Simulasi Regersi Dua Dimensi

Regresi linear sederhana merupakan salah satu metode dasar dalam ekonometrika dan analisis data yang digunakan untuk memahami hubungan antara satu variabel independen (X) dan satu variabel dependen (Y). Melalui model ini, kita dapat mengestimasi bagaimana perubahan pada variabel X berkaitan dengan perubahan pada variabel Y, sekaligus membentuk persamaan linear yang dapat digunakan untuk melakukan estimasi atau prediksi. Karena konsep ini menjadi fondasi bagi berbagai metode regresi yang lebih kompleks, pemahaman terhadap mekanisme regresi linear sederhana sangat penting bagi mahasiswa ekonomi, bisnis, manajemen, maupun bidang yang menggunakan analisis kuantitatif.

Interactive Simple Linear Regression dikembangkan sebagai media pembelajaran yang memungkinkan proses analisis regresi dilakukan secara langsung dan interaktif melalui browser. Pengguna dapat memasukkan data X dan Y secara manual, mengubah nama variabel, menjalankan estimasi Ordinary Least Squares (OLS), serta melihat persamaan regresi, nilai intercept, slope, R², SSE, MSE, dan RMSE. Hasil estimasi juga disajikan dalam bentuk tabel observasi yang memuat nilai aktual, nilai prediksi, dan residual sehingga pengguna dapat melihat keterkaitan antara perhitungan statistik dan representasi data secara lebih konkret.

Keunggulan pendekatan interaktif ini terletak pada kemampuannya menghubungkan konsep, perhitungan, visualisasi, dan interpretasi dalam satu lingkungan pembelajaran. Grafik memungkinkan pengguna mengamati pola hubungan antara X dan Y, garis regresi, titik prediksi, serta residual secara visual. Dengan mengubah data dan mengamati perubahan hasil secara langsung, pengguna tidak hanya mempelajari bagaimana memperoleh koefisien regresi, tetapi juga memahami makna ekonometrik di balik angka-angka tersebut. Dengan demikian, media ini dapat digunakan sebagai laboratorium sederhana untuk membangun intuisi sebelum memasuki analisis ekonometrika yang lebih lanjut.

VISUAL REGRESI



📊 DATA REGRESI

Masukkan data X dan Y dipisahkan dengan koma. Jumlah observasi X dan Y harus sama.


Contoh:

X = 1, 2, 3, 4, 5
Y = 2, 3, 5, 6, 8

📈 HASIL REGRESI