KUIS UJI REGRESI

Perbedaan simple regression logistic dan multiple regression logistic terletak pada

• Jenis data yang digunakan
  

• Jumlah variabel bebas yang diujikan

• Metode pengolahan data

• Asumsi distribusi data

Dalam uji regresi linier, variabel yang di uji normalitas adalah

• Variabel terikat berskala nominal

• Variabel terikat berskala rasio

• Variabel bebas berskala nominal

• Variabel bebas berskala rasio

Dalam uji regresi linier, jika lebih dari 1 variabel bebas yang mempengaruhi 1 variabel terikat, maka termasuk kategori

• Simple regression linier

  
  

• Multiple regression logistic

• Simple regression logistic

• Multiple regression linier

Jika nilai signifikansi (p-value) dari koefisien regresi kurang dari 0,05, maka

• Variabel independen secara signifikan memengaruhi variabel dependen
  

• Uji regresi harus diulang

• Variabel independen tidak memengaruhi variabel dependen

• Hubungan antara variabel independen dan dependen lemah

Koefisien determinasi (R-squared) mengukur

• Kesalahan residual model regresi

• Akurasi prediksi model regresi

• Kekuatan hubungan linear antara variabel independen dan dependen

• Signifikansi variabel independen

Salah satu asumsi pada uji regresi linier adalah adanya linieritas pada hubungan variabel dependent dan independent berbentuk linier

• BENAR

• SALAH

Manakah yang merupakan tujuan dari uji regresi linier yang tepat

• Mengetahui pengaruh variabel bebas (dependen variable)  (x) terhadap variabel terikat (y) (independent variable)

• Mengetahui pengaruh variabel terikat (dependen variable)  (x) terhadap variabel bebas (y) (independent variable)

• 1. Mengetahui pengaruh variabel bebas (dependen variable)  (y) terhadap variabel terikat (x) (independent variable) 

• Mengetahui pengaruh variabel bebas (independen variable)  (x) terhadap variabel terikat (y) (dependent variable)

Tujuan dilakukannya uji regresi logistik adalah

• Memprediksi probabilitas variabel kategorikal (biner)

• Memprediksi variabel kontinu

• Mengelompokkan data berdasarkan jarak

• Mengurangi dimensi data