Code - Linear Regression
This is my first Code
I started learning simple linear regression today, my first impression when studying this was “how something small can affect any response?” How much does X affect Y? The curved line formed represents the minimum difference between the model prediction and the Y value.
Fundamental
Inti utama dari Linear Regression adalah menggambar sebuah garis lurus di antara sekumpulan titik data. Garis ini merepresentasikan prediksi model kita.
- Tujuannya? Kita ingin jarak atau selisih antara titik data asli (aktual) dengan garis prediksi kita bernilai seminimal mungkin. Semakin kecil total selisihnya, semakin akurat model kita untuk menebak masa depan.
Cara kerja
Model ini mempelajari hubungan antar data melalui persamaan garis lurus:
$$f(x) = wx + b$$
- $x$ (Fitur/Input): Variabel bebas yang kita gunakan untuk memprediksi sesuatu.
- $w$ (Weight/Bobot): Nilai yang menentukan kemiringan (slope) garis. Angka inilah yang menjawab pertanyaan kita di awal: seberapa besar pengaruh variabel $x$ terhadap output? Jika $w$ besar, artinya perubahan kecil pada $x$ berdampak besar pada hasil akhirnya.
- $b$ (Bias/Intercept): Titik potong garis pada sumbu Y ketika nilai $x$ adalah 0. Ini adalah nilai dasar/titik mulai prediksi kita.
College Assignment
Di sini, saya ingin melihat apakah adopsi teknologi (RME) mempengaruhi akreditasi rumah sakit:
- Input ($X$): Jumlah rumah sakit yang sudah menerapkan RME (Rekam Medis Elektronik) secara penuh.
- Output ($Y$): Persentase akreditasi rumah sakit tersebut.
Melalui Linear Regression, model akan mencari nilai $w$ dan $b$ yang paling pas, sehingga kita bisa memprediksi: “Jika ada $n$ rumah sakit lagi yang menerapkan RME, seberapa besar persentase akreditasi total akan naik?”
Code
This is my college assignment while studying simple linear regression: