Latihan

Pendahuluan

Dokumen ini menjelaskan ilustrasi tentang Regresi Linear. Secara umum kita akan mulai membahas tentang konsep dasar, metode perhitungan dsb dsb

Sebelum kita mulai membahas….

x = c(1, 2, 4, 5, 9)
y = c(4, 5, 9, 12, 10)
lm(y ~ x)

## 
## Call:
## lm(formula = y ~ x)
## 
## Coefficients:
## (Intercept)            x  
##      4.5361       0.8247

Berdasarkan hasil di atas kita dapatkan intersep model sebesar 4.5361 dan kemiringan garis sebesar 0.8247.

Jika kita ingin memperoleh R2 dari model, maka perintah yang digunakan adalah

summary(lm(y ~x))

## 
## Call:
## lm(formula = y ~ x)
## 
## Residuals:
##      1      2      3      4      5 
## -1.361 -1.186  1.165  3.340 -1.959 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)
## (Intercept)   4.5361     2.0685   2.193    0.116
## x             0.8247     0.4104   2.009    0.138
## 
## Residual standard error: 2.557 on 3 degrees of freedom
## Multiple R-squared:  0.5737, Adjusted R-squared:  0.4316 
## F-statistic: 4.038 on 1 and 3 DF,  p-value: 0.1381

Diagnostik Model

kasdjskadj ksjakldjal kjsdlajdkas

askdjkaldj

kajsdklaj

model.regresi = lm(y ~ x)
plot(model.regresi)