Pertemuan Ke-4 09 Oktober 2021 Tanggal 09 Oktober 2021 Reviewer Sabda Alam NIM 123012101034
1. Bagaiman kita bisa melihat karakteristik data yang akan kita
1. Exchange Rate gunakan dan hubungan data visualisasi sehingga kita bisa Prediction menentukan apakah data kita model kita itu linear atau non machine linear kemudian data-data yang terlibat itu saling terhubung. Learning with 5 dengan pengujian Exchange Rate Prediction machine Learning regression with 5 regression models atas dollar dengan penujian models a. Linear regression, b. Multiple linear regression, c. Polynominal regression, d. Ridge regression (L2 regularization), e, Lasso regression 2. untuk mengetahui bagaimana nilai tukar mata uang dengan beberapa cara denga 3 bagian : a. Explanatory data analysis (EDA) & data visualisation (bonus: hypothesistesting). b. Machine learning with 4 regression models c. Machine learning (cont) with ARIMA 3. Regresi tersebut diatas berfungsi untuk memperkirakan nilai tukar mata uang melalui dengan ada 3 common ways untuk memprediksi exchange rate yaitu: a. Purchasing Power parity (ppp) b. Relative Economic strength c. Economic model Ada juga digunakan untuk faktor mempengaruhi pergerakan mat uang , penguji perbedaan tingkat suku bunga, tingkat pertumbuhan PDB dan tingkat pertumbuhan pendapatan menggabungkan bagaimana akuntansi bisa terbentuk secara ekonomi dapat terbentuk dengan data dengan cara regresi.
4. Kaitan dengan materi kuliah adalah bagaimana kita bisa melihat
identifikasi masalah, dan di article ini identifikasi masalahnya adalah bagaimana kita melihat prediksi laju nilai tukar mata uang, kemudian menentukan variabel apa saja yang mempengaruhi nlai tukar, kemudian melaksanakan 1 pengumpulan data, melakukan expand, redata analysis dan data visualisasi, baru menetapkan kandidat model nya, baru kita akan melakukan training dan testing, sehingga bisa melihat hasilnya itu dengaan grafiknya. Melalui scatterplot dan garis yang terbentuk. 5. Intinya memahami identifikasi masalah, pemodelan masalah, menentukan tribut data, mengkoleksi data, membersihkan data, kemudian mengurangi dimensi, menyiapkan data testing, data training 80% untuk data testing 20% untuk data testing. 6. Data training digunakan untuk pembentukan data modelnya, menetukan parameter-parameter dari persamaan matematis yang diduga.