Tutorial Multiple Linear Regression dengan GNU Octave | Analisis dan Evaluasi Model Prediksi Data

Описание: Video ini membahas secara lengkap konsep dan implementasi Multiple Linear Regression (Regresi Linier Berganda). Salah satu metode analisis statistik yang digunakan untuk memodelkan hubungan antara satu variabel dependen dan beberapa variabel independen.

Materi dalam video ini diambil dari tugas proyek Sains Komputasi Universitas Negeri Surabaya (UNESA) dengan judul:
Implementasi Dataset Multiple Regresi Linier pada Housing Prices Dataset

Isi Materi Video
Dalam video ini, kamu akan mempelajari langkah-langkah praktis membangun model regresi linier berganda, antara lain:
1. Konsep dasar Multiple Linear Regression dan penerapannya dalam analisis data.
2. Normalisasi Data (Min–Max Normalization) untuk menyetarakan skala antar variabel.
3. Pembentukan Matriks Augmented dan penyelesaian sistem persamaan menggunakan Eliminasi Gauss serta Substitusi Mundur.
4. Implementasi komputasional dengan GNU Octave, termasuk pembuatan matriks desain 𝑋, vektor target 𝑌, dan perhitungan error metrics.
5. Evaluasi performa model menggunakan nilai RSS, MSE, RMSE, dan MAPE.
6. Visualisasi hasil prediksi dan residual untuk menganalisis akurasi model.

Tujuan Pembelajaran
Melalui video ini, mahasiswa diharapkan:
1. Memahami alur lengkap penerapan metode Multiple Linear Regression secara komputasional.
2. Mampu membaca, menginterpretasi, dan mengevaluasi hasil regresi dari data nyata.
3. Mengenal penggunaan GNU Octave sebagai alat bantu analisis numerik berbasis open-source.

Dataset dan Referensi
Dataset yang digunakan:
Student Performance (Multiple Linear Regression) — Kaggle:
https://www.kaggle.com/datasets/yasse...

Bahan ajar pendukung:
SK-5 Multiple Linear Regression (Bahan Ajar Sains Komputasi) — https://docs.google.com/presentation/...

PPT:
https://www.canva.com/design/DAG1gRwr...

Tools yang Digunakan
1. Microsoft Excel / Google Sheets → Perhitungan manual & normalisasi data: https://docs.google.com/spreadsheets/...

2. GNU Octave → Implementasi matriks, eliminasi Gauss, prediksi, dan grafik residual

Output yang Ditampilkan
1. Grafik Aktual vs Prediksi
2. Grafik Residual (Y - Ŷ)
3. Nilai RMSE dan MAPE hasil pengujian model

Disusun oleh:
Muhammad Anwar Ismail (24051204161)
Program Studi Teknik Informatika, Universitas Negeri Surabaya
Dosen Pembimbing: Ibu Farhanna Mar’i, S.Kom., M.Kom.

Terima kasih telah menonton! Jangan lupa like, share, dan subscribe untuk video pembelajaran Sains Komputasi berikutnya.

Soundtrack By NCS:
Song: wayudance - Time
Music provided by NoCopyrightSounds
Free Download/Stream: http://ncs.io/w\_Time
Watch: http://ncs.lnk.to/w\_TimeAT/youtube