Regresi Linear Data Mining Suprayogi Analisis regresi Analisis

















- Slides: 17

Regresi Linear Data Mining Suprayogi

Analisis regresi • Analisis regresi adalah teknik statistik untuk pemodelan dan investigasi hubungan dua variable atau lebih (Budi Santoso, 2007), hubungan antara dua variabel tersebut bersifat linear. • Regresi Linear merupakan satu cara prediksi yang menggunakan garis lurus untuk menggambarkan hubungan diantara dua variabel/lebih.

Fungsi Analisis regresi • Analisis regresi digunakan untuk memprediksi nilai dari suatu variabel response (y) dengan menggunakan nilai dari variabel prediktor/independent (x) Ukuran No 1 2 3 4 5 6 7 8 9 10 Harga Rumah X Y 1400 245 1600 312 1700 279 1875 308 1100 199 1550 219 2350 405 2450 324 1425 319 1700 255

Jenis Analisis Regresi • Regresi Linear Sederhana • Regresi Linear Berganda

1. Regresi Linear Sederhana • Digunakan untuk mengukur pengaruh dari satu variabel predictor terhadap variabel response. Memiliki satu variable independent/predictor (x) dan satu variable response (y).

Regresi Linear Sederhana Y = β₀ + β₁ X β₀=Y - β₁ X β₁ = Σ (X-X ) (Y- Y ) --------Σ (X-X )2 Atau β₁ = ΣXY - (ΣX. ΣY)/n -----------ΣX 2 - (ΣX)2/n β₀ = Konstanta β₁ = Gradient Garis X = variable prediktor

Contoh No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 Jarak Waktu X 0. 50 1. 10 1. 20 5. 50 2. 95 2. 00 3. 75 0. 52 1. 00 3. 00 4. 12 4. 00 5. 00 3. 60 2. 05 4. 00 6. 00 5. 85 5. 40 2. 50 2. 90 5. 10 5. 90 1. 00 4. 00 Y 9. 95 24. 45 31. 75 35. 00 25. 02 16. 86 14. 38 9. 60 24. 35 27. 50 17. 08 37. 00 41. 95 11. 66 21. 65 17. 89 69. 00 10. 30 34. 93 46. 59 44. 88 54. 12 56. 23 22. 13 21. 15

Tugas Ukuran No 1 2 3 4 5 6 7 8 9 10 Sum Avg X 1400 1600 1700 1875 1100 1550 2350 2450 1425 1700 1715. 00 Harga Rumah Y 245 312 279 308 199 219 405 324 319 255 286. 50 Estimasikan Harga rumah untuk ukuran 2000


2. Regresi Linear Multivariate • Digunakan untuk mengukur pengaruh antara lebih dari satu variabel predictor terhadap variabel response

Persamaan Regresi Linear Multivariate Jumlah Persamaan = k+1

Contoh utk 2 variabel prediktor

No Lampu Jarak Waktu X 1 X 2 Y 1 2 0. 50 9. 95 2 8 1. 10 24. 45 3 11 1. 20 31. 75 4 10 5. 50 35. 00 5 8 2. 95 25. 02 6 4 2. 00 16. 86 7 2 3. 75 14. 38 8 2 0. 52 9. 60 9 9 1. 00 24. 35 10 8 3. 00 27. 50 11 4 4. 12 17. 08 12 11 4. 00 37. 00 13 12 5. 00 41. 95 14 2 3. 60 11. 66 15 4 2. 05 21. 65 16 4 4. 00 17. 89 17 20 6. 00 69. 00 18 1 5. 85 10. 30 19 10 5. 40 34. 93 20 15 2. 50 46. 59 21 15 2. 90 44. 88 22 16 5. 10 54. 12 23 17 5. 90 56. 23 24 6 1. 00 22. 13 25 5 4. 00 21. 15 Contoh




Tugas Obyek 1 2 3 4 5 6 7 8 9 10 Promosi (x 1) 10 2 4 6 8 7 4 6 7 6 Harga (x 2) 7 3 2 4 6 5 3 3 4 3 Keputusan Konsumen (y) 23 7 15 17 23 22 10 14 20 19
Mining complex types of data
Agus suprayogi
Antifagositik
Agus suprayogi
Multimedia data mining
Makalah analisis regresi linear sederhana
Contoh soal analisis regresi linear sederhana
Regresi non linier
Strip mining vs open pit mining
Chapter 13 mineral resources and mining
Difference between strip mining and open pit mining
Text and web mining
Data reduction in data mining
What is data mining and data warehousing
What is missing data in data mining
Data reduction in data mining
Data reduction in data mining
Data reduction in data mining