Pemodelan Linear Regression

Pada bagian ini, kita akan membahas dasar-dasar Linear Regression serta peranannya dalam machine learning.

Pelajaran ini menguraikan secara komprehensif dasar-dasar Linear Regression, termasuk variabel terikat dan variabel bebas, persamaan regresi, serta konsep garis regresi dan koefisien regresi. Variabel terikat, yang ingin diprediksi, dan variabel bebas, yang digunakan untuk prediksi, menjadi pokok pembahasan.

Simple Linear Regression (SLR) adalah metode statistik yang digunakan untuk memodelkan hubungan linier antara satu variabel bebas (\(X\)) dan satu variabel terikat (\(Y\)).

Multiple Linear Regression (MLR) adalah pengembangan dari Simple Linear Regression yang memungkinkan untuk memodelkan hubungan antara satu variabel terikat dengan dua atau lebih variabel bebas.

Ridget Linear Regression atau Ridge Regression dikenal juga sebagai Tikhonov regularization atau L2 regularization merupakan varian dari Linear Regression yang dirancang untuk mengatasi masalah multikolinearitas dalam data.