Kalkulator Regresi Linear

Hitung persamaan regresi linear, koefisien korelasi, dan diagram sebar secara online, mendukung input manual, impor CSV, dan analisis data batch

Laporan bug

Mode eksekusi browser: Data Anda diproses di browser dan tidak diunggah ke server.

Kecepatan dan stabilitas: Kecepatan pemrosesan bergantung pada perangkat dan browser Anda. Untuk pekerjaan batch besar, versi desktop mungkin lebih stabil.

Memuat alat, harap tunggu...

Jika alat online tidak dapat dimuat atau dijalankan, coba alat desktop. https://tools.yikeaigc.com/

Penggunaan Alat

Kembali ke versi lama

Siapkan data X/Y, atur parameter model, lalu hitung dan ekspor hasil.

Mendukung input manual, tempel tabel, file CSV/TSV/TXT, dan data contoh. Saat unggah massal, semua file diproses; antarmuka hanya menampilkan 20 file pertama untuk pengecekan.

Fit OLS R² / koef. korelasi Residual & pencilan Laporan / CSV / grafik Pengaturan tersimpan

File massal Belum ada file dipilih

Setelah mengunggah beberapa file CSV, TSV, atau TXT, 20 nama file pertama akan ditampilkan di sini. Saat hitung massal, semua laporan dibuat dan diunduh sebagai paket.

Data input

Pilih sumber data. Tiap baris perlu nilai X dan Y, boleh berisi header; sistem otomatis mengenali koma, Tab, spasi, dan titik koma.

Tabel data Regresi linear minimal 2 titik; regresi polinomial harus lebih dari derajatnya

No.	Nilai X	Nilai Y	Aksi

Tempel data X/Y Mendukung pemisah koma, spasi, Tab, titik koma

Data massal

Unggah file data Bisa pilih beberapa file sekaligus, antarmuka menampilkan 20 pertama

Klik pilih file, atau seret file ke sini Mendukung .csv, .tsv, .txt. Kolom pertama sebagai X, kolom kedua sebagai Y, boleh berisi header.

Data contoh Bisa dimuat lalu langsung dihitung

Atur model

Sebaiknya hitung dulu dengan regresi linear, lalu gunakan diagram sebar, R², dan distribusi residu untuk menilai perlunya fitting polinomial.

Model regresiMakin tinggi orde polinomial, makin perlu waspada overfitting

Jenis model

Orde kustom

Jumlah desimal

Tingkat kepercayaan

Ambang pencilan

Prediksi nilai X

Tampilan & diagnostikCentang konten yang muncul di hasil dan laporan

Diagram sebar & garis fit Pita kepercayaan Analisis residu Deteksi outlier Statistik deskriptif Perbandingan model orde 1-3

Hitung & ekspor

Klik hitung untuk melihat persamaan, metrik, grafik, residu, dan prediksi. Jika beberapa file diunggah, hasil batch juga dibuat.

Ekspor hasilSelesaikan hitungan dulu, lalu unduh laporan atau grafik

Atur data dan model dulu, lalu klik “Mulai hitung analisis regresi”.

Diagram sebar dan garis fit

Menunggu hasilAtur data dan model dulu, lalu buat grafik regresi.

Persamaan regresi-

Koefisien korelasi r-

Koefisien determinasi R²-

Galat standar SE-

Statistik inti

Koefisien & interval

Hasil prediksi

Statistik deskriptif

Analisis residu

Perbandingan model

Pratinjau hasil massal

Petunjuk

Petunjuk Penggunaan Perangkat Lunak

Masukkan data: Anda dapat memilih untuk memasukkan secara manual, menempelkan data, atau mengunggah file CSV, TSV, TXT. Setiap baris berisi sepasang nilai X dan nilai Y; file dapat menyertakan header.
Pilih model: Mendukung regresi linear, polinomial kuadrat, polinomial kubik, dan orde kustom. Disarankan menggunakan regresi linear terlebih dahulu, lalu menentukan apakah diperlukan pencocokan kurva berdasarkan diagram sebar dan residual.
Atur parameter: Anda dapat mengatur jumlah angka desimal, tingkat kepercayaan, ambang nilai pencilan, serta memilih apakah akan menampilkan diagram sebar, pita kepercayaan, analisis residual, deteksi pencilan, statistik deskriptif, dan perbandingan model.
Isi nilai prediksi: Jika perlu memprediksi nilai Y, masukkan satu atau beberapa nilai X pada “Nilai X prediksi”, dipisahkan dengan koma.
Mulai perhitungan: Klik “Mulai menghitung analisis regresi”; sistem akan menghasilkan persamaan regresi, koefisien korelasi, R², R² disesuaikan, galat standar, statistik F, nilai p, residual, dan grafik.
Ekspor hasil: Setelah perhitungan selesai, Anda dapat menyalin persamaan, mengunduh laporan TXT dan data CSV, serta mengekspor grafik PNG atau SVG; file batch akan menghasilkan paket hasil ZIP.

Pertanyaan Umum

Jawab: Regresi linear memerlukan setidaknya 2 titik data valid, sedangkan regresi polinomial memerlukan jumlah titik data yang lebih besar daripada orde model. Semakin banyak data, biasanya hasilnya semakin stabil.

Jawab: Koefisien korelasi r menggambarkan arah dan kekuatan hubungan linear antara X dan Y; R² menunjukkan proporsi variasi nilai Y yang dapat dijelaskan oleh model. Dalam regresi linear, R² biasanya berkaitan dengan kuadrat r.

Jawab: Ketika diagram sebar menunjukkan tren kurva yang jelas, atau grafik residual menunjukkan lengkungan berpola, Anda dapat mencoba regresi polinomial kuadrat atau kubik. Orde sebaiknya tidak terlalu tinggi agar tidak terjadi overfitting pada data yang ada.

Jawab: Residual adalah selisih antara nilai Y aktual dan nilai Y prediksi. Mengamati residual dapat membantu menilai apakah model sesuai, serta menemukan titik data yang menyimpang jauh.

Jawab: File CSV, TSV, atau TXT disarankan berisi dua kolom, kolom pertama untuk nilai X dan kolom kedua untuk nilai Y. Mendukung header, serta pemisah koma, Tab, spasi, dan titik koma.

Jawab: Interval kepercayaan rata-rata digunakan untuk memperkirakan rentang respons rata-rata model, sedangkan interval prediksi titik tunggal digunakan untuk memperkirakan rentang satu nilai observasi baru; yang terakhir biasanya lebih lebar.