Regresi Linear Data Mining Suprayogi Analisis regresi Analisis

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) No Ukuran 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).

prediksi nilai didapatkan dari: Y = β₀ + β₁ X β₀=Y - β₁ X β₁ = Σ (X-X ) (Y- Y ) -------- Σ (X-X )2 β₀ = Konstanta β₁ = Gradient Garis X = variable prediktor Estimasikan Harga rumah jika Ukuran 2000 No Ukuran 1 2 3 4 5 6 7 8 9 10 X 1400 1600 1700 1875 1100 1550 2350 2450 1425 1700 Harga Rumah Y 245 312 279 308 199 219 405 324 319 255

Buat tabel bantu 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 X - X 245 312 279 308 199 219 405 324 319 255 286. 50 Y - Y (X - X )*(Y - Y ) (X - X )2

No Ukuran Harga Rumah X Y X - X Y - Y (X - X )*(Y - Y ) (X - X )2 1 2 3 4 5 6 7 8 1400 1600 1700 1875 1100 1550 2350 245 312 279 308 199 219 405 324 -315. 00 -15. 00 160. 00 -615. 00 -165. 00 635. 00 735. 00 -41. 50 25. 50 -7. 50 21. 50 -87. 50 -67. 50 118. 50 37. 50 13072. 5 -2932. 5 112. 5 3440 53812. 5 11137. 5 75247. 5 27562. 5 99225 13225 25600 378225 27225 403225 540225 9 1425 319 -290. 00 32. 50 -9425 84100 10 Sum Avg 1700 1715. 00 -15. 00 -31. 50 472. 5 172500 225 1571500 255 2865 286. 50 β₁ = Σ (X-X ) (Y- Y ) = 172500 = 0. 109768 --------- Σ (X-X )2 1571500 β₀=Y - β₁ X = 286. 50 - 0. 109768 (1715. 00) = 98. 25 Y = β₀ + β₁ X = 98. 25 + 0. 109768 X

Jika Ukuran(X) 2000 maka Harga(Y) : Y=98. 25 + 0. 109768 X = 98. 25 + 0. 109768(2000) = 317. 78

Latihan No 1 2 3 4 5 6 7 8 9 10 Jarak(KM) Waktu(Mnt) X Y 0. 50 9. 95 1. 10 24. 45 1. 20 31. 75 5. 50 35. 00 2. 95 25. 02 2. 00 16. 86 3. 75 14. 38 0. 52 9. 60 1. 00 24. 35 3. 00 27. 50 Estimasikan waktu pengiriman jika jarak yang ditempuh = 2 KM

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 Lamp (buah) Jarak(KM) Waktu(Mnt) x 1 x 2 y No 1 2 0, 50 1, 00 2 2 1, 00 1, 50 3 3 2, 00 4 3 1, 50 5 3 2, 50

Tabel bantu Lamp (buah) Jarak(KM) Waktu(Mnt) No xi 12 x 1 x 2 y 1 2 0, 50 1, 00 2 2 1, 00 1, 50 3 3 2, 00 4 3 1, 50 5 3 2, 50 Total xi 1 xi 2 xi 1 yi xi 22 xi 2 yi

Lamp (buah) Jarak(KM) Waktu(Mnt) No x 1 x 2 y 1 2 0, 50 1, 00 2 2 1, 00 1, 50 3 3 2, 00 4 3 1, 50 5 3 2, 50 Total 13 7, 5 8, 5 xi 12 xi 1 xi 2 xi 1 yi xi 22 4, 00 1, 00 2, 00 0, 25 4, 00 2, 00 3, 00 1, 00 9, 00 6, 00 4, 00 9, 00 4, 50 2, 25 9, 00 7, 50 6, 25 35 21 23 13, 75 xi 2 yi 0, 50 1, 50 4, 00 2, 25 6, 25 14, 5

Lamp (buah) Jarak(KM) Waktu(Mnt) No x 1 x 2 y 1 2 0, 50 1, 00 2 2 1, 00 1, 50 3 3 2, 00 4 3 1, 50 5 3 2, 50 Total 13 7, 5 8, 5 xi 12 xi 1 xi 2 xi 1 yi xi 22 4, 00 1, 00 2, 00 0, 25 4, 00 2, 00 3, 00 1, 00 9, 00 6, 00 4, 00 9, 00 4, 50 2, 25 9, 00 7, 50 6, 25 35 21 23 13, 75 xi 2 yi 0, 50 1, 50 4, 00 2, 25 6, 25 14, 5

Penyelesaian Persamaan

Studi kasus • Mengukur pengaruh promosi dan harga terhadap keputusan konsumen 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

NN