Regresi linear: Perbedaan antara revisi

Konten dihapus Konten ditambahkan
Tidak ada ringkasan suntingan
Tag: Suntingan perangkat seluler Suntingan peramban seluler
Irul07 (bicara | kontrib)
Tidak ada ringkasan suntingan
Tag: VisualEditor Suntingan perangkat seluler Suntingan peramban seluler Tugas pengguna baru Newcomer task: copyedit
 
(17 revisi perantara oleh 9 pengguna tidak ditampilkan)
Baris 1:
Dalam Statistik '''regresi linear''' adalah sebuahmerupakan pendekatan untuk memodelkan hubungan antara variabelsuatu terikat(satu xatau danlebih) variabel dependen dengan satu ([[regresi linear sederhana]]) atau lebih variabel bebasindependen yang(regresi disebutlinier ybanyak). Salah satu kegunaanaplikasi dari regresi linearlinier adalah untuk melakukan prediksi berdasarkan data-data yang telah dimiliki sebelumnya. HubunganDengan asumsi hubungan di antara variabel-variabel tersebut disebutdapat sebagaididekati modeloleh regresisuatu linear.persamaan Berdasarkangaris penggunaan variabel bebaslurus, maka regresimodel linearyang dapatmendekati dibagihubungan menjadiantar dua,variabel yaitudi regresidata lineartersebut univariatedisebut dansebagai model regresi linear multivariate.
{{rapikan}}
'''regresi linear''' adalah sebuah pendekatan hubungan antara variabel terikat x dan satu atau lebih variabel bebas yang disebut y. Salah satu kegunaan dari regresi linear adalah untuk melakukan prediksi berdasarkan data-data yang telah dimiliki sebelumnya. Hubungan di antara variabel-variabel tersebut disebut sebagai model regresi linear. Berdasarkan penggunaan variabel bebas, maka regresi linear dapat dibagi menjadi dua, yaitu regresi linear univariate dan regresi linear multivariate.
 
== Regresi Linear ''Univariate'' ==
Baris 7 ⟶ 6:
<math>h_w(x) = w_1x+w_0</math>
 
dimana <math>w</math> merupakan nilai yang akan dicari sedemikian sehingga nilai <math>w</math> menjadi optimal dan <math>x</math> merupakan variable bebas atau input. Proses pencarian nilai <math>w</math> dapat dilakukan dengan beberapa cara diantaranya dengan menggunakan pendekatan ''least square'', ''maximum likehood'', atau algoritme ''gradient descent''. Pada dasarnya, pencarian nilai <math>w</math> dilakukan hingga nilai error yang dihasilkan merupakan nilai yang paling minimal .<ref name="russelBook" />. Fungsi error yang digunakan adalah sebagai berikut.
 
<math>E(w) = \frac{1}{2N} \sum_{i=1}^{N}(h_w(x^i)-t^i)^2</math>
Baris 20 ⟶ 19:
<math>h_w(x) = w_0+\sum_{i=0}^{m}w_ix_i</math>
 
Dimana <math>w</math> juga merupakan nilai yang akan dicari sedemikian sehingga nilai <math>w</math> menjadi optimal dan <math>x</math> merupakan variable bebas atau input. Proses pencarian nilai <math>w</math> juga masih dapat dilakukan dengan menggunakan cara yang sama dengan regresi linear ''univariate'', yaitu dengan menggunakan pendekatan ''least square'', ''maximum likehood'', atau algoritme ''gradient descent''. Pada dasarnya, pencarian nilai <math>w</math> dilakukan hingga nilai error yang didapatkan dari fungsi error merupakan nilai yang paling minimal .<ref name="russelBook"/>. Fungsi error yang digunakan masih sama dengan regresi linear ''univariate''.
 
== Referensi ==
Baris 26 ⟶ 25:
<ref name="russelBook">Stuart Russell and Peter Norvig. 2009. Artificial Intelligence: A Modern Approach (3rd ed.). Prentice Hall Press, Upper Saddle River, NJ, USA</ref>
</references>
 
{{Authority control}}
 
[[Kategori:Matematika]]