Data Mining - Regresi Linier (sederhana & berganda).pptx
Data Mining - Regresi Linier (sederhana & berganda).pptx
Regresi Linier
Sederhana
Dengan rumus di atas, maka hasil perhitungan pada tabel jarak dan waktu
menjadi :
Regresi Linier
Sederhana
Regresi Linier Sehingga persamaan regresinya adalah :
Sederhana Y = 14.58 + 4.35x
Pengetahuan yang bisa diperoleh dari pengolahan data di atas
adalah :
Kita bisa memprediksikan waktu tempuh pengiriman pesanan
sama dengan 14.58 menit ditambah 4.35 kali jarak rumah
Regresi Linier pelanggan.
Sederhana Misal, pelanggan ke 26 berjarak 1.5 km maka waktu tempuh
adalah :
Y = 14.58 + (4.35) (1.5)
= 21.1 (menit)
Regresi Linier Berganda digunakan pada data apabila
variabel masukan/pemberi pengaruh lebih dari satu.
Y = β0 + β1X1 + β2X2 + … + βkXk
Regresi Linier
Bila kita memiliki (k+1) buah persamaan sementara
Berganda variabel yang tidak kita ketahui juga sebanyak (k+1),
maka persamaan di atas bisa menjadi ….
Regresi Linier
Berganda
Bila kita isikan data pada tabel di atas maka akan diperoleh persamaan ;
25β0+ β1(206) + β2(82.94) = 725.42
β0(206) + β1(2396) + β2(771.77) = 8001.67
β0(82.94) + β1(771.77) + β2(353.18) = 2745.81
Regresi Linier
Berganda Ketiga persamaan di atas diselesaikan sehingga diperoleh nilai
β0=2.31 β1= 2.74 β2= 1.24
Sehingga persamaan umum model di atas adalah :
Y = 2.31 + 2.74X1+ 1.24X2
Pengetahuan yang dapat diperoleh adalah :
Kita bisa memprediksi bahwa bila kita mengantarkan pesanan
maka akan diperoleh waktu sama dengan 2.31 menit ditambah
Regresi Linier 2.74 kali banyaknya lampu merah yang ditemui dan ditambah 1.24
Berganda kali jarak rumah pelanggan.
Bila jarak rumah pelanggan ke – 26 adalah 1.5 dari restoran dan
akan melewati lampu merah 1 buah maka waktu hantar adalah
6.91 menit.
LAMPIRAN
(jika perlu)
LAMPIRAN
(jika perlu)
LAMPIRAN
(jika perlu)
TERIMA KASIH