Tutorial Regresi Linear
Regresi Linear Sederhana atau sering disingkat dengan SLR(Simple Linear Regression) juga merupakan salah satu Metode Statisik yang dipergunakan dalam produksi untuk melakukan peramalan ataupun prediksi tentang karakterisitik kualitas maupun kuantitas
oke langsung saja praktek dalam jupiter notebook
sebelumnya install dulu anaconda kemudian buka Jupyther Note book
| Tampilan awal jupiter notebook |
pertama kita import librari yang akan kita gunakan didalam program
%matplotlib inline
%matplotlib magic command. Ini melakukan pengaturan di belakang layar yang diperlukan agar IPython berfungsi bergandengan tangan dengan benar matplotlib; itu tidak, bagaimanapun, benar-benar menjalankan perintah impor Python, yaitu, tidak ada nama ditambahkan ke namespace.| mengambil data dari url |
| output |
Variable bebas
- TV-> uang yang dihabiskan TV untuk satu produk dipasar tertentu
- Radio-> uang iklan yang dihabiskan untuk radio
- koran-> uang yang dihabiskan untuk koran
Variable terikat
Penjualan->penjualan satu produk dipasar tertentu(dalam ribuan gadget)
ada 200 data pengamatan dalam dataset
| data plot |
| koefisien |
kita mengimport statsmodels.formula.api untuk mengambil api formulanya sebagai model datanya
dan kita koefisien sesuai di output
Bagaimana kita menginterprestasikan koefisien TV?
Peningkatan Unit dalam pengeluaran iklan di TV berkaiatan dengan kenaikan 0,047537 unit dalam penjualan atau setiap penambahan $1000 yang dihabiskan untuk iklan di TV berkaitan dengan peningkatan penjualan 47.537 unit TV.
Katakanlan ada pasar baru dimana pengeluaran iklan TV adalah $ 50.000 apa yang akan di prediksi untuk penjualan dipasar itu ?
dengan demikian, diperkirakan penjualan sebanyak 9409 unit dipasar itu.
Prediksi Menggunakan statsmodel:
pada ln[7] kita harus membuat object dataframe
pada ln[8] kita menggunakan model untuk membuat prediksi kita
Kemudian kita mencetak R-squared
ln[9] membuat data frame dengan nilai min dan maximum
ln[10] membuat prediksi dengan nilai x dan menyimpanya
ln[11] kemudian kita membuat plotnya

Comments
Post a Comment