Langkah - Langkah Regresi Linier Pada Jupyter
Dalam tutorial ini menggunakan data yang di ambil dari “http://wwwbcf.usc.edu/~gareth/ISL/Advertising.csv
“
Berikut adalah langkah -
langkah melakukan Regresi Linear di Jupyter :
1. Buka Anaconda Navigator lalu pilih Jupyter
Notebook dan klik Launch.
2. Setelah mengikuti langkah yang pertama
maka akan muncul tampilan seperti gambar di bawah dan ikuti petunjuk yang
berada di bawah untuk masuk kedalam template jupyter notebook, contoh template
jupyter notebook seperti gambar di bawah petunjuk yang pertama.
3. Lalu setelah menampilkan template jupyter notebook maka kita bisa meemulai memasukan code programnya. Setelah itu di dalam kode program terdapat import pandes dan matplotlib yang berguna untuk menghasilkan output yang selanjutnya.
Carilah
variable bebas dan variable terikat dari table output yang pada gambar di atas,
variable bebas dan variable terikatnya adalah :
Variabel
Bebas :
1.
TV : Uang iklan (Dolar) yang dihabiskan pada suatu produk pasaran tertentu.
2.
Radio : Uang ikala (Dolar) yang dihabiskan untuk Radio
3.
Koran : Uang iklan (Dolar) yang
dihabiskan untuk Koran
Variabel
Terikat :
1. Penjualan
: Penjualan pada sebuah produk tertentu di pasaran.
5. Lalu gunakan kode program di bawah yang
bertujuan untuk melakukan pengamatan dalam dataset, dan outputnya terdapat 200
pasar dalam dataset.
7. Kode program di atas berguna untuk menghitung kenaikan harga TV per unit akibat iklan di TV. Atau lebih jelasnya penambahan uang yang di habiskan untuk iklan di TV.
8. Di dalam kode program ini terdapat metode prediksi untuk penjualan di pasaran. Jadi dari output yang dihasilkan perkiraan penjualan pada TV adalah 9409 unit di pasar tertrentu.
9. Di kode program di bawah terdapat data
frame dan perhitungannya, hasilnya untuk TV adalhan 50.
10. Kode program yang selanjutnya untuk kode program prediksi pada tipe data float64.
11. Dibawah adalah kode program untuk menentuka nilai minimum dan maximum dari data TV.
12. Kode program di bawah untuk membuat prediksi masing masing dari X dan menyimpan data yang sudah di dapatkan.
13. Kode program di bawah berguna untuk merencanakan garis di dalam kota pada penjualan TV.
14. Kode program yang terakhir berguna untuk menghitung R – Squared dalam model perhitunganya.











