Tugas Mata Kuliah Machine Learning

 MULTIPLE REGRESI

• Multipe Linear Regression

        variable bebas yang terlibat tidak hanya satu saja melainkan beberapa variable bebas. Hal         ini dikarenakan input yang digunakan lebih dari satu dimensi.

PERSAMAAN

Y=b+e+m1x1 +242 + ... + mn*xn

• Y = dependent variable 
• mn = koefisien dari persamaan 
• Xn = independent variablE
• b = intercept 
• e - error

Contoh Kasus Multiple Linear Regresi 

CONTOH STUDY KASUS

Udin hendak membeli rumah di daerah King Country US, dengan kriteri sebagai berikut : :

1. Jumlah Bedrooms = 3 
2. Jumlah Bathrooms - 2 
3. Luas rumahnya = 1800 sqft 
4.  Dengan grade 7 
5. Tahun Pembuatan 1990

• Bantu udin untuk mempresiksi rumah idamannya 
• Data harga rumah dapat diambil dari kaggle: https://www.kaggle.com/vikrishnan/boston-house-prices?select=housing.csv

Langkah penyelesaian

Penyelesaian Masalah

jika dilihat dari apa yang diinginkan Udin, maka kita dapat menngunakan metode Multiple Linear, Regression dikarenakan memiliki lebih dari 1 variabel bebas

• Variabel bebas disini ialah rumah dengan jumlah kamar tidur itu 3 jumlah kamar mandinya itu 2, luas rumahnya itu 1800sqft, grade rumahnya tahun pembangunanya pada tahun 1990
• terhadap variabel terikat ialah Harga

langkah Pembuatan

import pandas as pd

import matplotlib.pyplot as plt 

import numpy as np 

import seaborn as sns

from sklearn.linear_model import LinearRegression 

from sklearn.model_selection import train_test_split

Load datasets

#Nama dataframe kita adalah df yang berisi data dari housing.csv. 

#Features yang digunakan adalah 'bedrooms 1, 'bathrooms', 'soft_living', 'grade', 'price' dan 'yr_built' 

filecsv= "C:/Alde/kc_house_data.csv"

df = pd.read_csv(filecsv, usecols=['bedrooms', 'bathrooms', 'sqft_living', 'grade', 'price', 'yr_built'])

Sneak peak data

#Melihat 5 baris teratas dari data

#Independent variable(x) adalah bedrooms, bathrooms, sqft_living, grade, yr_built

#Defendent variable (y) adalah price

#Melihat statistical desription dari data mulai dari mean, kuartil, standard deviation dll

df describe

• Pada feature bathrooms terdapat nilai pecahan. maka kita ubah dulu jenis data yang semula float menjadi int.
• Pada feature bedrooms terdapat nilai 33, jadi kemungkinan itu typo dan akan saya ganti menjadi 3

#Merubah tipe data dari bathrooms yang semula float menjpdi int df['bathrooms') = df['bathrooms'].astype('int')

#Mengganti nilai 33 menjadi 3 df['bedrooms'] = df['bedrooms').replace(33,3) )

#Melihat statistical description dari data mulai dari mean, kuartill, standard deviation dll

df.describe()

Handling Misssing Values/nilai kosong/Melihat Kelengkapan data

# Mencari dan menangani missing values

#ternyata data kita tidak ada missing values

df.isnull().sum()

#Melihat distribusi dari bathrooms 

f = plt.figure(figsize=(12,4))

f.add_subplot(1,2,1)

sns.countplot(df['bedrooms'])

f.add_subplot(1,2,2)

plt.boxplot(df['bedrooms'])

plt.show()

• Dapat dilihat bahwa besar jumlah kamar tidur itu angka 3 dan 4
• Data memilki banyak outlers

ANALISIS BATHROOM

#Univariate analysis sqft_living

#Melihat distribusi dari sqft_living

f = plt.figure(figsize=(12,4))

f.add_subplot(1,2,1)

df['sqft_living'].plot(kind='kde')

f.add_subplot(1,2,2)

plt.boxplot(df['sqft_living'])

plt.show()

• Jumlah kamar mandi paling banyak berada pada angka 1 dan 2
• Yang menarik disini adalah dimana ada rumah yang tidak ada kamar mandinya atau jumlahnya 0
• Nilai outlier sendiri lumayan banyak

ANALISIS LUAS LAHAN

#Univariate analysis grade

#Melihat distribusi dari grade

f = plt.figure(figsize=(12,4))

f.add_subplot(1,2,1)

sns.countplot(df['grade'])

f.add_subplot(1,2,2)

plt.boxplot(df['grade'])

plt.show()

• density dari distribusi luas rumah berada di sekitar angka 2000an
• Banyak terdapat outliets

ANALISIS GRADE

#Univariate analysis grade

#Melihat distribusi dari grade

f = plt.figure(figsize=(12,4))

f.add_subplot(1,2,1)

sns.countplot(df['yr_built'])

f.add_subplot(1,2,2)

plt.boxplot(df['yr_built'])

plt.show()

• Sebagian besa rumah di conty king US memiliki grade 7 dan 8
• Dilihat dari boxplot, data memilki beberapa outliers

ANALISIS TAHUN BANGUN

#Univariate analysis yr_built

#Melihat distribusi dari yr_built

f = plt.figure(figsize=(12,4))

f.add_subplot(1,2,1)

sns.countplot(df['yr_built'])

f.add_subplot(1,2,2)

plt.boxplot(df['yr_built'])

plt.show()

MELIHAT HUBUNGAN ANTAR VARIABEL

#Bivariate analysis antara independent variable dan dependent variable

#Melihat hubungan antara independent dan dependent

#Menggunakan pairplot

plt.figure(figsize=(10,8))

sns.pairplot(data=df,x_vars=['bedrooms','bathrooms','sqft_living','grade','yr_built'],y_vars=['p rice'],size=5,aspect=0.75)

plt.show()

MENGETAHUI NILAI KORELASI DARI INDEPENDEN DAN DEVENDEN VARIABEL

#Mengetahui nilai korelasi dari independent variable dan dependent variable

df.corr().style.background_gradient().set_precision

• Dari tabel diatas, dapat dilihat sqft_living mempunyai hubungan linear positif yang sangat kuat dengan price jika dibandingkan yang lain.
• Nilai korelasi yr_built hampir mendekati noll yang menandakan bahwa usia rumah tidak mempengaruhi pada harga rumah.