REGRESI LINIER

BERGANDA
MK. DATA MINING
(INF-55201-516/3 SKS/SEMESTER 6)
Dosen Pengampu

ENDA ESYUDHA P. ST, MT

ANDI MUHAMMAD FADHIL MASYHUN ARHAM

D1042181023
 Regresi Linier
◦ Regresi linear merupakan satu cara prediksi yang
menggunakan garis lurus untuk menggambarkan hubungan
diantara dua variabel atau lebih. Variabel adalah
besaran yang berubah-ubah nilainya.
◦ Variabel tersebut terbagi atas dua jenis yaitu variabel
pemberi pengaruh dan variabel terpengaruh. Variabel
pemberi pangaruh dapat dianalogikan sebab, sementara
variabel terpengaruh merupakan akibat (Sani Susanto,
2010 : 33).
Perlu Diketahui :
◦ Informasi yang dihasilkan dari data mining dengan metode Regresi
Linear ini sendiri juga bisa dijadikan sebagai dasar untuk pengambilan
keputusan. Contoh kasus metode data mining ini biasanya dipakai dalam
data perhitungan sebuah waktu yang dibutuhkan seseorang untuk
mengantar produksinya kepada konsumennya, yang nantinya akan
menunjukkan jarak yang akan ditempuh oleh distributor itu, jumlah
pesanan yang dipesan oleh konsumen dan juga banyaknya lampu lalu
lintas yang akan dilewatinya.
 Analisis yang memiliki variabel
bebas lebih dari satu disebut
analisis regresi linier berganda.
Teknik regresi linier berganda
digunakan untuk mengetahui
ada tidaknya pengaruh signifikan
dua atau lebih variabel bebas (X1,
X2, X3, ..., Xk) terhadap variabel
terikat (Y). Model regresi linier
berganda untuk populasi dapat
ditunjukkan sebagai berikut
(Supranto, 2004):

Regresi Linier Berganda Y=β0+ β1X1+ β2X2+...+ βnXn+e

Model regresi linier berganda
untuk populasi diatas dapat
ditaksir dengan model regresi linier
berganda untuk sampel, yaitu :
Ŷ=b0+ b1X1+ b2X2+...+ bnXn
dengan :
Ŷ = nilai penduga bagi
variabel Y
b0 = dugaan bagi
parameter konstanta
b1,b2,...,bk = dugaan
bagi parameter konstanta
β1,β2, ... ,Βn
X = Variabel bebas
CONTOH KASUS
 Hitunglah berapa waktu yang
diperlukan untuk pesanan ke-26?
Perhitungan Regresi Linear Berganda
Perhitungan Regresi Linear Berganda
MAKA DIDAPATKAN

Ketiga persamaan disamping diselesaikan sehingga

diperoleh

β0 = 2,31 ; β1 = 2,74 ; β2 = 1,24

Maka persamaan Regresi Linier nya:

Y = β0 + β1x1 + β2x2

Menjadi

Y = 2,31 + 2,74 x1 + 1,24 x2

 KESIMPULAN
Dari 2,31 waktu tempuh, akan melewati 2,74 kali lampu merah ditambah 1,24 kali jarak rumah pelanggan

Dari kasus diatas diketahui 1 lampu merah dan 1,5 km jaraknya, maka X1= 1 (lampu) dan X2=1,5 (jarak) sehingga kita
dapat memprediksi lamanya waktu pesanan tiba di rumah pelanggan dengan cara:

Y = 2,31 + 2,74 X1 + 1,24 X2

Y = 2,31 + 2,74 (1) + 1,24 (1,5)

= 6,91 menit
TERIMA KASIH