berpengaruh ? Sepertinya anda tahu jawabannya.🙏

[@khusnulkhotimah6626]

@@feminovieta baik kak terima kasih banyak kak 🙏🏼

[@AsepSetiawan-nw5sy]

Kak multiple r rumusnya apa? Terus kalo hasilnya positif mau diubah negatif gimana caranya?

[@feminovieta]

Yang dimaksud rumus multiple r koefisien korelasi berganda adalah akar dari R2. R=√R2

[@feminovieta]

Jika anda mau merubah Variabel Dependen: Misalkan model awal yang hasilnya positif adalah: 𝑌=𝛽0+𝛽1𝑋1+𝛽2𝑋2+𝜖 Maka untuk mengubah menjadi negatif rumusnya menjadi: −𝑌=−𝛽0−𝛽1𝑋1−𝛽2𝑋2-€

[@rupanusariyeri2499]

Terima kasih mbak 😚🙏🏾

[@widiasari4886]

Kak intercept aku 3601,016, X nya -100, 173 itu gimana kak.

[@nikkekapindo]

Kak kalau cara menghitung untuk mengetahui indikator variabel x yang paling berpengaruh pada indikator variabel y bagaimana ya dengan metode regresi?

[@feminovieta]

Analisis regresi linier sederhana memiliki hubungan secara linear antara variabel independen (X) dengan variabel dependen (Y). Misalnya kita tentukan indikator X nya: X1 = ...... X2 = ..... X3 = ....... Dengan indikator tersebut, kita dapat mengetahui indikator X mana yang paling berpengaruh terhadap Y. Dengan analisis regresi sederhana dapat mengetahui arah dari hubungan antara variabel X dengan variabel Y, ada hubungan positif atau negatif. Selain itu untuk memprediksi nilai dari variabel Y apabila nilai variabel X nya mengalami kenaikan ataupun penurunan. Rumus regresi linear sederhana sebagai berikut: Y = a + bX

[@nikkekapindo]

@@feminovieta terima kasih kak atas jawabannya

[@sulumia2255]

Terima kasih atas penjelasan yang sangat jelas kak🙏 saya ingin bertanya kak nilai dari R square saya adalah 0,360 artinya gimana yah kak? Kemudian nilai dari Adjusted R square saya 0,323 maksudnya gimana yaah kak? Kemudian nilai Tabel coefficients saya kak itu Intercept = 49,00 X= 0,953 Mohon penjelasannya kak gimana maksudnya?😭🙏🙏🙏

[@feminovieta]

@sulumia2255 Dalam hal nilai R-square sebesar 0,360, ini berarti bahwa variabel independen dalam model regresi tersebut hanya mampu menjelaskan sekitar 36% variasi dalam variabel dependen. Dengan kata lain, sekitar 64% variasi dalam variabel dependen tidak dapat dijelaskan oleh variabel independen yang ada dalam model.

[@feminovieta]

intersepsi adalah 0,49, yang berarti jika nilai x adalah 0, maka nilai y akan menjadi 0,49. Jika Anda ingin mengetahui nilai y saat x adalah 0,950, Anda perlu menggunakan persamaan regresi linier yang sesuai dengan tabel koefisien ini. Persamaan regresi linier umumnya dinyatakan sebagai: y = a + bx Di mana: y adalah variabel dependen (output yang ingin diprediksi) x adalah variabel independen (input) a adalah intercept b adalah koefisien regresi Namun, karena Anda tidak memberikan nilai koefisien regresi, tidak mungkin memberikan perkiraan yang akurat mengenai nilai y saat x = 0,950. Anda perlu memberikan nilai koefisien regresi (b) untuk mendapatkan hasil yang tepat. Jika Anda memiliki nilai koefisien regresi (b), Anda dapat menggantikannya ke dalam persamaan regresi linier dan menghitung nilai y saat x = 0,950.

[@Yt-Wicaksono]

itu Nilai X,Y dapat dri mana kak? dpt dri nilais penjumlahan yang mulai dri 1 butir soal yah kak wktu di rumus kan pake sum? lalu kemudian discroll bawah dpt hasilnya sudah itu yang ifu diambil yah kak nilai X nya? terus untuk Y ny dpt dimana kk? mohon dijawab kk🙏

[@myariris2632]

Kak mau tanya,, saya kan suruh meneliti dan membuat studi kasus seperti tersebut,, untuk memperoleh datanya atau mengumpulkan datanya. Contohnya kek punya kakak data ketaatan terhadap tugas dan kinerja mahasiswa itu di dapat dari mana ya,, mohon bantuannya kak🙏

[@feminovieta]

Untuk mendapat data tentang ketaatan dannkinerja dapat menggunakan: kuisioner, observasi, dokumen hasil belajar yang menunjukkan capaian kinerja.

[@atmaja5114]

Izin bertanya, kalau penelitianya ada 3 ulangan cara input datanya bagaimana kak? Apakah nilainya dirata ratakan?

[@feminovieta]

Dalam regresi linear, jika Anda memiliki tiga ulangan (replikasi) untuk setiap nilai variabel independen, Anda dapat memutuskan untuk mengolah data dengan beberapa cara. Beberapa pilihan yang umum dilakukan adalah: 1. Menggunakan Nilai Rata-rata: Anda dapat menghitung nilai rata-rata dari setiap ulangan untuk setiap variabel independen. Dengan cara ini, Anda akan mendapatkan satu nilai rata-rata untuk setiap variabel pada setiap ulangan. Lakukan hal yang sama untuk variabel independen lainnya. 2. Menggunakan Semua Nilai: Alternatifnya, Anda dapat menggunakan semua nilai dari setiap ulangan sebagai data input. Ini akan memberikan keragaman lebih besar dalam data dan mungkin memberikan gambaran yang lebih lengkap tentang hubungan antara variabel dependen dan independen. . 3. Analisis Statistik Lanjutan: Anda juga dapat melakukan analisis statistik lanjutan untuk memeriksa distribusi dan variasi data dari setiap ulangan. Mungkin juga berguna untuk memeriksa apakah ada perbedaan signifikan antara ulangan menggunakan uji statistik.

[@deasysekar]

thank you so much kakaaa

[@feminovieta]

Terima kasih kembali🙏

[@auliabrillianywibowo6437]

makasih mbaa

[@yuninurikasari6358]

Back ground statistic kah?

[@feminovieta]

Lulusan Fak. Ekonomi UNY 2021.

[@novihidayati1764]

Kak izin tanya..punya saya nilai signifikansi f nya 0,00004 yang berarti kan kurang dari 0,05 ( pengaruh yang signifikan) tapi nilai multipel nya 0,32 yang artinya rendah korelasi nya..itu bagaimana ya kak

[@feminovieta]

Jika nilai signifikansi F adalah 0,00004, yang berarti lebih kecil dari ambang batas umum yang ditetapkan sebelumnya sebesar 0,05, maka dapat disimpulkan bahwa terdapat pengaruh yang signifikan secara statistik. Nilai signifikansi F mengindikasikan apakah perbedaan antara kelompok-kelompok yang dibandingkan cukup besar untuk dianggap nyata atau bukan. Namun, penting untuk diingat bahwa nilai multipel 0,32 mengindikasikan korelasi yang rendah antara variabel-variabel yang sedang diamati. Nilai multipel (multipel test) mengacu pada penyesuaian yang diperlukan saat menguji banyak hipotesis secara bersamaan dalam analisis statistik. Jadi, dalam konteks ini, meskipun ada pengaruh yang signifikan secara statistik (nilai signifikansi F < 0,05), korelasi antara variabel-variabel tersebut tetap rendah (nilai multipel 0,32). Ini menunjukkan bahwa meskipun terdapat pengaruh signifikan, kekuatan atau ukuran efeknya mungkin tidak begitu besar dalam konteks yang lebih luas atau ketika mempertimbangkan faktor-faktor lain. Penting untuk menjaga keseimbangan antara interpretasi signifikansi statistik dan interpretasi ukuran efek atau kekuatan korelasi dalam analisis statistik untuk memahami temuan secara komprehensif.

[@novihidayati1764]

@@feminovieta makasih kak

[@luckyplayerplayforfunwinfo8020]

Kak saya ditanya uji t nya dilihatnya dari mana ya

[@ozyyff1510]

Trimakasih kk🙏

[@anastasiafarrenpramudita1946]

Kak kenapa ada tulisan input range must be a single row or columnn ketika di klik ok? Padaha sudah sesuai ?

[@feminovieta]

Untuk regresi linier, Excel akan menerima beberapa nilai X independen namun hasilnya harus berupa nilai Y tunggal. Mungkin terbalik pengisiannya.🙏

[@022_m.nauvalmuzaki7]

kak, bukannya yang dibandingkan dengan alpha itu p-value ya?

[@feminovieta]

Sig F untuk mencari uji F. P value untuk uji T. Kalau untuk regresi linear sederhana mau pake sig F atau P value sama saja.

[@perkap_galangp.e5262]

@@feminovieta kak kalau nilai signifikansinya lebih dari alpa, maka hasilnya gimana ya?

[@feminovieta]

Jika nilai signifikansinya lebih besar dari alpha ( 0,05 ), maka Ho diterima dan Ha ditolak. Artinya, tidak ada pengaruh antara variabel independen terhadap variabel dependen. Namun jika signifikansinya oebih kecil, maka Ho ditolak dan Ha diterima. 🙏

[@agungdanielst3562]

kak ingin bertanya jika significancenya F nya lebih dari alpha disimpulkan seperti apa nggih? terimakasih

[@feminovieta]

Kesmipulannya, H1 ditolak, H0 diterima

[@irkomardin4651]

Kalau mau belajar langsung, menghubungi siapa atau caranya gimana

[@feminovieta]

Saya tidak membuka kursus, Pak. Saya sekarang bekerja jadi admin di sebuah perusahaan. Itu video dibuat, saat kuliah di Unsoed fak. Ekonomi🙏

[@meluv8636]

semoga dijawab ya kak. saya sama sekali tdk mengerti angka sebanyak itu dari tabel X dan Y di dapat dari mana? terimakasih

[@intan5234]

Bantu jawab ya ka ....kalau nilai x itu dr hasil sebaran angket... Nilai Y itu dr nilai yg terikat atau sudah ditentukan contoh nilai ulangan siswa

[@feminovieta]

Seperti itulah, jadi seberapa besar pengaruh belajar.......pada hasil belajar siswa.🙏

[@aurelschannel9068]

Permisi ibu ijin bertanya, untuk kategore korelasi itu apakah memang sudah ditentukan dari soal masing2, atau hal tsb merupakan ketentuan mutlak bu? terimakasih banyak sebelumnya

[@feminovieta]

Korelasi merupakan hubungan timbal balik atau sebab akibat. Pada konteks teknik analisis, korelasi biasa digunakan untuk mencari hubungan di antara dua variabel yang memiliki sifat kuantitatif. Dua variabel bisa disebut berkorelasi, bila perubahan pada variabel yang lain ke arah yang sama (korelasi positif) atau berlawanan (korelasi negatif) secara teratur. Besarnya nilai koefesien korelasi berada di antara antara -1 sampai 1. Koefisien korelasi bernilai nol, artinya tidak terdapat korelasi antara kedua variabel. Nilai absolut/ mutlak koefisien korelasi diantara nol sampai 0.5, artinya terdapat korelasi yang lemah antara kedua variabel Koefisien korelasi diantara 0.5 sampai 0.7, artinya terdapat korelasi yang moderat/ cukup kuat antara kedua variabel Koefisien korelasi diantara 0.7 sampai 0.99, artinya terdapat korelasi yang kuat antara kedua variabel

[@sitiyasminfauziakulsum_2e224]

Izin bu kenapa saya tulisannya non numerik data ya bu?

[@feminovieta]

Ketika Anda menggunakan regresi linear untuk menganalisis data, variabel independen (prediktor) bisa berupa variabel numerik atau non-numerik. Tidak masalah jika data Anda berupa non-numerik asalkan Anda dapat mewakili data tersebut dalam bentuk yang dapat digunakan dalam model regresi linear, misalnya dengan menggunakan teknik pengkodean yang sesuai.

[@noormalikq4413]

Kak, kalo sampel yg dihitung cuma 1 bisa gak?

[@feminovieta]

Kalau 1 sampel tidak mungkin mewakili hasil secara keseluruhan. Ibarat menjelaskan 1 unit mobil, tidak akan cukup jika hanya dijelaskan dari bagian spionnya saja.🙏

[@feminovieta]

Hair et al (1998) mengatakan bahwa jumlah sampel minimal untuk menggunakan teknik analisis regresi adalah 15 hingga 20 kali jumlah variabel yang digunakan.

[@noormalikq4413]

@@feminovieta saya mau ngukur variabel persistensi laba kak, variabel tsb diproksikan sebagai beta dalam persamaan regresi linear. Rumusnya "laba sekarang = a + b laba tahun lalu" misal saya mau ngukur persistensi laba tahun 2018 gimana tuh ka, kan ga bisa pakai 1 sampel doang

[@094_chintyaadefeberiana3]

Kalau nilai signifikansi > alpha = 0,05 Jadi kesimpulannya apa kak?

[@feminovieta]

Nilai signifikansi 0,05 menunjukkan ambang batas di mana suatu hasil dianggap signifikan secara statistik. Jika nilai p-value (nilai probabilitas) dari suatu uji statistik lebih kecil dari 0,05, maka kita dapat menolak hipotesis nol dan menganggap hasil tersebut signifikan secara statistik.

[@nella5844]

halo kak mau tanya, jadi kalo nilai X nya naik 1 misalnya dapat "1,4949248", berarti interceptnya tambah 0,59? terima kasih kak

[@aryalatif1701]

Mau tanya kak, ini ndak perlu ngitung Koefisien determinasi sama uji F yah? Udah ada hasil nya di output kan kak?

[@aryalatif1701]

Love = Iya ya kak???

[@balotelliganteng]

mbak mau tanya.. semisal koefisiennya itu yang intercept = -1,305 X = 0,306 berarti penulisan Y nya Y = -1,305 + 0,306X apa bener seperti itu mbak?

[@feminovieta]

Persamaan regresi sederhana: Y = a + bX Keterangan: Y = variabel kriterium X = variabel prediktor a = variabel konstan b = koefisien arah regresi linier.

[@balotelliganteng]

@@feminovieta siap mbak, matursuwun

[@16Dandelion]

Jika korelasi hasil rendah, apakah ada pengaruh terhadap y ka?

[@feminovieta]

Ada. Jika korelasi rendah maka hubungan antar variabel juga rendah. Korelasi dikatakan sempurna jika kenaikan atau penurunan variabel X selalu sebanding dengan kenaikan atau penurunan variabel Y.

[@16Dandelion]

@@feminovietamaaf ka, ada beberapa pertanyaan yg belum z pahami.kiranya kk berkenan membantu untuk menjawab 🙏 Pertama, jika hubungan antar variabel rendah, berarti judul proposal perlu diganti atau nda perlu yah Kak? Pertanyaan kedua. Jika signifikansi 0.16770509.apakah itu memiliki hubungan signifikan x dan y kak? 🙏

[@feminovieta]

Tujuan penelitian itu untuk mencari kebenaran, meski penelitian terdahulu misalnya menyatakan signifikan, bukan berarti kita juga harus signifikan jika memang prosedur penelitian kita dilakukan dengan benar. Tapi biasanya, pembimbing meminta signifikan. Kalau variabel x dan y sudah signfikan, penelitian kita materinya mirip sama, sepertinya tidak perlu repot-repot melakukan penelitian. Intinya tergantung anda, jika yakin prosedur penelitiannya benar, anda tidak perlu mengubah proposalnya.

[@feminovieta]

Kan ada patokannya, jika signifikansi < 0,,05 maka HO ditolak, jika > 0,05 maka HO diterima.🙏

[@16Dandelion]

Berarti 0.167, HO diterima kan kak? 🙏

[@coby5701]

Klik analisis tu gimana caranya 3:00

[@feminovieta]

Di Excell nya sudah terpasang tool pack analisisnya belum ? Kalau belum plug in tool pack nya diinstalkan dulu.🙏

[@milanoalmadhani4713]

@@feminovietaterus lalu di klik yang bagian mana ya

[@feminovieta]

@milanoalmadhani4713 saya tak bisa menjawab, apakah di bagiaan toolpack nya atau klik bagian input datanya ?

[@milanoalmadhani4713]

@@feminovieta sudah ada bagian tool pack nya kak, btw tool pack itu yang pojok kanan atas ya

[@SaghitaPurnomo-xf9et]

Gimana cari multiple R tapi secara manual menggunakan formula Excel.

[@feminovieta]

Aktifkan tool pack pada Excell. Pada pilihan Residual, terdapat 4 pilihan, bisa menconteng sesuai dengan keinginan. Ada empat tabel hasil yang ditampilkan yaitu Summary output, Anova, Residual Output, dan Probability Ooutput. Di bagian Sumary output ditampilkan nilai multiple R, R square, adjusted R square, standard error dan jumlah observasi. Pada ANOVA ditampilkan analisis variance dan nilai F serta pengujiannya, yaitu membandingkan F Hitung dengan Tabel F: F Tabel dalam Excel. Mohon maaf jika salah memahami pertanyaan.🙏

[@SaghitaPurnomo-xf9et]

Maksud saya...TDK pake formula Excel. Apakah bisa di cari Multiple R

[@feminovieta]

Mungkin saya harus banyak belajar lagi, mohon maaf atas jawabannya. Barangkali ada rekan yang bantu menjawab pertanyaan di atas, saya sangat berterima kasi.🙏

[@kadarkadar8816]

Kenapa sya nda bisa terbuka analisinya

[@syaifulakbar16]

Makasih kkak

[@emilyacardela3539]

Hai kak, aku mau nanya yang angka alfa 0.05 itu didapat dari mana yah?, klo nilai signifikasi > alfa bagaimana kak?

[@feminovieta]

Dalam regresi linear, terdapat dua parameter utama: koefisien (slope) dan intercept (intersepsi). Nilai 0.5 bisa merujuk pada koefisien (slope) dari model regresi linear, yang menggambarkan sejauh mana variabel independen mempengaruhi variabel dependen. Jika nilai slope adalah 0.5, itu berarti bahwa setiap peningkatan satu unit dalam variabel independen akan menghasilkan peningkatan 0.5 unit dalam variabel dependen. Nilai ini dapat berbeda tergantung pada data yang sebenarnya dan model regresi yang digunakan. Jika nilai signifikansi (p-value) dalam analisis statistik lebih besar dari tingkat signifikansi alpha yang telah ditentukan sebelumnya, biasanya Anda tidak memiliki cukup bukti untuk menolak hipotesis nol. Dalam konteks uji hipotesis, hipotesis nol adalah pernyataan bahwa tidak ada efek atau perbedaan yang signifikan antara dua kelompok atau variabel. Dengan kata lain, jika p-value lebih besar dari alpha (biasanya alpha ditetapkan pada tingkat signifikansi tertentu, misalnya 0.05), maka Anda tidak memiliki cukup bukti statistik untuk menyimpulkan bahwa ada perbedaan atau efek yang signifikan dalam data Anda. Oleh karena itu, Anda akan mempertahankan hipotesis nol. Hal ini menunjukkan bahwa data Anda tidak mendukung hipotesis bahwa ada efek atau perbedaan yang signifikan, tetapi ini tidak membuktikan bahwa tidak ada efek sama sekali. Penting untuk selalu memahami batasan analisis statistik dan konteksnya serta berhati-hati dalam menafsirkan hasil uji hipotesis.

[@emilyacardela3539]

@@feminovieta terima kasih banyak atas penjelasannya kak, sangat lengkap dan mudah di mengerti

[@Nunu-jl8tx]

Kategori korelasi itu sumbernya dari mana kak ?

[@feminovieta]

Apakah yang dimaksud pertanyaannya sumber korelasi yang digunakan pada video ini apakah menggunakan; Korelasi sederhana pearson & spearman, Korelasi partial atau Korelasi ganda ?

[@Nunu-jl8tx]

@@feminovieta iya kak soalnya bingung sumber kategori korelasi nya dapat dari mana ?

[@mithalanguju825]

Halo kak izin bertanya, kalau nilai P-valuenya #NUM! Itu kenapa dan bagaimana memgatasinya ? Mohon bantuannya kak Terimakasih

[@feminovieta]

P-value yang bernilai "#NUM" pada umumnya menunjukkan bahwa terjadi kesalahan atau kegagalan dalam perhitungan statistik. Beberapa kemungkinan penyebab P-value bernilai "#NUM" antara lain: Data yang tidak valid Kesalahan perhitungan: Hal ini bisa terjadi jika terdapat kesalahan dalam rumus atau metode yang digunakan untuk menghitung statistik Juga dapat terjadi jika ukuran sampel yang digunakan terlalu kecil. Adanya outlier yang ekstrem: Outlier yang ekstrem dalam data dapat mempengaruhi perhitungan statistik dan menyebabkan P-value yang tidak dapat dihitung secara valid. Jika Anda menghadapi situasi di mana P-value bernilai "#NUM", penting untuk memeriksa ulang data dan metode perhitungan yang digunakan untuk memastikan bahwa tidak ada kesalahan yang terjadi.

[@mithalanguju825]

@@feminovieta kak pada data saya ada 302 data tapi itu rentangnya dari 3 tahun terakhir, jdi pada tabel saya, saya jumlahkan menurut tahun sehingga hanya ada 3 tabel dengan isi data tidak bekerja, bekerja, dan jurusan. disini saya ingin melakukan prediksi untuk data "bekerja" sebagai y dan "jurusan" sebagai x. pada tabel jurusan sendiri terdapat 2 data yaitu jurusan multimedia dan otomotif mohon bantuannya kak karena dari data tersebut saya mendapatkan hasil negatif atau #NUM

[@mithalanguju825]

@@feminovieta kak semisal hasil variabel x nya 0 itu gpp ?

[@feminovieta]

Dalam regresi linear, Ketika nilai x sama dengan 0, dampaknya akan bergantung pada apakah kita memiliki variabel independen yang berinteraksi dengan x atau tidak. Jika tidak ada interaksi atau pengali (slope) yang terkait langsung dengan x, maka dampaknya adalah bahwa variabel independen yang lainnya akan mempengaruhi nilai y pada titik tersebut. Dalam hal ini, ketika x = 0, regresi linear akan memberikan prediksi nilai y yang ditentukan oleh pengali (slope) dan intercept (perpotongan garis) regresi. Jika ada interaksi atau pengali yang terkait langsung dengan x, maka dampaknya bisa lebih kompleks. Nilai x = 0 mungkin menunjukkan titik potong atau pusat interaksi, di mana hubungan antara x dan y akan bergantung pada nilai variabel independen lainnya. Jadi, dampak nilai x = 0 pada regresi akan tergantung pada jenis regresi yang digunakan, variabel independen yang terlibat, serta interaksi dan pengaruhnya terhadap variabel dependen.

[@ifanfarhansyah541]

Kak ini soalnya sama kaya nyari persamaan garis regresi apa ngga ya?

[@ariefhak]

thank you kakaa

[@feminovieta]

Sama-sama.🙏

[@lepicetom]

Gimana klo data analisis nya msih tetap gk ada kak

[@feminovieta]

Banyak faktor data analisis tidak muncul, namun salah satunya adalah dengan memastikan variabel independen (predictor) dan variabel dependen (response) sudah diidentifikasi dengan benar. Selain itu, pastikan bahwa data terstruktur dengan benar dalam format yang diperlukan oleh fungsi regresi.

[@feminovieta]

Barangkali ada kesalahan pada saat input data, agar diperiksa kode atau script yang digunakan untuk memastikan tidak ada kesalahan sintaks atau logika. Gunakan print statements atau debugger untuk melacak variabel dan keluaran sementara.

[@krisnabayu2230]

ka mau nanya, klo hasil x nya min bagaimana ya? berpengaruh terhadap apa? atau bagaimana ya ka? terima kasih ka

[@feminovieta]

Untuk hasil X min, sudah dijelaskan di pertanyaan lain. Dalam situasi nilai x minus yang muncul, penting untuk melakukan analisis yang lebih mendalam untuk memahami penyebab dan konsekuensi dari nilai x minus tersebut. Jika nilai x minus memiliki dampak yang signifikan, mungkin perlu dilakukan pemodelan yang lebih cermat atau mempertimbangkan pendekatan analisis yang berbeda yang sesuai dengan karakteristik data yang ada. Penyebab X minus bisa dimungkinkan oleh: 1. Keberadaan outlier: Outlier adalah titik data yang jauh berbeda dari pola umum data lainnya. Jika terdapat outlier dengan nilai x minus yang signifikan, maka hal itu dapat mempengaruhi nilai x minus pada model regresi. 2. Regresi linear memiliki beberapa asumsi, salah satunya adalah asumsi terhadap linearitas hubungan antara variabel independen (x) dan variabel dependen (y). Jika hubungan antara kedua variabel tidak bersifat linear, atau ada interaksi antar variabel, maka nilai x minus dapat muncul. 3. Kesalahan pengukuran atau pengumpulan data: Terkadang, kesalahan dalam pengukuran atau pengumpulan data dapat menyebabkan adanya nilai x minus pada regresi linear. Ini bisa terjadi karena kesalahan manusia atau masalah teknis dalam proses pengumpulan data. 4. Kurangnya informasi atau sampel data yang terbatas: Jika jumlah data yang digunakan dalam analisis regresi linear terbatas, atau informasi yang relevan tidak tersedia, maka nilai x minus dapat muncul karena keterbatasan data yang tersedia. 5. Penyimpangan dari asumsi independensi: Regresi linear juga mengasumsikan bahwa terdapat independensi antara observasi data. Jika ada ketergantungan atau korelasi antara observasi data, maka dapat muncul nilai x minus.

[@krisnabayu2230]

@@feminovieta terima kasih ka hehe

[@farizaalamandaputri8957]

Kak saya mau tanya, kalau penaksiran parameter regresi menggunakan metode OLS itu di excel pakai apa ya? Apakah analisis regresi yang ada di excel ini merupakan regresi pakai OLS? Makasih kak

[@feminovieta]

Di Excel 2013. Untuk perimeternya saya masih sedang mempelajari, saya coba menggunakan "RANDO". dan mohon maaf saya belum bisa menjelaskan secara detail. Selanjutnya untuk menggunakan analisis Regresi di Excel, anda harus melakukan aktivasi Add-Ins Analysis ToolPak. Analisis Regresi di dalam MS Excel dapat dilakukan dengan mudah tanpa perlu menggunakan software tambahan seperti SPSS.

[@yolandapatricia2594]

@@feminovieta halo kak saya mau bertanya untuk melihat kesalahan residual itu dari mana yah ?

[@feminovieta]

Dengan menggunakan kesalahan standar residual untuk mengukur dari residual €, dimana € merupakan suku kesalahan yang tidak bergantung pada X.

[@azlansyahmp8389]

mbak saya mau nanya, nilai alpha itu di dapat dari mana ?

[@feminovieta]

Nilai alpha adalah batas maksimal kesalahan yang dijadikan patokan oleh si peneliti, misal alpha = 5% berarti tingkat kepercayaannya mencapai 95%. Nilai ini ditentukan sebelum melakukan penelitian.

[@erindayanti1422]

Sisanya di pengaruhi faktor lain itu faktor lain apa ya?

[@feminovieta]

Beberapa faktor lain yang berpengaruh pada regresi adalah: Variabel Kontrol: Ini adalah variabel tambahan yang dapat dimasukkan ke dalam model regresi untuk mengontrol pengaruhnya terhadap variabel dependen. Variabel-variabel kontrol ini membantu menghilangkan efek confounding atau perbedaan yang mungkin ada di antara kelompok data. Interaksi antar Variabel: Dalam beberapa kasus, interaksi antara dua atau lebih variabel dapat mempengaruhi variabel dependen dengan cara yang berbeda daripada pengaruh individu mereka. Oleh karena itu, interaksi ini perlu dipertimbangkan dalam analisis regresi. Efek Waktu: Dalam analisis data berbasis waktu, faktor waktu dapat sangat mempengaruhi variabel dependen. Perubahan tren seiring waktu atau musim bisa menjadi faktor penting dalam regresi waktu. Efek Multikolinearitas: Ini terjadi ketika dua atau lebih variabel independen dalam model regresi berkorelasi tinggi satu sama lain, yang dapat memengaruhi interpretasi koefisien regresi. Data Pencilan (Outliers): Data pencilan atau anomali dalam dataset dapat memiliki pengaruh signifikan pada hasil analisis regresi. Pengelolaan data pencilan penting untuk meminimalkan efeknya. Variabilitas Residual: Variabilitas yang tidak dapat dijelaskan oleh model regresi disebut variabilitas residual. Faktor-faktor lain yang tidak dimasukkan dalam model dapat berkontribusi pada variabilitas ini. Kesalahan Pengukuran: Kesalahan pengukuran dalam variabel-variabel yang digunakan dalam analisis regresi dapat mempengaruhi hasilnya. Heteroskedastisitas: Variabilitas yang tidak konstan dalam data residual juga dapat mempengaruhi hasil regresi. Ini terkait dengan ketidaksesuaian varians dalam data. Efek Pengamatan Tertinggal: Informasi yang hilang atau pengamatan yang tertinggal dalam dataset dapat memengaruhi hasil analisis regresi. Spesifikasi Model: Cara model regresi dibangun, termasuk pemilihan variabel yang dimasukkan atau dikecualikan, dapat sangat mempengaruhi hasil analisis.

[@SepakTakrawSimalungun]

terimakasih kak

[@fauziahdarojat5819]

Jika significance F nya lebih besar dari alpha gmana ka?

[@feminovieta]

H0 diterima H1 ditolak

[@fauziahdarojat5819]

@@feminovieta lalu bagaimana supaya bisa diterima

[@rtttanjung1852]

Jika no 16 brp nilai x n y?

[@feminovieta]

Aoa ada yang kurang lengkap ya pengisiannya. Duh, aku harus lihat videonya dulu ya..., jika ada yang kurang mohon maaf.🙏

[@hyou5590]

Aku punya tugas hampir mirip seperti ini, pusing banget liatnya kak:(

[@ghostblue04]

Kak kuliahnya jurusan apa kalau boleh tau?

[@feminovieta]

S1, Pendidikan Ekonomi Unsoed.🙏

[@m21hfadillaharlanda66]

Sama

[@feminovieta]

Salam

[@setiawanagus3487]

terima kasih

[@ayuThingsChannel]

Trima kasi kaka

[@feminovieta]

Sama-sama.🙏

[@lanialfiantidewi9885]

Kak mau tanya, kan hasil significans f ku 0,443 berarti kan itu >0,05 itu gimana ya kak? Apa ada yang salah?:(

[@feminovieta]

Berarti H1 ditolak H0 diterima ya kak

[@lanialfiantidewi9885]

@@feminovieta tidak signifikan ya kak berarti?

[@feminovieta]

Iya.

[@yohanessimarmata478]

@@feminovieta apa bedanya H0 dan H1 ya ka?

[@feminovieta]

Hipotesis nol (H0) adalah hipotesis yang menyatakan tidak adanya hubungan antara variabel independen (X) dan variabel dependen (Y). Hipotesis alternatif (H1) adalah hipotesis yang menyatakan adanya hubungan antara variabel independen (X) dan variabel dependen (Y) yang diteliti.