RTUGAS PENDAHULUAN

PRAKTIKUM FISIKA KOMPUTASI

2022
Nama : Ridha Noviyanti
NIM : 205090801111015
Topik : Regresi Linear

1. Buatlah ringkasan mengenai trendline regresi linear, bisa

berupa konsep dasar regresi linear dan kegunaannya!
- Trendline:
Garis Lurus yang menunjukkan arah suatu proses terhadap
waktu. Dipekerjakan kapan pun data yang bergantung pada
waktu tersedia. Tidak ada pertimbangan untuk sifat Probabilistik
(Atau Stokastik) dari proses.
- Regresi Line:
Hubungan antara dua variabel. Tidak perlu tergantung waktu.
Sifat Stochastic setup dianggap.
Analisis Regresi digunakan untuk meneliti hubungan antar dua
atau lebih variabel, dengan paling tidak satu variabel sebagai variabel
dependen (respon) dan variabel lainnya sebagai variabel independen
(variabel predictor. Hubungan antar variabel tersebut dimodelkan dalam
bentuk fungsi (persamaan), misalnya fungsi linear . Tujuan dari
pemodelan regresi adalah untuk mendapatkan estimasi parameter
(koefisien) model regresi. Model Regresi dapat digunakan untuk
eksplanatori maupun prediksi.

Regresi Linear Sederhana

Analisis regresi linear sederhana adalah analisis regresi linear
yang hanya melibatkan dua variabel, yaitu satu variabel independen dan
satu variabel dependen. Disebut linear sederhana karena variabel
dependen diasumsikan berhubungan linear dalam parameter dan linear
dengan variabel independen. Secara umum, model regresi linear
sederhana dengan satu variabel independen dan fungsi linear dalam X
dapat ditulis :

Pada dasarnya konsep regresi linear ini berasal dari persamaan

garis. Perhatikan formula regresi llinear sederhana berikut.

Jika kita melihat formula regresi linear di atas, kita pasti ingat
rumus persamaan garis yang pernah dipelajari di bangku sekolah, yaitu y
= mx + c, dimana m merupakan gradien atau kemiringan garis
dan c merupakan konstanta. Secara umum, model regresi linear dapat
diartikan sebagai penggunaan fungsi garis lurus sebagai acuan untuk
memprediksi data.Pada persamaan di atas, y_topi merupakan variabel
dependen dari nilai yang akan diprediksi, sementara x1 merupakan
variabel independen atau variabel bebas atau prediktornya.Untuk
menghasilkan garis yang tepat dengan dengan error seminimal mungkin,
kita harus menentukan nilai theta0 dan theta1 yang digunakan sebagai
parameter. theta0 merupakan sebuah intersep (intercept),
sedangkan theta1 merupakan gradien atau kemiringan
garis. theta0 dan theta1 dapat disebut juga koefisien persamaan linear.