Garis besar topik
-
-
Mata kuliah ini membahas konsep, metode, dan implementasi analisis regresi untuk memahami hubungan antar variabel serta melakukan prediksi. Mahasiswa akan mempelajari regresi linear sederhana, regresi berganda, hingga regresi logistik, serta implementasinya menggunakan tools seperti Python.
CAPAIAN PEMBELAJARAN (CPL)
Setelah mengikuti mata kuliah ini, mahasiswa mampu:
- Memahami konsep dasar analisis regresi
- Mengolah dan menganalisis data menggunakan regresi
- Menginterpretasikan hasil model regresi
- Mengimplementasikan regresi menggunakan Python
- Membangun model prediktif sederhana
-
-
Pertemuan 1: Pengantar Analisis Regresi
Materi:
- Konsep regresi
- Variabel dependen & independen
- Korelasi vs regresi
Praktikum:
- Scatter plot (Excel / Python)
Tugas:
- Identifikasi contoh kasus regresi di kehidupan nyata
-
-
-
Pertemuan 2: Statistik Dasar untuk Regresi
Materi:
- Mean, varians, standar deviasi
- Covariance & korelasi
Praktikum:
- Hitung statistik dasar dataset
Tugas:
- Analisis hubungan 2 variabel
-
-
-
Pertemuan 3: Regresi Linear Sederhana
Materi:
- Model Y = a + bX
- OLS
Praktikum:
- Perhitungan manual regresi
-
-
-
Pertemuan 4: Implementasi Regresi Linear
Materi:
- Regresi dengan Python (sklearn)
Praktikum:
- Coding regresi linear
-
-
-
Pertemuan 5: Evaluasi Model
Materi:
- R┬▓, MAE, MSE, RMSE
Praktikum:
- Evaluasi model
-
-
-
Pertemuan 6: Uji Asumsi Regresi
Materi:
- Normalitas
- Heteroskedastisitas
- Autokorelasi
Praktikum:
- Uji asumsi di Python
-
-
-
Pertemuan 7: Regresi Linear Berganda
Materi:
- Multi variabel
- Multikolinearitas
Praktikum:
- Studi kasus multi variabel
-
-
-
- Jelaskan perbedaan korelasi dan regresi beserta contohnya
- Jelaskan konsep regresi linear sederhana dan berikan contoh kasus
- Apa itu R┬▓ dan bagaimana interpretasinya?
- Jelaskan 3 asumsi dalam regresi linear
-