Regresi Linear Berganda: Penjelasan dan Contoh

Regresi linear berganda adalah cara memprediksi satu angka dari beberapa faktor sekaligus, bukan cuma satu.

Kalau regresi linear sederhana cuma pakai satu variabel buat nebak hasil, versi berganda bisa masukin banyak variabel dalam satu model. Omzet toko, misalnya, dipengaruhi biaya iklan, jumlah karyawan, sama hari libur. Regresi berganda ngukur pengaruh masing-masing dalam satu perhitungan.

Di artikel ini kamu bakal paham rumusnya, cara baca hasilnya, dan cara jalanin di Python pakai data toko lokal.

Apa itu regresi linear berganda?

Regresi linear berganda adalah metode statistik yang memprediksi satu variabel terikat (angka yang mau ditebak) dari dua atau lebih variabel bebas (faktor pengaruh). Tiap faktor punya koefisien yang nunjukin arah dan besar pengaruhnya ke hasil. Modelnya berbentuk garis lurus dalam banyak dimensi.

Variabel terikat itu yang kamu ramal, misalnya omzet harian. Variabel bebas itu yang kamu pakai buat meramal, kayak biaya iklan dan jumlah pengunjung. Bedanya sama korelasi Pearson yang cuma ngukur hubungan dua variabel, regresi bisa gabungin banyak faktor dan kasih angka prediksi.

Kapan pakai regresi linear berganda?

Pakai regresi linear berganda saat kamu mau tau seberapa besar pengaruh beberapa faktor ke satu hasil angka, sekaligus meramal nilai barunya. Cocok buat prediksi omzet dari biaya iklan dan cuaca, atau estimasi harga rumah dari luas dan lokasi. Syaratnya variabel terikat harus berupa angka kontinu, bukan kategori.

Kalau yang mau ditebak itu ya/tidak, kayak pelanggan bakal churn atau nggak, regresi linear bukan alat yang tepat. Buat kasus itu orang biasanya pakai regresi logistik. Regresi linear berganda fokusnya ke angka yang bisa naik-turun bebas.

Gimana rumus dan cara kerjanya?

Rumusnya perluasan dari garis lurus biasa. Tiap variabel bebas dapat koefisiennya sendiri.

Y = b0 + b1*X1 + b2*X2 + ... + bn*Xn + e

Y  = variabel terikat (yang diprediksi)
b0 = intercept (nilai Y saat semua X = 0)
b1 = koefisien untuk X1
X1 = variabel bebas pertama
e  = error (selisih prediksi vs kenyataan)

Model nyari kombinasi koefisien yang bikin total selisih kuadrat antara prediksi dan data asli sekecil mungkin. Metodenya namanya Ordinary Least Squares (OLS). Hasilnya satu garis yang paling pas sama sebaran datamu.

Koefisien b1 dibaca gini: kalau X1 naik 1 satuan, Y berubah sebesar b1, dengan asumsi variabel lain tetap. Ini yang bikin regresi berganda kuat, kamu bisa isolasi pengaruh satu faktor tanpa faktor lain ganggu.

Contoh regresi linear berganda di Python

Cara paling gampang jalanin regresi berganda di Python pakai statsmodels. Library ini kasih ringkasan statistik lengkap, bukan cuma prediksi.

import pandas as pd
import statsmodels.api as sm

df = pd.read_csv('penjualan_toko.csv')

# X = faktor, y = yang diprediksi
X = df[['biaya_iklan', 'jumlah_pengunjung', 'jumlah_karyawan']]
y = df['omzet']

# Tambah kolom konstanta buat intercept
X = sm.add_constant(X)

model = sm.OLS(y, X).fit()
print(model.summary())

Baris sm.add_constant penting. Tanpa itu, model maksa garis lewat titik nol dan hasilnya sering meleset. Output model.summary() nampilin koefisien tiap faktor, R-squared, sama p-value yang kamu butuh buat ambil kesimpulan.

Kalau kamu cuma butuh prediksi tanpa detail statistik, scikit-learn juga bisa lewat LinearRegression(). Tapi buat analisis, ringkasan statsmodels lebih informatif.

Contoh kasus: prediksi omzet toko_berkah

Aku pakai data 90 hari transaksi toko_berkah, warung sembako di Bandung. Aku regresiin omzet harian terhadap tiga faktor: biaya iklan, jumlah pengunjung, dan jumlah karyawan yang masuk.

R-squared modelnya 0,71. Artinya tiga faktor ini menjelaskan 71% variasi omzet harian toko_berkah. Sisa 29% dipengaruhi hal lain yang nggak masuk model, kayak cuaca atau hari gajian.

Insight menariknya: jumlah pengunjung ternyata pengaruhnya jauh lebih gede dari biaya iklan. Nambah traffic ke toko lebih ngangkat omzet dibanding sekadar naikin budget iklan. Buat pemilik toko_berkah, ini sinyal buat fokus ke hal yang narik orang datang.

Cara baca hasilnya

Ada tiga angka yang wajib kamu lihat dari output regresi.

• Koefisien: besar dan arah pengaruh tiap faktor. Positif berarti naikin Y, negatif berarti nurunin.
• R-squared: seberapa banyak variasi Y yang bisa dijelaskan model, dari 0 sampai 1. Makin dekat 1, makin pas modelnya.
• p-value: apakah pengaruh sebuah faktor beneran ada atau cuma kebetulan. Di bawah 0,05 biasanya dianggap signifikan.

Faktor dengan p-value gede, misalnya di atas 0,05, sebaiknya kamu curigai. Bisa jadi faktor itu nggak beneran ngaruh dan cuma bikin model kelihatan ramai. Buat cek asumsi lanjut, dokumentasi resmi statsmodels ngejelasin detailnya.

Kesalahan umum

Kesalahan pertama: masukin dua variabel yang saling berkorelasi tinggi, kayak biaya iklan Facebook dan total biaya iklan. Ini namanya multikolinearitas dan bikin koefisien jadi nggak stabil. Cek dulu korelasi antar variabel bebas sebelum masukin semua.

Kesalahan kedua: lupa add_constant di statsmodels, jadi intercept-nya hilang. Kesalahan ketiga: pakai regresi linear buat data yang hubungannya jelas melengkung, bukan garis lurus. Kalau polanya kurva, garis lurus bakal terus meleset.

Terakhir, jangan asal percaya R-squared tinggi. Model bisa aja kelihatan bagus di data latihan tapi ambruk di data baru. Selalu uji di data yang belum pernah dilihat model.

FAQ

Apa bedanya regresi linear sederhana dan berganda?

Regresi linear sederhana cuma pakai satu variabel bebas buat memprediksi hasil. Regresi berganda pakai dua atau lebih variabel sekaligus. Contohnya, nebak omzet cuma dari biaya iklan itu sederhana. Nebak omzet dari biaya iklan, jumlah pengunjung, dan karyawan bareng-bareng itu berganda. Versi berganda biasanya lebih akurat karena dunia nyata dipengaruhi banyak faktor.

Berapa minimal data buat regresi linear berganda?

Aturan praktis yang umum dipakai: minimal 10 sampai 20 baris data per variabel bebas. Kalau kamu punya 3 faktor, siapin setidaknya 30 sampai 60 baris. Makin banyak data, makin stabil koefisiennya. Data yang terlalu sedikit bikin model gampang overfit dan hasilnya nggak bisa dipercaya buat prediksi baru.

Apa itu R-squared dan berapa nilai yang bagus?

R-squared ngukur seberapa banyak variasi hasil yang bisa dijelaskan model, skalanya 0 sampai 1. Nilai 0,71 berarti model menjelaskan 71% variasi. Nggak ada patokan baku soal berapa yang bagus. Di data bisnis yang berisik, 0,5 udah lumayan. Di eksperimen terkontrol, orang berharap di atas 0,9. Konteksnya yang nentuin.

Bisa nggak regresi linear berganda di Excel?

Bisa. Excel punya fungsi LINEST yang ngehitung koefisien buat banyak variabel sekaligus. Ada juga Data Analysis Toolpak dengan menu Regression yang kasih output mirip statsmodels. Buat data kecil sampai menengah, Excel cukup. Buat data besar atau analisis berulang, Python lebih nyaman.

Apa artinya koefisien negatif?

Koefisien negatif berarti faktor itu nurunin hasil saat nilainya naik. Misalnya, di model prediksi penjualan es, koefisien curah hujan bisa negatif. Makin banyak hujan, makin turun penjualan es. Arah negatif ini info penting, bukan error. Dia nunjukin hubungan berlawanan antara faktor dan hasil.

Penutup

Tiga hal yang perlu kamu inget soal regresi linear berganda.

• Dia memprediksi satu angka dari banyak faktor, dan tiap faktor dapat koefisien sendiri.
• Baca koefisien buat arah pengaruh, R-squared buat kecocokan model, p-value buat signifikansi.
• Hati-hati sama multikolinearitas dan selalu uji model di data baru.

Mau lancar ngolah data sebelum masuk ke regresi? Latihan dulu manipulasi data di pandas groupby biar datamu rapi sebelum dimodelkan. Buat dasar statistiknya, baca juga korelasi Pearson yang jadi fondasi cara baca hubungan antar variabel.