Simple Linear Regression & Correlation
Regresi Linear —> satu teknik dalam statistika (sekarang Machine Learning) kita mencari sebuah trend berupa garis lurus dari sekumpulan data yang hampir berbentuk garis
Regresi Linear digunakan untuk memprediksi masa depan (forecast) dalam bentuk kuantitas (angka)
Regresi linear adalah “AI” paling sederhana
Ini adalah regresi paling sederhana karena tidak ada banyak parameter (), korelasi sebaiknya mendekati nol antara masing-masing parameter
y = variabel dependant
sisanya = variabel independent, makannya korelasi sebaiknya mendekati nol antara mereka
Misal: Seorang pedagang penjual beras
x = waktu (bulan)
y = omset
| No | x (bulan) | y (kg) |
|---|---|---|
| 1 | 3 | 1100 |
| 2 | 4 | 1250 |
| 3 | 5 | 1400 |
| 4 | 6 | 1300 |
| 5 | 7 | 1450 |
| 6 | 8 | 1700 |
| 7 | 9 | 2000 |
| 8 | 10 | 1950 |
| 9 | 11 | 2100 |
| Ada 9 data point (9 pasangan data) |
| No | x (bulan) | y (kg) |
|---|---|---|
| 10 | 12 | ? |
| Gimana ke bulan 12? Lakukan regresi linear! | ||
 | ||
| Tambahan: = Determination Coefficient |
Correlation Coefficient:
Mengerjakan kasus beras dengan Microsoft Excel:
