Regresi Linear Sederhana
Metode Statistik yang berfungsi untuk menguji sejauh mana hubungan sebab akibat
antara Variabel Faktor Penyebab(X) terhadap Variabel akibatnya.
Kita mulai saja
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
IPython memiliki seperangkat 'fungsi ajaib' yang
dapat Anda panggil dengan sintaks gaya baris perintah. Ada dua jenis sihir,
berorientasi pada garis dan berorientasi pada sel. Magics baris diawali dengan
karakter% dan bekerja mirip dengan perintah-perintah baris-OS: mereka
mendapatkan argumen dari sisa baris, di mana argumen dilewatkan tanpa tanda
kurung atau tanda kutip. Magics garis dapat mengembalikan hasil dan dapat
digunakan di sisi kanan tugas. Magics sel diawali dengan% ganda%, dan mereka
adalah fungsi yang mendapatkan argumen bukan hanya sisa baris, tetapi juga
garis di bawahnya dalam argumen terpisah.
Dengan backend ini, output dari perintah
merencanakan ditampilkan secara inline di bagian depan seperti
notebook Jupyter, tepat di bawah kode sel yang menghasilkan itu.
Plot yang dihasilkan kemudian akan disimpan juga dokumen notebook.
|
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)
|
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.
dengan demikian,
diperkirakan penjualan sebanyak 9409 unit dipasar itu.
Prediksi Menggunakan
statsmodel:
pada ln[24] kita harus
membuat object dataframe
pada ln[25] kita
menggunakan model untuk membuat prediksi kita
Kemudian kita mencetak
R-squared
Demikian tutorial regresi
Linear menggunakan jupyter notebook
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
|
output
ploting
Sekian Tutorial yang saya buat
Kurang lebihnya mohon maaf
Terimakasih
Sumber:
http://duwiconsultant.blogspot.com/2011/11/analisis-regresi-linier-sederhana.html
|
0 comments:
Post a Comment