Noted and Created by Han 2025 with PutraGPT!.
Sekarang kita bakal kenalan sama salah satu model ML/statistical learning yang simpel!
<aside>
Linear Regression pada dasarnya adalah upaya menemukan garis lurus yang paling akurat untuk merepresentasikan hubungan antara variabel input (X) dan variabel output (Y). Tujuannya adalah menciptakan model yang dapat memprediksi nilai Y berdasarkan X dengan tingkat kesalahan yang minimal. Proses ini melibatkan penentuan nilai optimal untuk weight (w) yang merepresentasikan kemiringan garis, dan bias (b) yang menentukan titik awal garis. Pendekatan untuk menemukan garis terbaik dapat dilakukan melalui metode statistik seperti Ordinary Least Squares, yang menggunakan rumus untuk menghitung w dan b secara langsung, atau melalui teknik Machine Learning seperti Gradient Descent, yang secara bertahap menyesuaikan w dan b untuk meminimalkan loss function, yang mengukur perbedaan antara prediksi dan nilai sebenarnya. Penting untuk mengevaluasi kinerja model menggunakan metrik seperti R-squared, MSE, RMSE, dan MAE. Selain itu, perlu diperhatikan aspek-aspek seperti linearitas hubungan antara X dan Y, persiapan data dengan menangani missing value dan outlier, pemilihan fitur X yang tepat, menghindari multikolinearitas, dan memastikan asumsi residual terpenuhi.
</aside>
Ya bener GARIS! Nah coba kita liat plot dari data ini ya
Nah linear regression kita bakal bikin sebuah garis yang “MEWAKILI” ato yang paling pas dari data.
Jadi, kita mencari garis yang paling pas yang bisa kita pakai buat kira-kira sesuatu (harga, penjualan, sales, dll) dari sesuatu yang lain (waktu, umur, biaya iklan, dll). Garis ini memetakan hubungan antara X ke Y
Nah coba pilih yang mana yang paling pas
Nah kalo gini berarti garis paling pas adalah yang merah ya
Yang penting adalah dari garis yang di taro kita bisa estimasi y terhadap x tersebut dengan error terendah
Sekarang kita lanjut bahas GARISnya. Masih inget kan di matematika ada rumus garis lurus, yang begini: