Revisi per 5 Februari 2019 15.28 sunting Irvan Ary Maulana (bicara \| kontrib) Pengecualian blokir IP, Peninjau, Pengembali revisi 7.238 suntingan k enwiki bukan sumber, + tag rapikan ← Revisi sebelumnya		Revisi per 25 Februari 2020 16.14 sunting balikkan Emkamal (bicara \| kontrib) 38 suntingan k sedikit merapikan dan mengganti kata variable menjadi variabel Tag: VisualEditor Revisi selanjutnya →
Baris 1: {{rapikan}} Dalam statistika, '''regresi linear''' adalah sebuah pendekatan untuk memodelkan hubungan antara ~~variable~~variabel terikat Y dan satu atau lebih ~~variable~~variabel bebas yang disebut X. Salah satu kegunaan dari regresi linear adalah untuk melakukan prediksi berdasarkan data-data yang telah dimiliki sebelumnya. Hubungan di antara ~~variable~~variabel-variabel tersebut disebut sebagai model regresi linear. Berdasarkan penggunaan ~~variable~~variabel bebas, maka regresi linear dapat dibagi menjadi dua, yaitu regresi linear univariate dan regresi linear multivariate. === Regresi Linear ''Univariate'' === Pada regresi linear univariate, ~~variable~~variabel bebas yang terlibat hanya satu saja. Oleh karena hanya memiliki satu ~~variable~~variabel bebas, maka hanya akan terdapat ~~variable~~variabel input X dan output Y. Kedua ~~variable~~variabel ini akan dimodelkan sebagai sumbu X dan Y pada diagram kartesius. Pada regresi linear tipe ini, model regresi linear ditentukan sebagai berikut. <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 13: Dimana <math>N</math> merupakan banyaknya data input, <math>h_w(x^i )</math> merupakan model regresi linear, dan <math>t</math> adalah target ''output'' yang seharusnya. === Regresi Linear ''Multivariate'' === Pada regresi linear multivariate, variable bebas yang terlibat tidak hanya satu saja melainkan beberapa variable bebas. Hal ini dikarenakan input yang digunakan lebih dari satu dimensi. Oleh karena itu, diperlukanlah sebuah model regresi linear yang berbeda dari regresi linear univariate. Model regresi linear multivariate dapat ditentukan sebagai berikut. Baris 22: 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 === <references> <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>

Regresi linear: Perbedaan antara revisi