App Multiple Linear Regression

ivan gabrovski

Berisi iklan

Tentang aplikasi ini

Regresi Linier Berganda adalah metode statistik yang digunakan untuk memodelkan hubungan antara satu variabel dependen dan dua atau lebih variabel independen dengan menyesuaikan persamaan linier pada data yang diamati. Regresi linier berganda menjelaskan bagaimana beberapa prediktor secara simultan memengaruhi variabel hasil.
Komponen utama regresi linier berganda:

- Variabel dependen (Y): Ini adalah variabel yang ingin kita prediksi. Sering juga disebut "variabel target" atau "respons."
- Variabel independen (X1, X2, ..., Xn): Ini adalah variabel yang kita gunakan untuk memprediksi variabel dependen. Sering juga disebut "prediktor" atau "variabel penjelas."
- Model regresi: Persamaan regresi linier berganda memiliki bentuk sebagai berikut:

Y = beta_0 + beta_01* X1 + beta_2*X2 + ... + beta_n* Xn
di mana:
Y adalah variabel dependen. X1, X2, ..., Xn adalah variabel independen.
beta_0 adalah konstanta (intersep). beta_1, beta_2, ..., beta_n adalah koefisien regresi yang menunjukkan pengaruh variabel independen yang bersangkutan terhadap variabel dependen.

Aplikasi: - Ekonomi (prediksi pendapatan); - Kesehatan (analisis faktor risiko); - Teknik; - Ilmu sosial; - Peramalan bisnis.

Contoh: Memprediksi harga rumah berdasarkan: - Ukuran rumah; - Jumlah kamar tidur; - Usia rumah
Dalam aplikasi ini, setiap objek Object_k (object_1, object_2 ... object_m) dijelaskan oleh variabel independen (Xki – fitur, i = 1...n) dan satu variabel dependen (Yk - target). Metode seperti ordinary least squares (OLS) digunakan untuk menghitung nilai optimal koefisien (beta_0, beta_1, beta_2, ..., beta_n). Nilai target dihitung dengan rumus:

Y = beta_0 + beta_01* P1 + beta_2 *P2 + ... + beta_n* Pn
di mana: P1, P2...Pn adalah prediktor target.
Aplikasi menyimpan data untuk beberapa model regresi dalam basis data (DB) tipe SQLite bernama AppMultipleLinearRegression.db. Model regresi dibedakan berdasarkan nama.

Layar awal aplikasi (App Multiple Linear Regression Solver) menampilkan daftar contoh model regresi (dalam daftar putar) dan tombol untuk mengaktifkan fungsi membuat (Contoh baru), memuat (Muat), menyimpan (Simpan), menyimpan sebagai (Simpan sebagai), menghitung (Hitung), dan menghapus (Hapus) contoh model regresi. Dari layar utama, melalui elemen menu, Anda juga dapat mengakses fungsi seperti pemilihan bahasa, menyimpan dan menyalin basis data, menginisialisasi basis data dengan data sampel, dan fungsi tambahan seperti bantuan untuk aplikasi, pengaturan, dan tautan ke situs web dengan deskripsi semua aplikasi oleh penulis.

Fungsi untuk membuat (Sampel Baru) mencakup dialog untuk memasukkan ukuran matriks tempat memasukkan data sampel baru – jumlah baris (jumlah termasuk baris untuk data prediksi P1, P2...Pn – baris terakhir) dan jumlah kolom (jumlah termasuk kolom untuk data dependen Y1, Y2,...Yk – kolom terakhir). Kemudian akan dibuat tabel untuk memasukkan data yang relevan. Tabel yang telah diisi harus diberi nama sebelum disimpan. Fungsi Muat akan menghapus tabel.

Tabel yang telah disimpan sebelumnya dapat ditampilkan dengan memilih dari daftar putar. Tabel yang ditampilkan dapat dihitung dan solusinya akan muncul di dialog Hasil Aplikasi. Fungsi Cetak dapat dijalankan dari dialog ini dalam file AppMultipleLinearRegressionSolver.txt. Cetak mencakup aktivitas Simpan Basis Data/Simpan file dengan memilih folder tempat menyimpan file. Setelah memilih folder, akan muncul tombol simpan. Dari aktivitas yang sama, dapat ditampilkan isi file yang dipilih, untuk mengganti nama file atau folder, untuk membuat folder baru, dan juga untuk menghapus file yang dipilih.
Regresi linier berganda adalah alat analisis data yang ampuh, tetapi harus digunakan dengan hati-hati dan pemahaman tentang keterbatasannya.

Kelemahan: Rentan terhadap multikolinearitas (korelasi kuat antar variabel independen). Tidak selalu mampu menangkap hubungan nonlinier. Membutuhkan validasi dan pengecekan asumsi yang cermat.