Christian Freddy Naa, M.Si., M.Sc.

Video ini membahas evaluasi model Regresi Linear yang telah dibangun dari data sebelumnya. Evaluasi dilakukan dengan membandingkan error model dengan error dari model rata-rata, menghitung SSR, SST, dan koefisien korelasi untuk melihat seberapa baik model yang dimiliki. Hasil evaluasi menunjukkan tingkat ketepatan model sebesar 94,8%. Dengan Excel, Regresi Linear dapat dilakukan dengan mudah dan akurat. Dengan model Regresi Linear, kita dapat memprediksi hasil berdasarkan data yang ada, namun perlu diperhatikan konteks aplikasinya agar hasil prediksi lebih relevan. Ide dasar Regresi Linear adalah membuat model linear dari data untuk memperkirakan outcome dengan lebih akurat daripada menggunakan rata-rata.

ATTACHMENT
https://docs.google.com/spreadsheets/d/1NfwE6-15S_D-iD5cogZEe4WqIwPl8alH/edit?usp=sharing&ouid=101990340232047192293&rtpof=true&sd=true

Oke sekarang di video terakhir dari penjelasan tentang RGS Linear ini kita hendak mengevaluasi sebetulnya sebaik apa sih model yang kita bangun.

Oke nah sebelumnya ini adalah data yang kita sudah hitung sejak sebelumnya di video-video sebelumnya dan kita sudah mendapatkan model kita yang terbaik ya.

Nah model ini akan coba saya berikan garis ya tapi nanti saja lah ini kan masih oke lah kita gunakan dot ya.

Kita terlihat sebetulnya dari sini sudah terlihat bahwa errornya sudah semakin kecil dibandingkan dengan titik yang warna biru oke.

Nah sekarang kita hendak membuat perbandingan kita hendak membandingkan yang kita miliki sekarang errornya kita bandingkan dengan error yang kita dapatkan dari yang rata-rata yaitu model yang sebelumnya ya.

Nah untuk angka 128 ini disebut sebagai SST atau sum of square total ya sum of square total oke.

Kemudian yang 6,5 itu adalah sum of square kita yang baru oke jadi sebelumnya 128 ini adalah sum of square kita tapi sekarang karena kita sudah punya model yang baru sekarang menjadi sum of square total ya.

Lalu kita punya juga SSR atau sum of square reduction yaitu selisih antara saya tulis di sini mungkin ya SST minus SSE ya maka saya dapatkan SSRnya sebelahnya saja itu adalah selisih dari 128 dengan 6,59 121 ya artinya SSR ini adalah sum of square yang reduce.

Artinya kotak-kotak tadi yang luasnya 128 itu reduksi sebanyak 121,4 menjadi hanya sekitar 6,5 jadi kita bisa bandingkan dengan model kita yang lalu caranya adalah kita bagikan saja ya bahwa sekarang kita peroleh R kuadrat dalam huruf kecil ya itu adalah SSR dibandingkan dengan SST.

Jadi perbandingan antara kotak yang terreduksi dengan jumlah kotak sebelumnya jadi sum of square error 6,5 ini yang reduce 121 dibagi dengan 128 nah ini adalah yang disebut dengan koefisien korelasi ini adalah ukuran saya yang bisa dikatakan seberapa baik saya memiliki regresi yang saya punya sekarang modelnya.

Nah kalau misalkan kita mau coba ini sebetulnya sudah semua langkah least square yang sudah kita lakukan jadi saya peroleh persamaan Y sama dengan 2,86 ditambah 1,25X dengan baik dengan derajat apa ya ketepatannya atau ketelitiannya atau bisa dikatakan seberapa baik saya memiliki model tersebut itu adalah 0,948 atau dalam presentasi ya 94,8 persen itu adalah menandakan seberapa dekat yang saya punya.

Prediksi dengan model dengan data yang saya punya sekarang ya seperti itu nah kalau kita mau gunakan Excel sebetulnya mudah ya dan nantinya akan saya coba ajarkan bagaimana cara menggunakan Regress Linear tanpa melakukan hitungan ya tapi tanpa hitungan ini jadi kitanya nggak ngerti sebenarnya ngapain sih Regress Linear tersebut ya kemudian saya akan coba oke nah mungkin saya coba ulangi tadi terlalu cepat nah untuk saya melakukan Regress Linear

dengan menggunakan Excel itu saya tinggal klik datanya ingat ya data bukan yang predicted ya ditambahkan kita klik kanan kemudian kita klik add trendline ya gitu oke harusnya yang biru oke ini adalah yang trendlinenya oke kemudian kita display equation kemudian kita taruh R square ya oke ternyata R nya R besar ya

nah kita lihat hasil dari Excel ini itu sama persis dengan hasil yang kita peroleh walaupun dia data garisnya continue hanya garis sementara data kita sifatnya diskret ya jadi betul yang kita hitung sekarang kita lihat hitungan Excel adalah 1,2516x bahkan kita punya koma yang jauh lebih teliti kebelakang ditambah 2,8645 kita masih punya angka di belakang koma

dengan R kuadratnya juga persis 0,944 disini dibulatkan 0,9485 ya artinya ini adalah hasil dari Regress Linear kita

Apa sih maknanya dalam kasus kita artinya gini kalau saya punya persamaan Y sama dengan 2,86 tambah 1,25x saya bisa memprediksi oke kalau saya jualan 6 jam kira-kira saya dapat berapa sekarang kita coba kalau misalkan saya jualan 6 jam 6 jam maka saya tinggal masukkan persamaan ini kan 2,86 ditambah 1,25 dikali dengan 6 gitu oke 6 nya saya tulis di sini ya karena saya tulis 6 jam

ya saya akan mendapatkan 10,36 minuman yang terjual tentu saja minuman yang terjual kan pasti integer ya tidak mungkin saya jual 10,36 oke saya bisa prediksi saya bisa jual 10 jadi itu adalah manfaat dari Regress Linear begitu kita dapatkan model kita bisa memprediksi kira-kira outcome yang kita peroleh berapa

tapi hati-hati persamaan ini juga berarti bahwa kalau saya taruh X nya 0 maka saya mendapatkan Y nya 2,86 padahal secara kenyataan kan tidak demikian bagaimana mungkin saya tidak jualan 0 jam tapi ternyata terjual 2,86 tentu saja tidak mungkin artinya dari persamaan ini kita harus lihat bagaimana aplikasi persamaan ini dengan soal atau persoalan yang sedang kita tangani.

So itu semua tentang Regress Linear jadi mungkin saya akan recap dulu Regress Linear adalah membuat model linear dari data yang kita miliki yaitu persamaan garis lurus ya lalu persamaan garis lurus tersebut akan dibandingkan dengan model yang dengan menggunakan rata-rata tanpa menggunakan variable yang independen lalu kita hitung kita peroleh yang disebut dengan persamaan linear.

Persamaan linear kita bisa hitung errornya dan tentunya errornya akan jauh lebih kecil daripada kita menggunakan rata-rata.

So itu adalah ide dasar dari Regress Linear dan kita sudah melakukan latihan dengan persoalan yang kita punya hari ini dan juga dengan menggunakan spreadsheet.