PENGEMBANGAN MODEL REGRESI POLINOMIAL BERGANDA PADA KASUS DATA PEMASARAN

Abstract

PENGEMBANGAN MODEL REGRESI POLINOMIAL BERGANDA PADA KASUS DATA PEMASARAN

ABSTRAK

Regresi polinomial merupakan regresi linier berganda yang dibentuk dengan menjumlahkan pengaruh variabel prediktor (X) yang dipangkatkan secara meningkat sampai orde ke-k. Model regresi polinomial, struktur analisisnya sama dengan model regresi linier berganda. Artinya, setiap pangkat atau orde variabel prediktor (X) pada model polinomial, merupakan transformasi variabel awal dan dipandang sebagai sebuah variabel prediktor (X) baru dalam linier berganda. Model terbaik dari kelima model yang telah diuji adalah persamaan regresi model ke-5. Hal ini dapat dilihat dari nilai koefisien determinasi sebesar 99,1% dan nilai R-Sq(adj) = 98,8%, karena nilai R² mendekati nilai yang telah diatur dan berdasarkan pengujian yang dilakukan ternyata seluruh koefisien-koefisien dari setiap variabel bebas signifikan serta ada kelengkungan yang bersifat kubik (pangkat 3) terhadap data X₃ terhadap Y.

Kata kunci: Pemasaran, Regresi polynomial.

DEVELOPMENT OF MULTIPOLYNOMIAL REGRESSION MODEL
ON MARKETING DATA CASE

ABSTRACT

Polynomial regression is linear regression multiple were created by summing the effect of each predictor variable (X) is raised to increase to the order of the k.  Polynomial regression model, has the same structure with linear regression models. That is, any rank or order predictor variable (X) in polynomial models, an initial variable transformation and is seen as a predictor variable (X) has the linear regression. The best model of the six models tested were equation regression model to-5.  It can be seen from the value of the coefficient of determination of 99.1% and a value of R-Sq (adj) = 98.8%, due to the value of R² close to the value that has been set up and based on tests performed turns all the coefficients of each independent variable significantly and there are cubic curvature (rank 3) to the data X₃ to Y.

Keywords : Marketing, Polynomial regression.