Dalam analisis statistika, grafik regresi linier (linear regression scatter plot) adalah salah satu cara untuk melihat hubungan antara variabel independen (x) dan variabel dependen (y). Grafik ini membantu kita memahami bagaimana perubahan nilai x berpengaruh pada nilai y.

Struktur Grafik

Grafik regresi linier biasanya terdiri atas dua komponen utama: garis regresi dan titik scatter. Garis regresi menunjukkan arah dan kekuatan hubungan antara x dan y, sementara titik scatter mewakili data yang digunakan untuk menghitung garis regresi.

Interpretasi Grafik

Berikut beberapa cara untuk memahami grafik regresi linier:

1. Trend: Coba lihat apakah grafik menunjukkan trend (arah) tertentu. Jika grafik berbentuk lurus, maka terdapat hubungan linear yang kuat antara x dan y.
2. Keterkaitan: Perhatikan seberapa jauh garis regresi menghubungkan titik-titik scatter. Jika garis regresi melewati lebih banyak titik daripada yang lain, maka keterkaitan antara x dan y lebih kuat.
3. Distribusi Residu: Perhatikan distribusi residu (nilai residual) di sekitar garis regresi. Jika distribusi ini terlihat rata-rata dan tidak terlalu berbelit-belit, maka model regresi linier yang digunakan relatif akurat.
4. Keterkaitan antara x dan y: Coba lihat apakah grafik menunjukkan keterkaitan antara x dan y yang signifikan. Jika garis regresi tidak terlalu lurus, maka keterkaitan antara x dan y mungkin tidak signifikan.
5. Keterbatasan model: Perhatikan apakah grafik menunjukkan keterbatasan model regresi linier. Jika grafik tidak linear atau memiliki pola-pola yang kompleks, maka model regresi linier mungkin tidak sesuai.

Dalam R

Untuk membuat grafik regresi linier dalam bahasa pemrograman R, Anda dapat menggunakan fungsi plot() dan lm() sebagai berikut:

# Data example
x <- c(1, 2, 3, 4, 5)
y <- c(2, 4, 6, 8, 10)

# Regresi linier
model <- lm(y ~ x - 1)

# Membuat grafik
plot(x, y, main = "Linear Regression", xlab = "x", ylab = "y")
abline(model, col = "red")

Dalam kode di atas, kita membuat model regresi linier menggunakan fungsi lm() dengan variabel dependen y dan independen x. Kemudian, kita membuat grafik menggunakan fungsi plot() dan menambahkan garis regresi menggunakan fungsi abline().

Dengan demikian, Anda dapat membuat interpretasi yang lebih baik terhadap grafik regresi linier dan memahami bagaimana perubahan nilai x berpengaruh pada nilai y.