Regresi Linear Data Mining Suprayogi.

Presentasi berjudul: "Regresi Linear Data Mining Suprayogi."— Transcript presentasi:

1 Regresi Linear Data Mining Suprayogi

2 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.

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

4 Jenis Analisis Regresi
Regresi Linear Sederhana Regresi Linear Berganda

5 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).

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

7 Buat tabel bantu No Ukuran Harga Rumah X - X̅ Y - Y̅ (X - X̅)*(Y - Y̅)
1 1400 245 2 1600 312 3 1700 279 4 1875 308 5 1100 199 6 1550 219 7 2350 405 8 2450 324 9 1425 319 10 255 Sum 17150 2865 Avg 286.50

8 ----------------- --------------- Σ (X-X̅)2 1571500
Ukuran Harga Rumah No X Y X - X̅ Y - Y̅ (X - X̅)*(Y - Y̅) (X - X̅)2 1 1400 245 -41.50 99225 2 1600 312 25.50 13225 3 1700 279 -15.00 -7.50 112.5 225 4 1875 308 160.00 21.50 3440 25600 5 1100 199 -87.50 378225 6 1550 219 -67.50 27225 7 2350 405 635.00 118.50 403225 8 2450 324 735.00 37.50 540225 9 1425 319 32.50 -9425 84100 10 255 -31.50 472.5 Sum 17150 2865 172500 Avg 286.50 β₁ = Σ (X-X̅) (Y- Y̅) = = Σ (X-X̅) β₀=Y̅ - β₁ X̅ = ( ) = Y = β₀ + β₁ X = X

9 Jika Ukuran(X) 2000 maka Harga(Y) :
Y= X = (2000) =

10 Latihan Jarak(KM) Waktu(Mnt) No X Y 1 0.50 9.95 2 1.10 24.45 3 1.20
31.75 4 5.50 35.00 5 2.95 25.02 6 2.00 16.86 7 3.75 14.38 8 0.52 9.60 9 1.00 24.35 10 3.00 27.50 Estimasikan waktu pengiriman jika jarak yang ditempuh = 2 KM

11

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

13 Persamaan Regresi Linear Multivariate
Jumlah Persamaan = k+1

14 Contoh No Lamp (buah) Jarak(KM) Waktu(Mnt) x1 x2 y 1 2 0,50 1,00 1,50
3 2,00 4 5 2,50

15 Tabel bantu No Lamp (buah) Jarak(KM) Waktu(Mnt) xi12 xi1xi2 xi1yi xi22
0,50 1,00 1,50 3 2,00 4 5 2,50 Total

16 No Lamp (buah) Jarak(KM) Waktu(Mnt) xi12 xi1xi2 xi1yi xi22 xi2yi x1 x2 y 1 2 0,50 1,00 4,00 2,00 0,25 1,50 3,00 3 9,00 6,00 4 4,50 2,25 5 2,50 7,50 6,25 Total 13 7,5 8,5 35 21 23 13,75 14,5

17 No Lamp (buah) Jarak(KM) Waktu(Mnt) xi12 xi1xi2 xi1yi xi22 xi2yi x1 x2 y 1 2 0,50 1,00 4,00 2,00 0,25 1,50 3,00 3 9,00 6,00 4 4,50 2,25 5 2,50 7,50 6,25 Total 13 7,5 8,5 35 21 23 13,75 14,5

18 Penyelesaian Persamaan

19

20

21 Studi kasus Mengukur pengaruh promosi dan harga terhadap keputusan konsumen Obyek Promosi Harga Keputusan Konsumen (x1) (x2) (y) 1 10 7 23 2 3 4 15 6 17 5 8 22 14 9 20 19

22

23 NN