SlideShare a Scribd company logo
1 of 44
Download to read offline
DATA MINING
REGRESI
Elvi Rahmi, S.T., M.Kom.
elvizasri@gmail.com
November 2022
PENGUJIAN HIPOTESIS
Table Of
Content
Pengantar
Regresi Linear Sederhana
Regresi Linear Berganda
Regresi
Salah satu teknik data mining yang dimanfaatkan untuk memprediksi nilai-
nilai numerik yang ada dalam range sekumpulan data yang diketahui.
Penerapan Regresi
Pendidikan
Hukum
Industri
Perencanaan Pasar, Ramalan Keuangan, Analisis Tren
VS
Regresi Klasifikasi
VS
Regresi Klasifikasi
Regresi menggunakan
data numerik atau nilai
kontinu.
Klasifikasi menggunakan
data dalam bentuk
diskret atau data dalam
bentuk kategori.
Contoh:
Regresi memprediksi
nilai rumah berdasarkan
lokasi, luasnya, harga
ketika terakhir dijual,
harga rumah lain yang
serupa, dan faktor-faktor
lainnya.
Klasifikasi digunakan
jika ingin mengetahui
rumah dengan berbagai
kategori dan tipe.
Regresi Linear
Regresi
Digunakan untuk
memprediksi hubungan
antara dua variabel.
Regresi Berganda
Digunakan untuk
memprediksi hubungan
antara dua atau lebih variabel
Regresi Linear Sederhana
Regresi Linear Berganda
Regresi Linear Sederhana
Regresi Linear Sederhana (Simple Linear Regression) merupakan
salah satu metode statistik yang digunakan untuk melakukan
peramalan ataupun prediksi tentang kualitas maupun kuantitas.
Regresi Linear Sederhana juga biasa digunakan untuk menguji
sejauh mana hubungan sebab akibat antara Variabel Faktor
Penyebab (X) terhadap variabel akibatnya (Y).
Variabel Faktor Penyebab umumnya dilambangkan dengan X atau
disebut juga dengan P redictor.
Variabel Akibat dilambangkan dengan Y atau disebut juga dengan
Response.
Persamaan Regresi Linear
Y = a + bX
nilai a dan b diperoleh dari:
Contoh Kasus
Bagian personalia sebuah perusahaan ingin membuat sebuah penelitian
terkait dengan produktivitas bekerja karyawan lama dan baru. Perusahaan
ini melihat sejauh mana produktivitas karyawan lama dan baru berdasarkan
umur. Setelah ditelusuri, terdapat track record penjualan khususnya bagian
marketing yang dihubungkan berdasarkan pengalaman kerja karyawan.
Apabila ada karyawan 6 (baru) yang
memiliki pengalaman kerja selama
6,5 tahun,
maka berapa estimasi omzet
penjualannya?
Tentukan tujuan melakukan Analisis Regresi Linear
Sederhana!
1
Memprediksi omzet penjualan seorang karyawan yang memiliki
pengalaman kerja 6,5 tahun.
Identifikasi Variabel Faktor Penyebab (Predictor) dan
Variabel Akibat (Response)!
2
Variabel Faktor Penyebab (X)
Variabel Akibat (Y)
: Pengalaman Kerja
: Omzet Penjualan
Lakukan Pengumpulan Data!
Gunakan Tabel Pembantu
3
Menghitung nilai rata-rata
Menghitung nilai rata-rata
b =
a =
Hitung a (konstanta) dan b (koefisien regresi)!
4
Maka,
Hitung a (konstanta) dan b (koefisien regresi)!
4
Maka,
Persamaan Regresinya:
Y = a + bX
Buat Model Persamaan Regresi!
5
Maka,
Persamaan Regresinya:
Buat Model Persamaan Regresi!
5
Y = a + bX --> Y = (-1,339) + (0,928)(6,5) = 4,693
Dengan menggunakan rumus persamaan regresi, dapat
diambil kesimpulan bahwa seseorang dengan pengalaman
6,5 tahun diestimasi mendapatkan omset sebanyak 4.693.
Lakukan Prediksi atau Peramalan terhadap Variabel
Faktor Penyebab (X) atau Variabel Akibat (Y)!
6
Dengan menggunakan rumus persamaan regresi, dapat
diambil kesimpulan bahwa seseorang dengan pengalaman
6,5 tahun diestimasi mendapatkan omset 4.693.
Lakukan Prediksi atau Peramalan terhadap Variabel
Faktor Penyebab (X) atau Variabel Akibat (Y)!
6
Koefisien Determinasi
Koefisien Determinasi
Koefisien Determinasi
Koefisien Determinasi
Nilai Koefisien Determinasi = 0,9789
Artinya sumbangan untuk pengaruh pengalaman terhadap hasil
kinerja pegawai yang berhubungan dengan naik turunnya
omset penjualan perusahaan adalah 97,89 %.
Sisanya 2,11 % berhubungan dengan faktor lain yang tidak
dimasukkan dalam model.
Regresi Linear
Regresi
Digunakan untuk
memprediksi hubungan
antara dua variabel.
Regresi Berganda
Digunakan untuk
memprediksi hubungan
antara dua atau lebih variabel
Regresi Linear Sederhana
Regresi Linear Berganda
Regresi Linear Sederhana (Simple Linear Regression) memprediksi
fungsi dengan satu variabel predictor.
Regresi Linear Berganda melibatkan variabel-variabel predictor
lebih dari satu.
Persamaan Regresi Linear Berganda:
Regresi Linear Berganda (Polinomial)
Contoh Kasus
Dalam satu penelitian yang dilakukan terhadap 10 rumah tangga yang dipilih
secara acak, diperoleh data pengeluaran untuk pembelian barang-barang
tahan lama per minggu, pendapatan per minggu, dan jumlah anggota rumah
tangga.
Seandainya suatu rumah tangga mempunyai X1 dan X2 masing-masing 11 dan
8, berapa besarnya nilai Y? Berapa ratus rupiah yang dikeluarkan rumah
tangga tersebut untuk pembelian bahan-bahan tahan lama?
Contoh Kasus
Dalam satu penelitian yang dilakukan terhadap 10 rumah tangga yang dipilih
secara acak, diperoleh data pengeluaran untuk pembelian barang-barang
tahan lama per minggu (Y), pendapatan per minggu (X1), dan jumlah anggota
rumah tangga (X2).
Seandainya suatu rumah tangga mempunyai X1 dan X2 masing-masing 11 dan
8, berapa besarnya nilai Y? Berapa ratus rupiah yang dikeluarkan rumah
tangga tersebut untuk pembelian bahan-bahan tahan lama?
Tentukan tujuan melakukan Analisis Regresi Linear
Berganda!
1
Menentukan uang yang dikeluarkan rumah tangga yang
mempunyai pendapatan per Minggu Rp 11.000 dan jumlah
anggota rumah tangga 8 orang, untuk membeli bahan-bahan
tahan lama?
Tentukan tujuan melakukan Analisis Regresi Linear
Berganda!
1
Identifikasi Variabel Faktor Penyebab (Predictor) dan
Variabel Akibat (Response)!
2
Variabel Faktor Penyebab (X1)
Variabel Faktor Penyebab (x2)
Variabel Akibat (Y)
: Pendapatan per Minggu
: Jumlah Anggota Rumah Tangga
Pengeluaran untuk Membeli
Bahan-bahan tahan lama
:
Lakukan Pengumpulan Data!
3
Lakukan Pengumpulan Data dan
Buat Tabel Pembantu!
3
Tentukan nilai matriks A!
4
Tentukan nilai matriks A!
4
Tentukan nilai matriks H!
5
Tentukan nilai matriks H!
5
Tentukan nilai koefisien regresi (b)!
6
Tentukan nilai koefisien regresi (b)!
6
Tentukan nilai koefisien regresi (b)!
6
Hitung nilai persamaan regresi!
7
Hitung nilai persamaan regresi!
7
Hitung nilai persamaan regresi!
7
Ketika sebuah rumah tangga memiliki pendapatan 11.000 dengan anggota rumah
tangga sebanyak 8 orang , maka pengeluaran untuk pembelian barang-barang
tahan lama per minggu sebesar Rp 4.427 (nilai Y dikali 100).

More Related Content

What's hot

Analisis Korelasi dan Regresi Sederhana
Analisis Korelasi dan Regresi SederhanaAnalisis Korelasi dan Regresi Sederhana
Analisis Korelasi dan Regresi SederhanaAgung Anggoro
 
5. ukuran kemiringan dan ukuran keruncingan
5. ukuran kemiringan dan ukuran keruncingan5. ukuran kemiringan dan ukuran keruncingan
5. ukuran kemiringan dan ukuran keruncinganRia Defti Nurharinda
 
Materi 3 - distribusi frekuensi
Materi 3 - distribusi frekuensiMateri 3 - distribusi frekuensi
Materi 3 - distribusi frekuensiYunita Dwi Jayanti
 
ITP UNS SEMESTER 2 Statistik nonparametrik 1
ITP UNS SEMESTER 2 Statistik nonparametrik 1ITP UNS SEMESTER 2 Statistik nonparametrik 1
ITP UNS SEMESTER 2 Statistik nonparametrik 1Fransiska Puteri
 
Metode statistik multivariat
Metode statistik multivariatMetode statistik multivariat
Metode statistik multivariatkartiko edhi
 
PPT Regresi Berganda
PPT Regresi BergandaPPT Regresi Berganda
PPT Regresi BergandaLusi Kurnia
 
Pert 04 clustering data mining
Pert 04 clustering   data miningPert 04 clustering   data mining
Pert 04 clustering data miningaiiniR
 
Statistik deskriptif
Statistik deskriptifStatistik deskriptif
Statistik deskriptifGrizia Zhulva
 
Kelompok 7 validitas dan reliabilitas
Kelompok 7 validitas dan reliabilitasKelompok 7 validitas dan reliabilitas
Kelompok 7 validitas dan reliabilitaswiddietyas
 
Pengujian Hipotesis Rata-Rata
Pengujian Hipotesis Rata-RataPengujian Hipotesis Rata-Rata
Pengujian Hipotesis Rata-RataAvidia Sarasvati
 
LAPORAN PRAKTIKUM PENGENDALIAN KUALITAS STATISTIK UAS - FARIDA NUR DADARI
LAPORAN PRAKTIKUM PENGENDALIAN KUALITAS STATISTIK UAS - FARIDA NUR DADARILAPORAN PRAKTIKUM PENGENDALIAN KUALITAS STATISTIK UAS - FARIDA NUR DADARI
LAPORAN PRAKTIKUM PENGENDALIAN KUALITAS STATISTIK UAS - FARIDA NUR DADARIFarida Dadari
 
Analisis dan pemodelan keputusan
Analisis dan pemodelan keputusanAnalisis dan pemodelan keputusan
Analisis dan pemodelan keputusanDodi Palowan
 
02 - Preprocessing Data.pdf
02 - Preprocessing Data.pdf02 - Preprocessing Data.pdf
02 - Preprocessing Data.pdfElvi Rahmi
 
Statistika Tabel Distribusi Frekuensi
Statistika Tabel Distribusi FrekuensiStatistika Tabel Distribusi Frekuensi
Statistika Tabel Distribusi FrekuensiAddy Hidayat
 
Ukuran tendensi sentral(4)
Ukuran tendensi sentral(4)Ukuran tendensi sentral(4)
Ukuran tendensi sentral(4)rizka_safa
 

What's hot (20)

Cara pemakaian weka
Cara pemakaian wekaCara pemakaian weka
Cara pemakaian weka
 
Analisis Korelasi dan Regresi Sederhana
Analisis Korelasi dan Regresi SederhanaAnalisis Korelasi dan Regresi Sederhana
Analisis Korelasi dan Regresi Sederhana
 
5. ukuran kemiringan dan ukuran keruncingan
5. ukuran kemiringan dan ukuran keruncingan5. ukuran kemiringan dan ukuran keruncingan
5. ukuran kemiringan dan ukuran keruncingan
 
Materi 3 - distribusi frekuensi
Materi 3 - distribusi frekuensiMateri 3 - distribusi frekuensi
Materi 3 - distribusi frekuensi
 
ITP UNS SEMESTER 2 Statistik nonparametrik 1
ITP UNS SEMESTER 2 Statistik nonparametrik 1ITP UNS SEMESTER 2 Statistik nonparametrik 1
ITP UNS SEMESTER 2 Statistik nonparametrik 1
 
Metode statistik multivariat
Metode statistik multivariatMetode statistik multivariat
Metode statistik multivariat
 
Pengambilan Keputusan Taktis
Pengambilan Keputusan TaktisPengambilan Keputusan Taktis
Pengambilan Keputusan Taktis
 
PPT Regresi Berganda
PPT Regresi BergandaPPT Regresi Berganda
PPT Regresi Berganda
 
Pert 04 clustering data mining
Pert 04 clustering   data miningPert 04 clustering   data mining
Pert 04 clustering data mining
 
Statistik deskriptif
Statistik deskriptifStatistik deskriptif
Statistik deskriptif
 
Kelompok 7 validitas dan reliabilitas
Kelompok 7 validitas dan reliabilitasKelompok 7 validitas dan reliabilitas
Kelompok 7 validitas dan reliabilitas
 
Pengujian Hipotesis Rata-Rata
Pengujian Hipotesis Rata-RataPengujian Hipotesis Rata-Rata
Pengujian Hipotesis Rata-Rata
 
Distribusi Sampling
Distribusi SamplingDistribusi Sampling
Distribusi Sampling
 
Statistika Probabilitas
Statistika ProbabilitasStatistika Probabilitas
Statistika Probabilitas
 
LAPORAN PRAKTIKUM PENGENDALIAN KUALITAS STATISTIK UAS - FARIDA NUR DADARI
LAPORAN PRAKTIKUM PENGENDALIAN KUALITAS STATISTIK UAS - FARIDA NUR DADARILAPORAN PRAKTIKUM PENGENDALIAN KUALITAS STATISTIK UAS - FARIDA NUR DADARI
LAPORAN PRAKTIKUM PENGENDALIAN KUALITAS STATISTIK UAS - FARIDA NUR DADARI
 
Sistem Penunjang Keputusan [Teori Pengambilan Keputusan]
Sistem Penunjang Keputusan [Teori Pengambilan Keputusan]Sistem Penunjang Keputusan [Teori Pengambilan Keputusan]
Sistem Penunjang Keputusan [Teori Pengambilan Keputusan]
 
Analisis dan pemodelan keputusan
Analisis dan pemodelan keputusanAnalisis dan pemodelan keputusan
Analisis dan pemodelan keputusan
 
02 - Preprocessing Data.pdf
02 - Preprocessing Data.pdf02 - Preprocessing Data.pdf
02 - Preprocessing Data.pdf
 
Statistika Tabel Distribusi Frekuensi
Statistika Tabel Distribusi FrekuensiStatistika Tabel Distribusi Frekuensi
Statistika Tabel Distribusi Frekuensi
 
Ukuran tendensi sentral(4)
Ukuran tendensi sentral(4)Ukuran tendensi sentral(4)
Ukuran tendensi sentral(4)
 

Similar to 13 - 14 Regresi Linear Sederhana & Berganda.pdf

Modul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi NonlinierModul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi NonlinierArif Rahman
 
Hub. Asimetris - Analisis Regresi Linier Sederhana (1).pptx
Hub. Asimetris - Analisis Regresi Linier Sederhana (1).pptxHub. Asimetris - Analisis Regresi Linier Sederhana (1).pptx
Hub. Asimetris - Analisis Regresi Linier Sederhana (1).pptxKurniaIndahS
 
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...Arif Rahman
 
(#2) Pengantar Analisis Regresi Sederhana.ppt
(#2) Pengantar Analisis Regresi Sederhana.ppt(#2) Pengantar Analisis Regresi Sederhana.ppt
(#2) Pengantar Analisis Regresi Sederhana.pptOciCi
 
Estimasi Dan Prakiraan Permintaan
Estimasi Dan Prakiraan PermintaanEstimasi Dan Prakiraan Permintaan
Estimasi Dan Prakiraan PermintaanGhea Savitri
 
PERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdf
PERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdfPERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdf
PERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdftitamitandha
 
Bahan ajar statistik bisnis
Bahan ajar statistik bisnisBahan ajar statistik bisnis
Bahan ajar statistik bisnisNardiman SE.,MM
 
Makalah Analisa Regresi
Makalah Analisa RegresiMakalah Analisa Regresi
Makalah Analisa RegresiFeri Chandra
 
Metode Regresi dan taksiran kuadrat terkecil dari ketepatan metode peramalan...
Metode Regresi dan taksiran kuadrat  terkecil dari ketepatan metode peramalan...Metode Regresi dan taksiran kuadrat  terkecil dari ketepatan metode peramalan...
Metode Regresi dan taksiran kuadrat terkecil dari ketepatan metode peramalan...TangkasPangestu1
 
Regresi Sederhana.pptx
Regresi Sederhana.pptxRegresi Sederhana.pptx
Regresi Sederhana.pptxIndraZainun1
 
Pertemuan 2 metpen kualitatif
Pertemuan 2 metpen kualitatifPertemuan 2 metpen kualitatif
Pertemuan 2 metpen kualitatifhumanistik
 
REGRESI-LINEAR-BERGANDA.ppt
REGRESI-LINEAR-BERGANDA.pptREGRESI-LINEAR-BERGANDA.ppt
REGRESI-LINEAR-BERGANDA.pptssuserb7d229
 
Analisis Regresi Linier Sederhana
Analisis Regresi Linier SederhanaAnalisis Regresi Linier Sederhana
Analisis Regresi Linier SederhanaArning Susilawati
 
Aminullah assagaf virtual learning lampiran
Aminullah assagaf virtual learning lampiranAminullah assagaf virtual learning lampiran
Aminullah assagaf virtual learning lampiranAminullah Assagaf
 
Aminullah assagaf model regresi lengkap (ada sobel & peth) 3 agst 2021
Aminullah assagaf model regresi lengkap (ada sobel & peth)  3 agst 2021Aminullah assagaf model regresi lengkap (ada sobel & peth)  3 agst 2021
Aminullah assagaf model regresi lengkap (ada sobel & peth) 3 agst 2021Aminullah Assagaf
 
Nilda Miftahul Janna.pdf
Nilda Miftahul Janna.pdfNilda Miftahul Janna.pdf
Nilda Miftahul Janna.pdfDianaLestari39
 
Statistika Deskriptif - Bab 06 - Analisis Regresi
Statistika Deskriptif - Bab 06 - Analisis RegresiStatistika Deskriptif - Bab 06 - Analisis Regresi
Statistika Deskriptif - Bab 06 - Analisis RegresiZombie Black
 
analisis_regresi_sederhana_dan_berganda.pdf
analisis_regresi_sederhana_dan_berganda.pdfanalisis_regresi_sederhana_dan_berganda.pdf
analisis_regresi_sederhana_dan_berganda.pdfHamjaAbdulHalik
 

Similar to 13 - 14 Regresi Linear Sederhana & Berganda.pdf (20)

Modul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi NonlinierModul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
Modul Ajar Statistika Inferensia ke-10: Analisis Regresi Nonlinier
 
Hub. Asimetris - Analisis Regresi Linier Sederhana (1).pptx
Hub. Asimetris - Analisis Regresi Linier Sederhana (1).pptxHub. Asimetris - Analisis Regresi Linier Sederhana (1).pptx
Hub. Asimetris - Analisis Regresi Linier Sederhana (1).pptx
 
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...
Modul Ajar Statistika Inferensia ke-9: Analisis Regresi Linier Sederhana (Sim...
 
(#2) Pengantar Analisis Regresi Sederhana.ppt
(#2) Pengantar Analisis Regresi Sederhana.ppt(#2) Pengantar Analisis Regresi Sederhana.ppt
(#2) Pengantar Analisis Regresi Sederhana.ppt
 
Estimasi Dan Prakiraan Permintaan
Estimasi Dan Prakiraan PermintaanEstimasi Dan Prakiraan Permintaan
Estimasi Dan Prakiraan Permintaan
 
PERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdf
PERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdfPERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdf
PERTEMUAN 3 (11) - KORELASI3 & REGRESI.pdf
 
Bahan ajar statistik bisnis
Bahan ajar statistik bisnisBahan ajar statistik bisnis
Bahan ajar statistik bisnis
 
Makalah Analisa Regresi
Makalah Analisa RegresiMakalah Analisa Regresi
Makalah Analisa Regresi
 
Metode Regresi dan taksiran kuadrat terkecil dari ketepatan metode peramalan...
Metode Regresi dan taksiran kuadrat  terkecil dari ketepatan metode peramalan...Metode Regresi dan taksiran kuadrat  terkecil dari ketepatan metode peramalan...
Metode Regresi dan taksiran kuadrat terkecil dari ketepatan metode peramalan...
 
Regresi Sederhana.pptx
Regresi Sederhana.pptxRegresi Sederhana.pptx
Regresi Sederhana.pptx
 
Pertemuan 2 metpen kualitatif
Pertemuan 2 metpen kualitatifPertemuan 2 metpen kualitatif
Pertemuan 2 metpen kualitatif
 
REGRESI-LINEAR-BERGANDA.ppt
REGRESI-LINEAR-BERGANDA.pptREGRESI-LINEAR-BERGANDA.ppt
REGRESI-LINEAR-BERGANDA.ppt
 
Analisis Regresi Linier Sederhana
Analisis Regresi Linier SederhanaAnalisis Regresi Linier Sederhana
Analisis Regresi Linier Sederhana
 
Ekonometrika 1
Ekonometrika 1Ekonometrika 1
Ekonometrika 1
 
Aminullah assagaf virtual learning lampiran
Aminullah assagaf virtual learning lampiranAminullah assagaf virtual learning lampiran
Aminullah assagaf virtual learning lampiran
 
Aminullah assagaf model regresi lengkap (ada sobel & peth) 3 agst 2021
Aminullah assagaf model regresi lengkap (ada sobel & peth)  3 agst 2021Aminullah assagaf model regresi lengkap (ada sobel & peth)  3 agst 2021
Aminullah assagaf model regresi lengkap (ada sobel & peth) 3 agst 2021
 
Nilda Miftahul Janna.pdf
Nilda Miftahul Janna.pdfNilda Miftahul Janna.pdf
Nilda Miftahul Janna.pdf
 
Bab4 Evaluasi
Bab4 EvaluasiBab4 Evaluasi
Bab4 Evaluasi
 
Statistika Deskriptif - Bab 06 - Analisis Regresi
Statistika Deskriptif - Bab 06 - Analisis RegresiStatistika Deskriptif - Bab 06 - Analisis Regresi
Statistika Deskriptif - Bab 06 - Analisis Regresi
 
analisis_regresi_sederhana_dan_berganda.pdf
analisis_regresi_sederhana_dan_berganda.pdfanalisis_regresi_sederhana_dan_berganda.pdf
analisis_regresi_sederhana_dan_berganda.pdf
 

More from Elvi Rahmi

06 - Machine Learning .pdf
06 - Machine Learning .pdf06 - Machine Learning .pdf
06 - Machine Learning .pdfElvi Rahmi
 
Algoritma Support Vector Machine.pdf
Algoritma Support Vector Machine.pdfAlgoritma Support Vector Machine.pdf
Algoritma Support Vector Machine.pdfElvi Rahmi
 
05 - Teknik Dasar AI - Planning.pdf
05 - Teknik Dasar AI - Planning.pdf05 - Teknik Dasar AI - Planning.pdf
05 - Teknik Dasar AI - Planning.pdfElvi Rahmi
 
03 - Teknik Dasar AI - Reasoning.pdf
03 - Teknik Dasar AI - Reasoning.pdf03 - Teknik Dasar AI - Reasoning.pdf
03 - Teknik Dasar AI - Reasoning.pdfElvi Rahmi
 
02 - Teknik Dasar AI - Searching.pdf
02 - Teknik Dasar AI - Searching.pdf02 - Teknik Dasar AI - Searching.pdf
02 - Teknik Dasar AI - Searching.pdfElvi Rahmi
 
01 - AI - Pengantar AI.pdf
01 - AI - Pengantar AI.pdf01 - AI - Pengantar AI.pdf
01 - AI - Pengantar AI.pdfElvi Rahmi
 
07 - Pengujian Hipotesis.pdf
07 - Pengujian Hipotesis.pdf07 - Pengujian Hipotesis.pdf
07 - Pengujian Hipotesis.pdfElvi Rahmi
 
05 - Variabel Random dan Distribusi Peluang.pdf
05 - Variabel Random dan Distribusi Peluang.pdf05 - Variabel Random dan Distribusi Peluang.pdf
05 - Variabel Random dan Distribusi Peluang.pdfElvi Rahmi
 
Teknik Sampling
Teknik SamplingTeknik Sampling
Teknik SamplingElvi Rahmi
 
Klasterisasi - Algoritma K-Means Clustering.pdf
Klasterisasi - Algoritma K-Means Clustering.pdfKlasterisasi - Algoritma K-Means Clustering.pdf
Klasterisasi - Algoritma K-Means Clustering.pdfElvi Rahmi
 
04 - Teori Peluang.pdf
04 - Teori Peluang.pdf04 - Teori Peluang.pdf
04 - Teori Peluang.pdfElvi Rahmi
 
01 - Introduction to Data Mining - Original.pdf
01 - Introduction to Data Mining - Original.pdf01 - Introduction to Data Mining - Original.pdf
01 - Introduction to Data Mining - Original.pdfElvi Rahmi
 
Quiz - Statistika dan Probabilitas.pdf
Quiz - Statistika dan Probabilitas.pdfQuiz - Statistika dan Probabilitas.pdf
Quiz - Statistika dan Probabilitas.pdfElvi Rahmi
 
03 - Ukuran Lokasi dan Dispersi.pdf
03 - Ukuran Lokasi dan Dispersi.pdf03 - Ukuran Lokasi dan Dispersi.pdf
03 - Ukuran Lokasi dan Dispersi.pdfElvi Rahmi
 
02 - Penyajian Data (Distribusi Frekuensi).pdf
02 - Penyajian Data (Distribusi Frekuensi).pdf02 - Penyajian Data (Distribusi Frekuensi).pdf
02 - Penyajian Data (Distribusi Frekuensi).pdfElvi Rahmi
 
01 - Pengantar Statistika.pdf
01 - Pengantar Statistika.pdf01 - Pengantar Statistika.pdf
01 - Pengantar Statistika.pdfElvi Rahmi
 
Mastering the master of ceremony
Mastering the master of ceremonyMastering the master of ceremony
Mastering the master of ceremonyElvi Rahmi
 
Implementasi Algoritma FP - Growth Menentukan Asosiasi Antar Produk
Implementasi Algoritma FP - Growth Menentukan Asosiasi Antar ProdukImplementasi Algoritma FP - Growth Menentukan Asosiasi Antar Produk
Implementasi Algoritma FP - Growth Menentukan Asosiasi Antar ProdukElvi Rahmi
 
Identifikasi dan Pencegahan Keylogging Pada Android Menggunakan Customized Vi...
Identifikasi dan Pencegahan Keylogging Pada Android Menggunakan Customized Vi...Identifikasi dan Pencegahan Keylogging Pada Android Menggunakan Customized Vi...
Identifikasi dan Pencegahan Keylogging Pada Android Menggunakan Customized Vi...Elvi Rahmi
 

More from Elvi Rahmi (19)

06 - Machine Learning .pdf
06 - Machine Learning .pdf06 - Machine Learning .pdf
06 - Machine Learning .pdf
 
Algoritma Support Vector Machine.pdf
Algoritma Support Vector Machine.pdfAlgoritma Support Vector Machine.pdf
Algoritma Support Vector Machine.pdf
 
05 - Teknik Dasar AI - Planning.pdf
05 - Teknik Dasar AI - Planning.pdf05 - Teknik Dasar AI - Planning.pdf
05 - Teknik Dasar AI - Planning.pdf
 
03 - Teknik Dasar AI - Reasoning.pdf
03 - Teknik Dasar AI - Reasoning.pdf03 - Teknik Dasar AI - Reasoning.pdf
03 - Teknik Dasar AI - Reasoning.pdf
 
02 - Teknik Dasar AI - Searching.pdf
02 - Teknik Dasar AI - Searching.pdf02 - Teknik Dasar AI - Searching.pdf
02 - Teknik Dasar AI - Searching.pdf
 
01 - AI - Pengantar AI.pdf
01 - AI - Pengantar AI.pdf01 - AI - Pengantar AI.pdf
01 - AI - Pengantar AI.pdf
 
07 - Pengujian Hipotesis.pdf
07 - Pengujian Hipotesis.pdf07 - Pengujian Hipotesis.pdf
07 - Pengujian Hipotesis.pdf
 
05 - Variabel Random dan Distribusi Peluang.pdf
05 - Variabel Random dan Distribusi Peluang.pdf05 - Variabel Random dan Distribusi Peluang.pdf
05 - Variabel Random dan Distribusi Peluang.pdf
 
Teknik Sampling
Teknik SamplingTeknik Sampling
Teknik Sampling
 
Klasterisasi - Algoritma K-Means Clustering.pdf
Klasterisasi - Algoritma K-Means Clustering.pdfKlasterisasi - Algoritma K-Means Clustering.pdf
Klasterisasi - Algoritma K-Means Clustering.pdf
 
04 - Teori Peluang.pdf
04 - Teori Peluang.pdf04 - Teori Peluang.pdf
04 - Teori Peluang.pdf
 
01 - Introduction to Data Mining - Original.pdf
01 - Introduction to Data Mining - Original.pdf01 - Introduction to Data Mining - Original.pdf
01 - Introduction to Data Mining - Original.pdf
 
Quiz - Statistika dan Probabilitas.pdf
Quiz - Statistika dan Probabilitas.pdfQuiz - Statistika dan Probabilitas.pdf
Quiz - Statistika dan Probabilitas.pdf
 
03 - Ukuran Lokasi dan Dispersi.pdf
03 - Ukuran Lokasi dan Dispersi.pdf03 - Ukuran Lokasi dan Dispersi.pdf
03 - Ukuran Lokasi dan Dispersi.pdf
 
02 - Penyajian Data (Distribusi Frekuensi).pdf
02 - Penyajian Data (Distribusi Frekuensi).pdf02 - Penyajian Data (Distribusi Frekuensi).pdf
02 - Penyajian Data (Distribusi Frekuensi).pdf
 
01 - Pengantar Statistika.pdf
01 - Pengantar Statistika.pdf01 - Pengantar Statistika.pdf
01 - Pengantar Statistika.pdf
 
Mastering the master of ceremony
Mastering the master of ceremonyMastering the master of ceremony
Mastering the master of ceremony
 
Implementasi Algoritma FP - Growth Menentukan Asosiasi Antar Produk
Implementasi Algoritma FP - Growth Menentukan Asosiasi Antar ProdukImplementasi Algoritma FP - Growth Menentukan Asosiasi Antar Produk
Implementasi Algoritma FP - Growth Menentukan Asosiasi Antar Produk
 
Identifikasi dan Pencegahan Keylogging Pada Android Menggunakan Customized Vi...
Identifikasi dan Pencegahan Keylogging Pada Android Menggunakan Customized Vi...Identifikasi dan Pencegahan Keylogging Pada Android Menggunakan Customized Vi...
Identifikasi dan Pencegahan Keylogging Pada Android Menggunakan Customized Vi...
 

Recently uploaded

Perlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfPerlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfjeffrisovana999
 
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksKISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksdanzztzy405
 
ASUMSI DAN KARAKTERISTIK AKUNTANSI SYARIAH.pptx
ASUMSI DAN KARAKTERISTIK AKUNTANSI SYARIAH.pptxASUMSI DAN KARAKTERISTIK AKUNTANSI SYARIAH.pptx
ASUMSI DAN KARAKTERISTIK AKUNTANSI SYARIAH.pptxAdrimanMulya
 
Salinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa IndonesiaSalinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa Indonesiasdn4mangkujayan
 
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptxAbidinMaulana
 
UKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptx
UKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptxUKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptx
UKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptxzidanlbs25
 
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANKONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANDevonneDillaElFachri
 
Contoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningContoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningSamFChaerul
 
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Shary Armonitha
 

Recently uploaded (11)

Perlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdfPerlindungan Anak Dalam Hukum Perdata (2).pdf
Perlindungan Anak Dalam Hukum Perdata (2).pdf
 
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkksKISI KISI PSAJ IPS KLS IX 2324.docskskkks
KISI KISI PSAJ IPS KLS IX 2324.docskskkks
 
ASUMSI DAN KARAKTERISTIK AKUNTANSI SYARIAH.pptx
ASUMSI DAN KARAKTERISTIK AKUNTANSI SYARIAH.pptxASUMSI DAN KARAKTERISTIK AKUNTANSI SYARIAH.pptx
ASUMSI DAN KARAKTERISTIK AKUNTANSI SYARIAH.pptx
 
Abortion pills in Jeddah+966543202731/ buy cytotec
Abortion pills in Jeddah+966543202731/ buy cytotecAbortion pills in Jeddah+966543202731/ buy cytotec
Abortion pills in Jeddah+966543202731/ buy cytotec
 
Salinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa IndonesiaSalinan PPT TATA BAHASA Bahasa Indonesia
Salinan PPT TATA BAHASA Bahasa Indonesia
 
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
514034136-Tugas-Modul-4-5-Komputer-Dan-Media-Pembelajaran.pptx
 
UKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptx
UKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptxUKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptx
UKURAN PENTYEBARAN DATA PPT KELOMPOK 2.pptx
 
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHANKONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
KONSEP DASAR ADVOKASI GIZI KEBIJAKAN PEMERINTAHAN
 
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
Abortion pills in Kuwait salmiyah [+966572737505 ] Get Cytotec in Kuwait city...
 
Contoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data miningContoh Algoritma Asosiasi pada data mining
Contoh Algoritma Asosiasi pada data mining
 
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
Sistem operasi adalah program yang bertindak sebagai perantara antara user de...
 

13 - 14 Regresi Linear Sederhana & Berganda.pdf

  • 1. DATA MINING REGRESI Elvi Rahmi, S.T., M.Kom. elvizasri@gmail.com November 2022
  • 2. PENGUJIAN HIPOTESIS Table Of Content Pengantar Regresi Linear Sederhana Regresi Linear Berganda
  • 3. Regresi Salah satu teknik data mining yang dimanfaatkan untuk memprediksi nilai- nilai numerik yang ada dalam range sekumpulan data yang diketahui.
  • 6. VS Regresi Klasifikasi Regresi menggunakan data numerik atau nilai kontinu. Klasifikasi menggunakan data dalam bentuk diskret atau data dalam bentuk kategori. Contoh: Regresi memprediksi nilai rumah berdasarkan lokasi, luasnya, harga ketika terakhir dijual, harga rumah lain yang serupa, dan faktor-faktor lainnya. Klasifikasi digunakan jika ingin mengetahui rumah dengan berbagai kategori dan tipe.
  • 7. Regresi Linear Regresi Digunakan untuk memprediksi hubungan antara dua variabel. Regresi Berganda Digunakan untuk memprediksi hubungan antara dua atau lebih variabel Regresi Linear Sederhana Regresi Linear Berganda
  • 8. Regresi Linear Sederhana Regresi Linear Sederhana (Simple Linear Regression) merupakan salah satu metode statistik yang digunakan untuk melakukan peramalan ataupun prediksi tentang kualitas maupun kuantitas. Regresi Linear Sederhana juga biasa digunakan untuk menguji sejauh mana hubungan sebab akibat antara Variabel Faktor Penyebab (X) terhadap variabel akibatnya (Y). Variabel Faktor Penyebab umumnya dilambangkan dengan X atau disebut juga dengan P redictor. Variabel Akibat dilambangkan dengan Y atau disebut juga dengan Response.
  • 9. Persamaan Regresi Linear Y = a + bX nilai a dan b diperoleh dari:
  • 10. Contoh Kasus Bagian personalia sebuah perusahaan ingin membuat sebuah penelitian terkait dengan produktivitas bekerja karyawan lama dan baru. Perusahaan ini melihat sejauh mana produktivitas karyawan lama dan baru berdasarkan umur. Setelah ditelusuri, terdapat track record penjualan khususnya bagian marketing yang dihubungkan berdasarkan pengalaman kerja karyawan. Apabila ada karyawan 6 (baru) yang memiliki pengalaman kerja selama 6,5 tahun, maka berapa estimasi omzet penjualannya?
  • 11. Tentukan tujuan melakukan Analisis Regresi Linear Sederhana! 1 Memprediksi omzet penjualan seorang karyawan yang memiliki pengalaman kerja 6,5 tahun.
  • 12. Identifikasi Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response)! 2 Variabel Faktor Penyebab (X) Variabel Akibat (Y) : Pengalaman Kerja : Omzet Penjualan
  • 14.
  • 17. b = a = Hitung a (konstanta) dan b (koefisien regresi)! 4
  • 18. Maka, Hitung a (konstanta) dan b (koefisien regresi)! 4
  • 19. Maka, Persamaan Regresinya: Y = a + bX Buat Model Persamaan Regresi! 5
  • 20. Maka, Persamaan Regresinya: Buat Model Persamaan Regresi! 5 Y = a + bX --> Y = (-1,339) + (0,928)(6,5) = 4,693
  • 21. Dengan menggunakan rumus persamaan regresi, dapat diambil kesimpulan bahwa seseorang dengan pengalaman 6,5 tahun diestimasi mendapatkan omset sebanyak 4.693. Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab (X) atau Variabel Akibat (Y)! 6
  • 22. Dengan menggunakan rumus persamaan regresi, dapat diambil kesimpulan bahwa seseorang dengan pengalaman 6,5 tahun diestimasi mendapatkan omset 4.693. Lakukan Prediksi atau Peramalan terhadap Variabel Faktor Penyebab (X) atau Variabel Akibat (Y)! 6 Koefisien Determinasi
  • 25. Koefisien Determinasi Nilai Koefisien Determinasi = 0,9789 Artinya sumbangan untuk pengaruh pengalaman terhadap hasil kinerja pegawai yang berhubungan dengan naik turunnya omset penjualan perusahaan adalah 97,89 %. Sisanya 2,11 % berhubungan dengan faktor lain yang tidak dimasukkan dalam model.
  • 26. Regresi Linear Regresi Digunakan untuk memprediksi hubungan antara dua variabel. Regresi Berganda Digunakan untuk memprediksi hubungan antara dua atau lebih variabel Regresi Linear Sederhana Regresi Linear Berganda
  • 27. Regresi Linear Sederhana (Simple Linear Regression) memprediksi fungsi dengan satu variabel predictor. Regresi Linear Berganda melibatkan variabel-variabel predictor lebih dari satu. Persamaan Regresi Linear Berganda: Regresi Linear Berganda (Polinomial)
  • 28. Contoh Kasus Dalam satu penelitian yang dilakukan terhadap 10 rumah tangga yang dipilih secara acak, diperoleh data pengeluaran untuk pembelian barang-barang tahan lama per minggu, pendapatan per minggu, dan jumlah anggota rumah tangga. Seandainya suatu rumah tangga mempunyai X1 dan X2 masing-masing 11 dan 8, berapa besarnya nilai Y? Berapa ratus rupiah yang dikeluarkan rumah tangga tersebut untuk pembelian bahan-bahan tahan lama?
  • 29. Contoh Kasus Dalam satu penelitian yang dilakukan terhadap 10 rumah tangga yang dipilih secara acak, diperoleh data pengeluaran untuk pembelian barang-barang tahan lama per minggu (Y), pendapatan per minggu (X1), dan jumlah anggota rumah tangga (X2). Seandainya suatu rumah tangga mempunyai X1 dan X2 masing-masing 11 dan 8, berapa besarnya nilai Y? Berapa ratus rupiah yang dikeluarkan rumah tangga tersebut untuk pembelian bahan-bahan tahan lama?
  • 30. Tentukan tujuan melakukan Analisis Regresi Linear Berganda! 1
  • 31. Menentukan uang yang dikeluarkan rumah tangga yang mempunyai pendapatan per Minggu Rp 11.000 dan jumlah anggota rumah tangga 8 orang, untuk membeli bahan-bahan tahan lama? Tentukan tujuan melakukan Analisis Regresi Linear Berganda! 1
  • 32. Identifikasi Variabel Faktor Penyebab (Predictor) dan Variabel Akibat (Response)! 2 Variabel Faktor Penyebab (X1) Variabel Faktor Penyebab (x2) Variabel Akibat (Y) : Pendapatan per Minggu : Jumlah Anggota Rumah Tangga Pengeluaran untuk Membeli Bahan-bahan tahan lama :
  • 34. Lakukan Pengumpulan Data dan Buat Tabel Pembantu! 3
  • 39. Tentukan nilai koefisien regresi (b)! 6
  • 40. Tentukan nilai koefisien regresi (b)! 6
  • 41. Tentukan nilai koefisien regresi (b)! 6
  • 44. Hitung nilai persamaan regresi! 7 Ketika sebuah rumah tangga memiliki pendapatan 11.000 dengan anggota rumah tangga sebanyak 8 orang , maka pengeluaran untuk pembelian barang-barang tahan lama per minggu sebesar Rp 4.427 (nilai Y dikali 100).