Lompat ke konten Lompat ke sidebar Lompat ke footer

Cara menghitung nilai residual regresi

Sudah tidak asing lagi bahwa dalam analisis regresi linier, kita akan melakukan pengujian terhadap residual. Salah satu asumsi yang dipersyaratkan pada regresi linier dengan metode kuadrat terkecil yaitu bahwa residual terdistribusi normal.

Dengan demikian, untuk melakukan uji asumsi tersebut maka kita perlu mencari atau menghitung nilai residual terlebih dahulu. Namun demikian, masih ada beberapa yang belum mengetahui bagaimana cara menghitung nilai residual regresi.

Oleh karena itu, pada kesempatan ini saya tertarik untuk membahas mengenai bagaimana kita bisa memperoleh nilai residual regresi. Setelah kita bisa memperoleh nilai residual, langkah selanjutnya kita bisa melakukan uji normalitas regresi maupun uji lain yang diperlukan dengan menggunakan nilai residual.

Memahami definisi nilai residual

Residual merupakan selisih antara nilai pengamatan sebenarnya dari variabel terikat dengan nilai prediksi dari variabel terikat. Kita juga dapat menyebut nilai residual sebagai selisih antara nilai Y aktual dengan Y predicted.

Nilai Y aktual atau nilai pengamatan sebenarnya dari variabel terikat kita peroleh dari pengumpulan data, baik menggunakan data survei (data primer) atau menggunakan data sekunder. 

Contohnya ketika kita melakukan survei ke lapang, kita melakukan wawancara terhadap 200 orang konsumen produk ABC. Kita mengumpulkan data variabel pendapatan rumah tangga dari 200 responden tersebut. Maka kita dapat memperoleh nilai pendapatan rumah tangga dari masing-masing konsumen yang disebut dengan nilai pengamatan sebenarnya atau nilai Y aktual.

Selanjutnya kita perlu memahami mengenai bagaimana diperolehnya nilai Y predicted atau nilai penduga dari variabel terikat. Untuk memperoleh nilai penduga dari variabel terikat, maka kita perlu melakukan estimasi terlebih dahulu terhadap persamaan regresi.

Misalnya kita melakukan pendugaan tiga variabel bebas yang berpengaruh terhadap pendapatan rumah tangga konsumen produk ABC (variabel terikat). Selanjutnya dilakukan analisis regresi linear berganda untuk memperoleh nilai koefisien estimasi dari masing-masing variabel bebas serta nilai interceptnya.

Contoh berdasarkan hasil estimasi regresi linier berganda diperoleh persamaan sebagai berikut:

Y = 12,5 + 2,1X1 + 1,7X2 - 2,4X3

Untuk menghitung nilai prediksi variabel pada responden yang pertama, kita perlu memasukkan nilai variabel bebas aktual yaitu X1, X2, dan X3 menggunakan operasi matematika. Selanjutnya, kita perlu menghitung sebanyak 200 nilai prediksi atau nilai penduga dari variabel terikat.

Rumus perhitungan nilai residual

Seperti yang sudah saya tulis pada paragraf sebelumnya, bahwa residual adalah selisih antara nilai pengamatan sebenarnya dari variabel terikat dengan nilai prediksi atau nilai penduga dari variabel terikat tersebut. Berdasarkan definisi tersebut kita bisa menuliskan rumus perhitungan nilai residual sebagai berikut:

Residual = Y aktual - Y predicted

Y aktual menunjukkan nilai pengamatan sebenarnya dari variabel terikat, adapun Y predicted menunjukkan nilai penduga atau nilai prediksi variabel terikat.

Berdasarkan contoh yang telah saya tulis pada paragraf sebelumnya, kita dapat menghitung nilai residual menggunakan rumus yang telah saya sebutkan di atas.

Untuk memudahkan dalam menghitung nilai residual, kita dapat menggunakan Excel. Kita bisa menggunakan formula di Excel untuk menghitung nilai penduga Y maupun untuk menghitung nilai residual secara manual.

Kita juga dapat menggunakan aplikasi olah data statistik untuk mencari nilai residual. Selanjutnya kita dapat menggunakan nilai residual yang kita peroleh untuk analisis lebih lanjut. Misalnya kita akan melakukan analisis uji normalitas pada residual regresi.

Melalui uji tersebut, kita akan dapat mengetahui apakah nilai residual terdistribusi normal atau tidak terdistribusi normal. Salah satu asumsi dalam uji normalitas regresi adalah bahwa data terdistribusi normal.

Setelah membaca tulisan singkat dari saya, mudah-mudahan Anda dapat memperoleh manfaat dan mengatasi kebimbangan dalam pemahaman residual serta cara menghitungnya. Baik, ini artikel singkat yang dapat saya tulis pada kesempatan ini. Tunggu update artikel pada kesempatan berikutnya, terima kasih telah membaca artikel ini.

priyono.id
priyono.id Peneliti dan Founder KANDA DATA. Portofolio: (1) Youtube: Kanda Data; (2) Tiktok: Kanda Data; (3) Instagram: Kanda Data; (4) Website: http://www.kandadata.com/

Posting Komentar untuk "Cara menghitung nilai residual regresi"

Jasa Bimbingan Online