''' RegresiAnalisis regresi''' dalam [[statistika]] adalah salah satu metode untuk menentukan tingkathubungan pengaruhsebab-akibat suatuantara satu [[variabel]] terhadapdengan variabel (-variabel) yang lain. Variabel yang pertama"penyebab" disebut dengan bermacam-macam istilah: ''variabel penjelas'', ''variabel eksplanatorik'', ''variabel independen'', atau secara bebas, ''variabel X'' (karena seringkalisering kali digambarkan dalam grafik sebagai [[absis]], atau sumbu X). Variabel yangterkena keduaakibat adalahdikenal sebagai ''variabel yang dipengaruhi'', ''variabel dependen'', ''variabel terikat'', atau ''variabel Y''. Kedua variabel ini dapat merupakan [[variabel acak]] (random), namun variabel yang dipengaruhi harus selalu variabel acak. ▼{{dablink|Untuk Teknik hipnotis, lihat [[Regresi kehidupan masa lalu|'''Regresi''']]}}
Analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya. Analisis regresi dipakai secara luas untuk melakukan prediksi dan ramalan, dengan penggunaan yang saling melengkapi dengan bidang [[pembelajaran mesin]]. Analisis ini juga digunakan untuk memahami variabel bebas mana saja yang berhubungan dengan variabel terikat, dan untuk mengetahui bentuk-bentuk hubungan tersebut.
▲'''Regresi''' dalam [[statistika]] adalah salah satu metode untuk menentukan tingkat pengaruh suatu [[variabel]] terhadap variabel yang lain. Variabel yang pertama disebut dengan bermacam-macam istilah: ''variabel penjelas'', ''variabel eksplanatorik'', ''variabel independen'', atau secara bebas, ''variabel X'' (karena seringkali digambarkan dalam grafik sebagai [[absis]], atau sumbu X). Variabel yang kedua adalah ''variabel yang dipengaruhi'', ''variabel dependen'', ''variabel terikat'', atau ''variabel Y''. Kedua variabel ini dapat merupakan [[variabel acak]] (random), namun variabel yang dipengaruhi harus selalu variabel acak.
== Daftar pustaka ==
Analisis regresi adalah salah satu analisis yang paling populer dan luas pemakaiannya. Hampir semua bidang ilmu yang memerlukan analisis sebab-akibat boleh dipastikan mengenal analisis ini.
* [[William Kruskal|William H. Kruskal]] and Judith M. Tanur, ed. (1978), "Linear Hypotheses," ''International Encyclopedia of Statistics''. Free Press, v. 1,
:Evan J. Williams, "I. Regression," pp. 523–41.
:[[Julian C. Stanley]], "II. Analysis of Variance," pp. 541–554.
* [[D.V. Lindley|Lindley, D.V.]] (1987). "Regression and correlation analysis," [[New Palgrave: A Dictionary of Economics]], v. 4, pp. 120–23.
* Birkes, David and Yadolah Dodge, ''Alternative Methods of Regression''. ISBN 0-471-56881-3
* Chatfield, C. (1993) "Calculating Interval Forecasts," ''Journal of Business and Economic Statistics,'' '''11'''. pp. 121–135.
* Corder, G.W. and Foreman, D.I. (2009).''Nonparametric Statistics for Non-Statisticians: A Step-by-Step Approach'' Wiley, ISBN 978-0-470-45461-9
* Draper, N.R. and Smith, H. (1998).''Applied Regression Analysis'' Wiley Series in Probability and Statistics
* Fox, J. (1997). ''Applied Regression Analysis, Linear Models and Related Methods.'' Sage
* Hardle, W., ''Applied Nonparametric Regression'' (1990), ISBN 0-521-42950-1
* Meade, N. and T. Islam (1995) "Prediction Intervals for Growth Curve Forecasts," ''Journal of Forecasting,'' '''14''', pp. 413–430.
* N. Cressie (1996) Change of Support and the Modiable Areal Unit Problem. Geographical Systems 3:159–180.
* A.S. Fotheringham, C. Brunsdon, and M. Charlton and Sandt Damanik Witwicky. (2002) Geographically weighted regression: the analysis of spatially varying relationships. Wiley.
[[ suKategori:Analisis régrésiregresi| ]] ▼
Istilah regresi diperkenalkan oleh Francis Galton, yang menemukan bahwa meskipun ada kecenderungan bagi orang tua yang tinggi mempunyai anak yang tinggi dan orang tua yang pendek mempunyai anak yang pendek, tetapi distribusi tinggi populasi tidak berubah secar menyolok dari generasi ke generasi. Penjelasannya adalah bahwa kecenderungan bagi rata-rata tinggi anak dengan orang tua yang mempunyai tinggi tertentu untuk bergerak atau mundur (regress) ke arah tinggi rata-rata seluruh populasi. Hukum regresi semesta (law of universal regression) diperkuat oleh Karl Pearson. Ia menemukan bahwa rata-rata tinggi anak laki-laki kelompok ayah yang tinggi kurang daripada tinggi ayah mereka dan rata-rata tinggi anak laki-laki kelompok ayah yang pendek lebih tinggi dari pada tinggi ayah mereka.
Namun demikian, sesuai dengan perkembangan metodologi dan penerapannya, definisi regresi tersebut pada saat ini telah berbeda jauh dari pengertian awal tersebut. Secara definisi, pengertian analisis regresi adalah berkenaan dengan studi ketergantungan dari satu variabel dependent (selanjutnya disebut variabel terikat) pada satu atau lebih variabel independent (selanjutnya disebut variabel bebas) dengan tujuan untuk memperkirakan dan atau meramalkan nilai rata-rata dari variabel terikat apabila variabel bebasnya sudah diketahui
Regresi berkaitan dengan ketergantungan statistik (statistical dependent) bukan ketergantungan fungsional secara deterministik. Ketergantungan statistik berkaitan dengan variabel yang random/stokastik (random/ stochastic variables), yaitu variabel yang mempunyai distribusi probabilita (probability distribution). Di pihak lain, ketergantungan fungsional atau deterministik, variabelnya tidak random (non-random) atau stokhastik.
Contoh ketergantungan bersifat statistik:
Kita tidak akan mungkin meramalkan secara akurat hasil panen meskipun kita sudah mengetahui dan menganalisis sebanyak mungkin variabel yang mempengaruhi hasil panen. Ketidak-akuratan tersebut bisa bersumber dari kesalahan dalam pengukuran variabel-variabel ini, ataupun disebabkan adanya faktor lain yang mempengaruhi hasil panen yang sulit untuk diketahui atau diukur.
Contoh ketergantungan bersifat fungsional atau deterministik
Hukum gravitasi Newton: F = k(m1m2/r2), yang menyatakan setiap partikel dalam alam semesta menarik setiap partikel lain dengan suatu gaya (F) yang langsung yang sebanding dengan hasil kali masanya (m1m2) dan berbanding terbalik dengan kuadrat jarak (r2) antara partikel-partikel tadi. Artinya, jika diketahui nilai k (konstanta perbandingan), m1, m2 dan r, maka secara akurat (pasti) dapat ditentukan nilai F.
{{stat-stub}}
[[ar:تحليل الانحدار]]
[[bg:Регресионен анализ]]
[[cs:Regresní analýza]]
[[da:Regressionsanalyse]]
[[de:Regressionsanalyse]]
[[en:Regression analysis]]
[[fa:تحلیل رگرسیون]]
[[fi:Regressioanalyysi]]
[[fr:Régression (statistiques)]]
[[hu:Regressziószámítás]]
[[it:Analisi di regressione]]
[[ja:回帰分析]]
[[ko:회귀분석]]
[[nl:Regressie-analyse]]
[[no:Regresjonsanalyse]]
[[pl:Regresja (statystyka)]]
[[pt:Regressão]]
[[ru:Регрессионный анализ]]
[[simple:Regression analysis]]
[[sv:Regressionsanalys]]
[[tr:Regresyon]]
[[vi:Phân tích hồi qui]]
[[zh:迴歸分析]]
| 