Langkah - Langkah Regresi Linier Pada Jupyter

Langkah - Langkah Regresi Linier Pada Jupyter

  04.28    jupsyah

---

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.

4. Kode program yang berada di bawah ini berguna untuk mengambil data dari link yang sudah di beritahukan di atas agar dapat menampilkan output secara langsung sepetri table yang berada di bawah kode program.

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.

 6. Kode program yang selanjutnya berguna untuk membuat data plot yang menampilkan 3 variabel yaitu TV, Radio, Newspaper. Dan data variable yang di tampilkan adalah data yang scater dan sales.

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.