Regresi Linear

Data Mining
Suprayogi
 Analisis regresi
• Analisis regresi adalah teknik statistik untuk
pemodelan dan investigasi hubungan dua
variable atau lebih (Budi Santoso,2007),
hubungan antara dua variabel tersebut
bersifat linear.
• Regresi Linear merupakan satu cara prediksi
yang menggunakan garis lurus untuk
menggambarkan hubungan diantara dua
variabel/lebih.
 Fungsi Analisis regresi
• Analisis regresi digunakan untuk memprediksi
nilai dari suatu variabel response (y) dengan
menggunakan nilai dari variabel
prediktor/independent (x)
Ukuran Harga Rumah
No X Y
1 1400 245
2 1600 312
3 1700 279
4 1875 308
5 1100 199
6 1550 219
7 2350 405
8 2450 324
9 1425 319
10 1700 255
 Jenis Analisis Regresi
• Regresi Linear Sederhana
• Regresi Linear Berganda
 1. Regresi Linear Sederhana
• Digunakan untuk mengukur pengaruh dari
satu variabel predictor terhadap variabel
response. Memiliki satu variable
independent/predictor (x) dan satu variable
response (y).
 prediksi nilai didapatkan dari:
Y = β₀ + β₁ X
β₀=Y̅ - β₁ X
β₁ = Σ (X-X̅) (Y- Y̅)
-----------------
Σ (X-X̅)2
β₀ = Konstanta
β₁ = Gradient Garis
Ukuran Harga Rumah
X = variable prediktor No X Y
1 1400 245
2 1600 312
3 1700 279
Estimasikan Harga rumah jika Ukuran 2000 4 1875 308
5 1100 199
6 1550 219
7 2350 405
8 2450 324
9 1425 319
10 1700 255
 Buat tabel bantu
Harga
Ukuran Rumah
No X Y X - X̅ Y - Y̅ (X - X̅)*(Y - Y̅) (X - X̅)2
1 1400 245
2 1600 312
3 1700 279
4 1875 308
5 1100 199
6 1550 219
7 2350 405
8 2450 324
9 1425 319
10 1700 255
Sum 17150 2865
Avg 1715.00 286.50
 Ukuran Harga Rumah

No X Y X - X̅ Y - Y̅ (X - X̅)*(Y - Y̅) (X - X̅)2

1 1400 245 -315.00 -41.50 13072.5 99225
2 1600 312 -115.00 25.50 -2932.5 13225
3 1700 279 -15.00 -7.50 112.5 225
4 1875 308 160.00 21.50 3440 25600
5 1100 199 -615.00 -87.50 53812.5 378225
6 1550 219 -165.00 -67.50 11137.5 27225
7 2350 405 635.00 118.50 75247.5 403225
8 2450 324 735.00 37.50 27562.5 540225
9 1425 319 -290.00 32.50 -9425 84100
10 1700 255 -15.00 -31.50 472.5 225
Sum 17150 2865 172500 1571500
Avg 1715.00 286.50

β₁ = Σ (X-X̅) (Y- Y̅) = 172500 = 0.109768

----------------- ---------------
Σ (X-X̅)2 1571500

β₀=Y̅ - β₁ X̅ = 286.50 - 0.109768 (1715.00) = 98.25

Y = β₀ + β₁ X = 98.25 + 0.109768X
Jika Ukuran(X) 2000 maka Harga(Y) :
Y=98.25 + 0.109768X = 98.25 + 0.109768(2000) = 317.78
 Latihan
Jarak(KM) Waktu(Mnt)
No X Y
1 0.50 9.95
2 1.10 24.45
3 1.20 31.75
4 5.50 35.00
5 2.95 25.02
6 2.00 16.86
7 3.75 14.38
8 0.52 9.60
9 1.00 24.35
10 3.00 27.50

Estimasikan waktu pengiriman jika jarak yang ditempuh = 2 KM

 2. Regresi Linear Multivariate
• Digunakan untuk mengukur pengaruh antara
lebih dari satu variabel predictor terhadap
variabel response
Persamaan Regresi Linear Multivariate

Jumlah Persamaan = k+1

 Contoh
Lamp (buah) Jarak(KM) Waktu(Mnt)
No x1 x2 y
1 2 0,50 1,00
2 2 1,00 1,50
3 3 2,00 2,00
4 3 1,50 1,50
5 3 2,50 2,50
 Tabel bantu

Lamp (buah) Jarak(KM) Waktu(Mnt)

No x1 x2 y xi12 xi1xi2 xi1yi xi22 xi2yi
1 2 0,50 1,00
2 2 1,00 1,50
3 3 2,00 2,00
4 3 1,50 1,50
5 3 2,50 2,50
Total
 Lamp (buah) Jarak(KM) Waktu(Mnt)
No x1 x2 y xi12 xi1xi2 xi1yi xi22 xi2yi
1 2 0,50 1,00 4,00 1,00 2,00 0,25 0,50
2 2 1,00 1,50 4,00 2,00 3,00 1,00 1,50
3 3 2,00 2,00 9,00 6,00 6,00 4,00 4,00
4 3 1,50 1,50 9,00 4,50 4,50 2,25 2,25
5 3 2,50 2,50 9,00 7,50 7,50 6,25 6,25
Total 13 7,5 8,5 35 21 23 13,75 14,5
 Lamp (buah) Jarak(KM) Waktu(Mnt)
No x1 x2 y xi12 xi1xi2 xi1yi xi22 xi2yi
1 2 0,50 1,00 4,00 1,00 2,00 0,25 0,50
2 2 1,00 1,50 4,00 2,00 3,00 1,00 1,50
3 3 2,00 2,00 9,00 6,00 6,00 4,00 4,00
4 3 1,50 1,50 9,00 4,50 4,50 2,25 2,25
5 3 2,50 2,50 9,00 7,50 7,50 6,25 6,25
Total 13 7,5 8,5 35 21 23 13,75 14,5
Penyelesaian Persamaan
 Studi kasus
• Mengukur pengaruh promosi dan harga
terhadap keputusan konsumen
Obyek

Promosi Harga Keputusan Konsumen

(x1) (x2) (y)
1 10 7 23
2 2 3 7
3 4 2 15
4 6 4 17
5 8 6 23
6 7 5 22
7 4 3 10
8 6 3 14
9 7 4 20
10 6 3 19
NN