PEMROGRAMAN KOMPUTER UTS PRAKTEK

“Machine Learning (Menghitung Gaji Karyawan)”

Dosen Pengampu : Sopian soim, ST., MT.

Disusun Oleh :

Nama : Noer Ramadhon

Kelas : 2 TEB

NIM : 062140352381

JURUSAN TEKNIK ELEKTRO

PRODI D4-TEKNIK TELEKOMUNIKASI

POLITEKNIK NEGERI SRIWIJAYA 2022-2023

 Source Code
# In[30]:

import pandas as pd

# In[31]:

df = pd.read_csv("Salary_Data.csv")

# In[32]:

df.head()

# In[33]:

X = df.iloc[:, :-1]
y = df.iloc[:, 1]

# In[36]:

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/3,
random_state=0)

# In[38]:

from sklearn.linear_model import LinearRegression

regressor=LinearRegression()
regressor.fit(X_train, y_train)

# In[39]:

y_pred = regressor.predict(X_test)
# In[57]:

import matplotlib.pyplot as plt

plt.scatter(X_train, y_train, color="green")
plt.plot(X_train, regressor.predict(X_train), color="red")
plt.title("Years Experience VS Salary")
plt.xlabel("Years Experience")
plt.ylabel("Salary")
plt.show()

# In[59]:

plt.scatter(X_test, y_test, color="green")

plt.plot(X_train, regressor.predict(X_train), color="red")
plt.title("Years Experience VS Salary")
plt.xlabel("Years Experience")
plt.ylabel("Salary")
plt.show()

# ## MAKE NEW PREDICTION

# In[61]:

salary_pred = regressor.predict([[12]])
print("The salary for that amount of years experience is: ", salary_pred)
 Library
YearsExperience,Sal
ary
1.1,39343
1.3,46205
1.5,37731
2.0,43525
2.2,39891
2.9,56642
3.0,60150
3.2,54445
3.2,64445
3.7,57189
3.9,63218
4.0,55794
4.0,56957
4.1,57081
4.5,61111
4.9,67938
5.1,66029
5.3,83088
5.9,81363
6.0,93940
6.8,91738
7.1,98273
7.9,101302
8.2,113812
8.7,109431
9.0,105582
9.5,116969
9.6,112635
10.3,122391
10.5,121872
 Penjelasan Baris Program

import pandas as pd
import panda as pd bertujuan untuk memanggil library
df = pd.read_csv("Salary_Data.csv")
bertujuan untuk mengimport data dari csv yaitu data salary yang telah disiapkan
df.head()
df.head()bertujuan untuk menampilkan 5 gaji teratas
X = df.iloc[:, :-1]
y = df.iloc[:, 1]
variable x dan y bertujuan untuk menampilkan experience years dan salary
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=1/3,
random_state=0)
Selanjutnya kita masukkan kode diatas kita akan split data diatas yang kita punya menjadi 2
bagian kita sebut saja x train,x test, y train,y test. Test nya kitangunakan 1/3 artinya 30%
akan digunakan sebagai data testing sementara 70% sisanya akan kita gunakan sebagai train
model yang kita punya. Random state kita masukkan 0 artinya data train dan data test artinya
tetap tidak dirandom Ketika kita menjalankan program ini secara ulang.
from sklearn.linear_model import LinearRegression
regressor=LinearRegression()
regressor.fit(X_train, y_train)
from sklearn.linear_model import LinearRegression bertujuan untuk memanggil modulenya,
lalu kita fit kedalam data train yang kita punya yaitu regressor.fit(X_train, y_train) karna kita
akan menggunakan x train dan y train sebagai data training.
y_pred = regressor.predict(X_test)
kode diatas bertujuan untuk memprediksi data y menggunakan x test .
import matplotlib.pyplot as plt
plt.scatter(X_train, y_train, color="green")
plt.plot(X_train, regressor.predict(X_train), color="red")
plt.title("Years Experience VS Salary")
plt.xlabel("Years Experience")
plt.ylabel("Salary")
plt.show()
kode diatas bertujuan untuk visualisasi menggunakan matplotlib.pyplot as plt, kita scatter x
train dan y rain dengan menggunakan warna green. Kita berikan titlenya years salary
experience vs salary, untuk xlabel kita beri nama years experience dan untuk ylabel kita
berikan nama salary.
plt.scatter(X_test, y_test, color="green")
plt.plot(X_train, regressor.predict(X_train), color="red")
plt.title("Years Experience VS Salary")
plt.xlabel("Years Experience")
plt.ylabel("Salary")
plt.show()
kode diatas bertujuan untuk memvisualisasikan data test dalam bentuk grafik.
salary_pred = regressor.predict([[12]])
print("The salary for that amount of years experience is: ", salary_pred)
kode diatas bertujuan untuk memprediksi angka baru yaitu memprediksi years experience
baru yang tidak ada dalam data yang kita punya, kita ingin memprediksi berapa gaji yang
akan didapatkan oleh seseorang dengan pengalaman tertentu.