Langsung ke konten utama

Pemodelan Regresi Kuadratik dengan Python

Regresi kuadratik dengan Python

Hubungan sebab akibat antara variabel independen dan dependen selain dapat berbentuk garis lurus juga kita temukan dalam bentuk parabolik atau kuadratik. Hubungan kausal inilah yang kemudian dikenal sebagai regresi kuadratik. Konsep regresi sendiri memang mewakili hubungan linier terhadap parameternya. Dalam artinya, koefisien beta atau alpha berderajat satu. Sedangkan penamaan kuadratik ini menunjukkan pola garis hubungan kausal yang parabolis akibat derajat atau order tertinggi variabel independennya sebesar 2.

Dalam keseharian, fenomena yang menunjukkan hubungan kuadratis ini mudah kita jumpai. Sebagai contoh sederhana di sekitar saja, kita coba makan satu kue setiap 1 menit. Pada waktu tertentu, perut kita akan merasa kenyang dan akhirnya jumlah kue yang kita makan justru berkurang setelah mencapai puncak rasa kenyang.

Pada praktikum pemodelan regresi kuadratik kali ini, kita akan membuat data dummy antara variabel jam dengan kepuasan. Sama halnya dengan kue tadi, kepuasan seiring bertambahnya jam terlihat meningkat, tetapi setelah mencapai puncak kepuasan, kepuasan itu justru menurun seiring berjalannya jam. Adapun langkah-langkah pemodelan regresi kuadratik dengan Python adalah sebagai berikut:


Untitled


Dari model regresi kuadratik tersebut, terlihat bahwa proporsi keragaman kepuasan yang dapat dijelaskan oleh variabel jam dan kuadrat dari jam sebesar 90 persen lebih. Sedangkan sisanya dapat dijelaskan oleh variabel lain yang tidak ada di dalam model.
Demikian sedikit sharing kali ini. Semoga sedikit ini bermanfaat. Nantikan terus unggahan menarik dan praktis dalam blog sederhana ini. Selamat memahami dan mempraktikkan!

Komentar

Postingan populer dari blog ini

Mencari P - Value dan Titik Kritis Uji F, Uji t, Uji Chi Square, dan Uji Z Normal dengan R

Mencari nilai p-value dan titik kritis Bagi teman-teman yang pernah mengenal statistika, pasti familier dengan istilah p-value dan titik kritis. P-value biasanya didefinisikan sebagai probabiltas atau peluang maksimal yang diamati dari hasil uji statistik, bahasa gampangnya adalah besarnya kesalahan penelitian berdasarkan uji statistik. Sebagai contoh sederhana, dari 100 orang dengan nama masing-masing dan diklasifikasikan ke dalam gender nama perempuan dan nama laki-laki, didapatkan nilai p-value uji statistiknya sebesar 0,05 atau 5%. Itu artinya, dari 100 orang, ada kemungkinan sebanyak 5 orang yang namanya salah klasifikasi. Dari namanya terdeteksi sebagai nama perempuan, padahal aktualnya yang bersangkutan bergender laki-laki. Sedangkan titik kritis atau titik uji adalah nilai batas pengujian hipotesis statistik, apakah masuk dalam wilayah tolak hipotesis, ataukah gagal menolaknya. Titik ini berkaitan erat dengan nilai p-value . Kalau biasanya kita mendapatkan kedua nilai ini da...

Cara Mendowload dan Install R serta RStudio di Windows (Step by Step)

Cara Download dan Install R serta R Studio di Windows Halo teman-teman, mohon maaf karena beberapa waktu ini, blog ini sempat vakum dari unggahan. Kali ini saya akan coba berbagai mengenai bagaimana cara mengunduh ( download ) dan menginstal ( install ) program R sekaligus R Studio khususnya di Windows. Unggahan kali ini sedikit terbalik karena semestinya saya unggah terlebih dahulu pertama kali di blog ini, namun bukan masalah, mengingat kemarin ada beberapa pihak yang meminta untuk menerangkap bagaimana tahapan mengunduh dan instalasi R dan R Studio, jadinya saya dahulukan pada unggahan ini sebelum pembahasan mengenai Data Mining , Data Science , atau bahasan Big Data kita terlampau jauh. Baik, kita akan mulai dengan bagaimana mengunduh R dan R Studio melalui mesin pencari Google. R dan R Studio ini memang beberapa waktu terakhir ini booming , apalagi dengan munculnya konsep mengenai Big Data , Data Modelling, Data Mining, dan Data Science serta Data Visualization . Sebenarnya, men...

Analisis Tipologi Klassen (Klassen Typology) dan Visualisasi Spasialnya dengan R

Tipologi Klassen dan visualisasinya dengan R Halo teman-teman, sebelumnya kita telah membahas tentang analisis Shift Share dan Location Quotient (LQ) dengan menggunakan R. Kali ini, kita akan membahas mengenai satu lagi alat analisis yang sebenarnya merupakan alat analisis tiga serangkai dari SS dan LQ, yaitu analisis Tipologi Klassen. Dalam penelitian ekonomi kewilayahan, ketiga analisis ini seringkali digunakan, baik dalam rangka melihat perkembangan dan transformasi struktur ekonomi suatu wilayah maupun melihat keunggulan kompetitif dan keunggulan komparatif wilayah satu dengan wilayah lainnya dengan mengacu wilayah referensi. Terlebih dulu, sebelum melakukan visualisasi spasial menggunakan fungsi plot(), ada baiknya kita bahas terlebih dahulu mengenai Tipologi Klassen itu sendiri. Tipologi Klassen merupakan teknik pengelompokan sektor, subsektor, lapangan usaha, atau komoditas tertentu di wilayah analisis berdasarkan pertumbuhan nilai tambah wilayah analisis terhadap nasional atau...