5 Metode Ini Digunakan Untuk Membangun Model Regression Yang Akurat

Artificial Intelligence For Learning The Basics

Photo by charlesdeluvio on Unsplash

Metode membangun model ini digunakan dalam Regression untuk menentukan variabel independen yang mempunyai pengaruh sangat besar terhadap variabel dependen.

Tujuan dari metode ini untuk mengetahui korelasi antara variabel dependen dengan variabel independennya, dan kita bisa mengetahui variabel dependen mana yang mengalami perubahan, apabila kita lakukan perubahan terhadap variabel independennya. Ada dua metode yang bisa dilakukan yaitu :

1. All In

All in adalah metode yang digunakan dalam membangun model Machine Learning dalam regression yang mengandalkan pengalaman dan pengetahuan Anda dalam membangun model Regression.

Model Regression juga bisa dibuat berdasarkan kebutuhan perusahaan, apabila suatu perusahaan memberikan Anda tugas untuk membuat model Regression dan harus ada fetaures tertentu atau tidak maka Anda harus membuat model Regression ini berdasarkan kebutuhan perusahaan

2. Backward Elimination

Berikut ini adalah langkah – langkah yang harus Anda ambil dalam membuat model Regression menggunakan Backward Elimination :

1. Tentukan level kepercayaan Anda dari hipotesa (a = 0.05),
2. Masukkan semua variabel independen (prediktor) ke dalam satu model Multiple Linear Regression,
3. Temukan prediktor dengan P-Value yang tinggi, apabila P-Valuea, maka lanjut ke langkah 4,
4. Hapus prediktor dengan P-Value yang lebih besar dari nilai a,
5. Masukkan variabel independen yang baru selain yang sudah kita masukkan sebelumnya, lalu balik lagi ke langkah 3.

3. Forward Selection

Berikut ini adalah langkah – langkah yang harus Anda ambil dalam membuat model Regression menggunakan Forward Selection :

1. Tentukan level kepercayaan Anda dari hipotesa (a = 0.05),
2. Buat semua model dengan memasukkan setiap variabel independen ke dalam setiap model yang dibuat, kemudian pilih model dengan P-Value yang rendah,
3. Simpen variabel tersebut, dan kemudian masukkan variabel ini ke dalam setiap model yang sudah dibuat untuk di training kembali,
4. Temukan prediktor dengan P-Value yang rendah, apabila P-Value < a, maka balik ke langkah 3, apabila P-Value > a, maka tetap simpan model sebelumnya.

4. Bidirectional Elimination

Berikut ini adalah langkah – langkah yang harus Anda ambil dalam membuat model Regression menggunakan Bidirectional Elimination:

1. Tentukan level kepercayaan untuk masuk dan tetap (amasuk = 0.05, atetap = 0.05),
2. Lakukan langkah selanjutnya dari Forward Selection (variabel baru harus punya P-Value < amasuk untuk masuk),
3. Lakukan semaua langkah dari Backward Elimination (variabel lama harus punya P-Value < atetap untuk menetap),
4. Ketika tidak ada lagi variabel baru yang masuk dan variabel lama yang keluar, maka disitu lah model Regression selesai dibuat.

5. All Possible Models

Berikut ini adalah langkah – langkah yang harus Anda ambil dalam membuat model Regression menggunakan semua model yang mungkin terjadi :

1. Pilih kriteria yang bisa membuat model cocok dengan datasetnya (Akaike Criterion atau R Squared),
2. Bangun semua model Regression yang mungkin terjadi dengan menggunakan rumus 2^n – 1 dari total kombinasi yang mungkin terjadi,
3. Pilih model Regression dengan kriteria yang sangat baik.

Dengan mengetahui kelima metode diatas, Anda bisa membuat mode Regression yang akurat dan mengetahui hubungan yang penting antara variabel independen dengan variabel dependen.

Hubungan yang penting ini bertujuan untuk memberikan Anda informasi mengenai variabel independen mana yang sangat berpengaruh terhadap variabel dependen.

Bagi anda yang ingin memberikan komentar pada website ini, silahkan tulis komentar Anda dengan mengisi nama dan alamat email Anda. Anda dapat membaca blog kami sebelumnya mengenai langkah – langkah untuk menjadi ahli dalam Machine Learning dan blog kami selanjutnya mengenai 3 komponen penting dalam laporan keuangan.