Multiple Regression Analysis (MRA) digunakan ketika…

• Hubungan antara satu variabel independen dengan satu variabel dependen ingin diketahui

• Ada lebih dari satu variabel independen yang diduga memengaruhi variabel dependen

• Semua variabel bersifat kategorikal

• Hubungan antar variabel tidak linear

Tujuan utama dari MRA adalah…

• Menentukan rata-rata residual

• Mengukur pengaruh simultan beberapa variabel independen terhadap variabel dependen

• Membentuk model non-linear untuk data diskrit

• Menguji normalitas populasi

Variabel dependen pada MRA disebut juga sebagai…

• Variabel prediktor

• Variabel respon

• Variabel bebas

• Variabel acak

Salah satu syarat utama sebelum melakukan MRA adalah…

• Variabel harus berskala nominal

• Data tidak perlu diuji linearitas

• Variabel independen harus berbentuk metrik (numerik)

• Variabel dependen harus kategorikal

Langkah awal dalam MRA setelah menentukan variabel dependen dan independen adalah…

• Melakukan uji VIF

• Melakukan pengolahan data dan visualisasi awal

• Menghapus variabel acak

• Menentukan nilai p-value

R-squared (R²) digunakan untuk mengetahui…

• Seberapa besar variabel independen memengaruhi variabel dependen secara parsial

• Proporsi variasi pada Y yang dijelaskan oleh seluruh X dalam model

• Besarnya error dalam model regresi

• Normalitas data

Mean of residuals yang mendekati nol menandakan bahwa…

• Model bias dalam memprediksi data

• Model tidak bias dalam memprediksi data

• Model memiliki heteroskedastisitas

• Residual tidak berdistribusi normal

Homoskedastisitas dalam MRA berarti…

• Varians residual tidak konstan di seluruh nilai prediksi

• Varians residual konstan di seluruh nilai prediksi

• Residual tidak berdistribusi normal

• Terdapat multikolinearitas antar variabel X

Pola residual yang acak dan tidak membentuk pola tertentu menunjukkan…

• Terjadi autokorelasi

• Homoskedastisitas terpenuhi

• Model overfitting

• Data tidak linear

Jika p-value dari uji heteroskedastisitas lebih besar dari 0,05, maka…

• Model memiliki masalah varians

• Model tidak memiliki bukti heteroskedastisitas

• Model harus direvisi ulang

• Residual tidak normal