Rafi Pramasukma E. - TUGAS6
Rafi Pramasukma E. - TUGAS6
NRP : 10311710000024
Mata Kuliah : Intellegent Manufacturing
Dosen Pengampu : Fauzi Imaduddin Adhim
Topik Bahasan Tugas : Penjelasan Pemrograman Phyton (2)
import pandas as pd
// Sebagai library phyton yang digunakan untuk mengimpor dataset, dan me-manage dataset, jika
ingin memanggil fungsi pandas pada program cukup menuliskan dengan pd
# Impor dataset
dataset = pd.read_csv('Daftar_gaji.csv')
// Pada program line ini digunakan untuk memanggil data excel dengan nama “Daftar_gaji.csv”,
penamaan dataset sebagai penamaan bebas tapi di program ini menggunakan nama dataset.
X = dataset.iloc[:, :-1].values
// Pada program ini menjelaskan bahwa “:” merupakan index untuk menampilkan semua baris
sedangkan “:-1” merupakan index untuk menampilkan kolom 0 sampai kolom terakhir
NOTE : Jika index pada kolom berisi “:-2” maka yang akan ditampilkan adalah kolom 0 sampai
kolom terakhir sebelumnya (-2 artinya 1 index sebelum index terakhir)
y = dataset.iloc[:, 1].values
// Pada program ini menjelaskan bahwa “:” merupakan index untuk menampilkan semua baris
sedangkan “1” merupakan index untuk menampilkan irisan kolom ke 1
regressor = LinearRegression()
// Pada line program ini digunakan untuk membuat objek regressor sebagai fungsi dari
LinearRegression
regressor.fit(X_train, y_train)
// Pada line program ini digunakan sebagai proses untuk membuat model machine learning
regresi. Artinya, model dimana sedang belajar untuk mencari hubungan antara X_train dan
y_train.
plt.xlabel('Tahun bekerja')
// Program ini untuk membuat nama label di sumbu x
plt.ylabel('Gaji')
// Program ini untuk membuat nama label di sumbu y
plt.show()
// Program ini untuk mengeksekusi dan menampilkan program pada line 24 sampai 28
plt.xlabel('Tahun bekerja')
// Program ini untuk membuat nama label di sumbu x
plt.ylabel('Gaji')
// Program ini untuk membuat nama label di sumbu y
plt.show()
// Pada program ini untuk mengeksekusi dan menampilkan program pada line 32 sampai 37
import pandas as pd
// Sebagai library phyton yang digunakan untuk mengimpor dataset, dan me-manage dataset, jika
ingin memanggil fungsi pandas pada program cukup menuliskan dengan pd
# Mengimpor dataset
dataset = pd.read_csv('50_Startups.csv')
// Pada program line ini digunakan untuk memanggil data excel dengan nama “50_Startups.csv”,
penamaan dataset sebagai penamaan bebas tapi di program ini menggunakan nama dataset.
X = dataset.iloc[:, :-1].values
// Pada program ini menjelaskan bahwa “:” merupakan index untuk menampilkan semua baris
sedangkan “:-1” merupakan index untuk menampilkan kolom 0 sampai kolom terakhir
NOTE : Jika index pada kolom berisi “:-2” maka yang akan ditampilkan adalah kolom 0 sampai
kolom terakhir sebelumnya (-2 artinya 1 index sebelum index terakhir).
y = dataset.iloc[:, 4].values
// Pada program ini menjelaskan bahwa “:” merupakan index untuk menampilkan semua baris
sedangkan “4” merupakan index untuk menampilkan irisan kolom ke 4.
labelencoder_X = LabelEncoder()
// Pada program ini sama dengan program sebelumnya dimana machine learning hanya bisa
secara matematis sedangkan data proses tidak mungkin secara matematis .
X = onehotencoder.fit_transform(X).toarray()
// Pada program ini untuk mengeksekusi proses transformasi kolom wilayah objek X menjadi
dummy variabel.
regressor = LinearRegression()
// Pada line program ini digunakan untuk membuat objek regressor sebagai fungsi dari
LinearRegression
regressor.fit(X_train, y_train)
// Pada line program ini digunakan sebagai proses untuk membuat model machine learning
regresi. Artinya, model dimana sedang belajar untuk mencari hubungan antara X_train dan
y_train.
# Memilih model multiple regresi yang paling baik dengan metode backward propagation
import statsmodels.api as sma
// Pada program ini untuk memanggil library statsmodels.api dan untuk memanggil library pada
program cukup menuliskan sma saja
X = sma.add_constant(X)
// Pada program ini untuk memberikan tambahan kolom baru di objek X dengan nilai 1.
import statsmodels.api as sm
// Pada program ini untuk memanggil library statsmodels.api dan untuk memanggil library pada
program cukup menuliskan sm nya saja.
regressor_OLS.summary()
// Pada program ini untuk mengeksekusi program line 35 sampai dengan 40
regressor_OLS.summary()
// Pada program ini untuk mengeksekusi program line 41 sampai dengan 43
regressor_OLS.summary()
// Pada program ini untuk mengeksekusi program line 43 sampai dengan 46
regressor_OLS.summary()
// Pada program ini untuk mengeksekusi program line 47 sampai dengan 49
regressor_OLS.summary()
// Pada program ini untuk mengeksekusi program line 50 sampai dengan 52