Pengertian Estimasi dan Regresi Linear Sederhana (Simple Linear Regression)

Assalamu'alaikum saudara/i yang baik hati..

kali ini pembahasan kita mengenai pengertian ESTIMASI dalam Data Mining. ini saya posting karena saya baru tau dan baru mulai memahami apa sih sebenernya DATA MINING itu, hahaha... ;)

baik berikut ini adalah penjabarannya :

<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<  >>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>

#Pengertian Estimasi

Metode estimasi adalah metode yang digunakan untuk memperkirakan suatu hal dari sejumlah sample yang kita miliki (yg tidak kita ketahui).
Estimasi hampir sama dengan klasifikasi. Perbedaanya hanyalah pada variable target. Estimasi lebih kearah numeric pada variable targetnya. 

#Algoritma Metode Estimasi (Regresi Linear Sederhana)

Analisis regresi linier sederhana adalah hubungan secara linear antara satu variabel independen (X) dengan variabel dependen (Y). Analisis ini untuk mengetahui arah hubungan antara variabel independen dengan variabel dependen apakah positif atau negatif dan untuk memprediksi nilai dari variabel dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.. Data yang digunakan biasanya berskala interval atau rasio.

Contoh Penggunaan Analisis Regresi Linear Sederhana dalam Produksi antara lain :

1.      Hubungan antara Lamanya Kerusakan Mesin dengan Kualitas Produk yang dihasilkan.

2.      Hubungan Jumlah Pekerja dengan Output yang diproduksi.

3.      Hubungan antara suhu ruangan dengan Cacat Produksi yang dihasilkan.

Model Persamaan Regresi Linear Sederhana adalah seperti berikut ini :

Y = a + bX

Dimana :
Y = Variabel Response atau Variabel Akibat (Dependent)
X = Variabel Predictor atau Variabel Faktor Penyebab (Independent)
a = konstanta
b = koefisien regresi (kemiringan); besaran Response yang ditimbulkan oleh Predictor.

Nilai-nilai a dan b dapat dihitung dengan menggunakan Rumus dibawah ini :

a =   (Σy) (Σx²) – (Σx) (Σxy)
.                n(Σx²) – (Σx)²

b =   n(Σxy) – (Σx) (Σy)
.                n(Σx²) – (Σx)²