Regression: Membuat Prediksi Angka

🎯 Tujuan Pembelajaran

Setelah mempelajari materi ini, siswa diharapkan mampu:

1. Menjelaskan pengertian Regression dalam Machine Learning.
2. Membedakan masalah prediksi angka dengan masalah klasifikasi kategori.
3. Mengenali feature dan target pada sebuah dataset.
4. Mempersiapkan dataset sederhana menggunakan Python.
5. Membagi data menjadi data training dan testing.
6. Membuat model Linear Regression menggunakan scikit-learn.
7. Menggunakan model untuk membuat prediksi angka.
8. Mengukur kesalahan prediksi dengan MAE dan R² secara sederhana.
9. Membuat visualisasi hubungan data dan garis prediksi.
10. Menjelaskan mengapa data training harus cukup mewakili kondisi sebenarnya.

📈 Apa itu Regression?

Regression adalah salah satu jenis masalah dalam Machine Learning yang digunakan untuk mempelajari hubungan antara data masukan dan nilai target berbentuk angka.

Contohnya:

Regression vs Classification

🏠 Contoh Kasus: Prediksi Harga Rumah

Misalkan seorang peneliti memiliki data beberapa rumah. Setiap baris berisi luas rumah dan harga rumah.

Kita ingin menggunakan data tersebut untuk memperkirakan harga rumah dengan luas yang belum ada di dataset.

Misalnya: berapa perkiraan harga rumah dengan luas 75 m²?

📊 Dataset Sederhana

Dataset adalah kumpulan data yang digunakan untuk analisis atau pembelajaran model.

Untuk pembelajaran awal, kita dapat membuat dataset langsung menggunakan Python:

import pandas as pd

data = {
    "luas": [40, 50, 60, 70, 80, 90, 100, 110],
    "harga": [200, 250, 300, 350, 400, 450, 500, 550]
}

df = pd.DataFrame(data)

print(df)

Setelah kode dijalankan, df menjadi tabel yang berisi dua kolom: luas dan harga.

Melihat informasi dataset

print("Jumlah baris:", len(df))
print("Kolom:", df.columns.tolist())
print(df.describe())

🔍 Feature dan Target

Dalam Machine Learning, kita sering membedakan data menjadi feature dan target.

Pada kasus rumah:

• Feature X = luas rumah
• Target y = harga rumah

X = df[["luas"]]
y = df["harga"]

print("Feature:")
print(X)

print("\nTarget:")
print(y)

🔄 Alur Regression Machine Learning

Penjelasan setiap tahap

💻 Praktik Lengkap di Google Colab

Kita akan menggunakan Linear Regression karena konsepnya cukup mudah untuk pembelajaran awal.

Langkah 1 — Import library

import pandas as pd
import matplotlib.pyplot as plt

from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_absolute_error, r2_score

Langkah 2 — Membuat dataset

data = {
    "luas": [40, 50, 60, 70, 80, 90, 100, 110, 120, 130],
    "harga": [200, 250, 300, 350, 400, 450, 500, 550, 600, 650]
}

df = pd.DataFrame(data)

display(df)

Langkah 3 — Menentukan X dan y

X = df[["luas"]]
y = df["harga"]

✂️ Membagi Data Training dan Testing

Kita dapat membagi data menjadi dua bagian. Data training digunakan untuk melatih model, sedangkan data testing digunakan untuk melihat bagaimana model bekerja pada data yang tidak digunakan saat proses belajar.

X_train, X_test, y_train, y_test = train_test_split(
    X, y,
    test_size=0.2,
    random_state=42
)

print("Jumlah data training:", len(X_train))
print("Jumlah data testing :", len(X_test))

test_size=0.2 berarti sekitar 20% data digunakan untuk testing dan sisanya untuk training.

🧠 Membuat Model Linear Regression

Sekarang kita membuat objek model dan melatihnya dengan data training.

model = LinearRegression()

model.fit(X_train, y_train)

print("Model selesai dilatih.")

Perintah fit() berarti model mempelajari hubungan antara feature dan target berdasarkan data training.

Gambaran matematis sederhana

Linear Regression berusaha menemukan hubungan yang dapat digambarkan secara sederhana dengan persamaan:

Dalam contoh rumah, model mencoba mempelajari hubungan antara luas dan harga berdasarkan data yang tersedia.

🔮 Membuat Prediksi

Prediksi data testing

y_pred = model.predict(X_test)

print("Prediksi:")
print(y_pred)

Prediksi rumah baru

Misalnya kita ingin memperkirakan harga rumah dengan luas 75 m².

data_baru = [[75]]

prediksi = model.predict(data_baru)

print("Perkiraan harga rumah:",
      prediksi[0], "juta rupiah")

📏 Evaluasi Model Regression

Prediksi tidak cukup hanya dilihat. Kita perlu mengukur seberapa jauh prediksi dari nilai sebenarnya.

1. MAE — Mean Absolute Error

MAE menghitung rata-rata jarak absolut antara nilai sebenarnya dan nilai prediksi.

mae = mean_absolute_error(y_test, y_pred)

print("MAE:", mae)

Jika MAE = 10 pada contoh harga dalam juta rupiah, secara sederhana rata-rata kesalahan absolut prediksi sekitar 10 juta rupiah pada data evaluasi tersebut.

2. R² — R-squared

r2 = r2_score(y_test, y_pred)

print("R²:", r2)

R² memberikan ukuran seberapa baik variasi target dapat dijelaskan oleh model pada data yang dievaluasi. Nilainya perlu dibaca bersama konteks, dataset, dan metrik lainnya.

📉 Visualisasi Data dan Garis Prediksi

Visualisasi membantu kita melihat hubungan antara data dan hasil model.

plt.figure(figsize=(8, 5))

plt.scatter(X, y, label="Data asli")

plt.plot(
    X,
    model.predict(X),
    label="Garis regresi"
)

plt.xlabel("Luas rumah (m²)")
plt.ylabel("Harga (juta rupiah)")
plt.title("Regression: Luas Rumah vs Harga")
plt.legend()
plt.show()

Pada grafik, titik menunjukkan data yang tersedia, sedangkan garis menunjukkan hubungan yang dipelajari model.

🧪 Mengganti Dataset dengan Contoh Lain

Setelah memahami contoh rumah, siswa dapat mengganti masalah dengan contoh yang lebih dekat dengan kehidupan sehari-hari.

Contoh: Jam Belajar → Nilai

import pandas as pd

data = {
    "jam_belajar": [1, 2, 3, 4, 5, 6, 7, 8],
    "nilai": [55, 60, 68, 72, 78, 84, 88, 92]
}

df = pd.DataFrame(data)

display(df)

Kemudian ubah bagian feature dan target:

X = df[["jam_belajar"]]
y = df["nilai"]

Setelah itu, langkah train_test_split(), LinearRegression(), fit(), predict(), dan evaluasi dapat digunakan kembali.

🧩 Mengapa Data Training Harus Mewakili Kondisi Sebenarnya?

Model belajar dari data. Jika data training terlalu sedikit, terlalu sempit, atau berbeda jauh dari kondisi ketika model digunakan, hasil prediksi dapat menjadi kurang sesuai.

Contoh sederhana

Misalnya kita membuat model harga rumah hanya menggunakan rumah dengan luas 40–100 m² di satu wilayah. Kemudian model digunakan untuk memprediksi rumah 500 m² di wilayah yang sangat berbeda. Model mungkin tidak memiliki cukup informasi untuk membuat prediksi yang dapat diandalkan.

Pertanyaan utama

Apa yang terjadi jika data training yang digunakan tidak mewakili kondisi sebenarnya?

Model dapat menghasilkan prediksi yang kurang akurat atau kurang sesuai ketika digunakan pada kondisi nyata. Karena itu, kualitas dan keterwakilan data merupakan bagian penting dari Machine Learning.

📝 5 Latihan Soal

🛠️ 5 Tugas Praktik

Checklist Pengumpulan

💭 Pertanyaan Refleksi

1. Apa perbedaan utama Regression dan Classification?
2. Mengapa harga rumah termasuk target berbentuk angka?
3. Apa fungsi data training?
4. Apa fungsi data testing?
5. Apa arti sederhana MAE dalam hasil evaluasi?
6. Mengapa kita perlu melihat grafik selain angka evaluasi?
7. Apa yang terjadi jika dataset terlalu sedikit?
8. Apa yang terjadi jika data training tidak mewakili kondisi sebenarnya?
9. Mengapa memprediksi jauh di luar rentang data training dapat berisiko?
10. Menurutmu, apa saja data tambahan yang dapat membuat prediksi harga rumah menjadi lebih realistis?

📌 Ringkasan

1. Regression digunakan untuk memprediksi nilai berbentuk angka.
2. Contohnya adalah luas rumah → harga rumah dan jam belajar → nilai.
3. Feature (X) adalah data masukan yang digunakan untuk membuat prediksi.
4. Target (y) adalah nilai yang ingin diprediksi.
5. Data dapat dibagi menjadi training dan testing.
6. Linear Regression dapat digunakan sebagai model sederhana untuk mempelajari hubungan antarvariabel.
7. Model dapat digunakan untuk membuat prediksi pada data baru.
8. MAE membantu mengukur rata-rata kesalahan absolut prediksi.
9. R² memberikan ukuran tambahan tentang seberapa baik variasi target dijelaskan model pada data evaluasi.
10. Visualisasi membantu memahami hubungan data dan hasil model.
11. Data training harus cukup relevan dan mewakili kondisi penggunaan.
12. Prediksi Machine Learning adalah perkiraan berdasarkan data, bukan jaminan nilai sebenarnya.

🚀 Tantangan Tambahan

Setelah menyelesaikan proyek, coba ubah kasus dari satu feature menjadi beberapa feature.

Contoh prediksi harga rumah menggunakan:

• luas rumah,
• jumlah kamar,
• umur bangunan.

Diskusikan: apakah menambahkan feature selalu membuat model menjadi lebih baik? Bagaimana cara membuktikannya dengan data testing?

📚 Google Colab

Gunakan Google Colab untuk menjalankan seluruh contoh Python pada materi ini.

Materi Pembelajaran Koding dan Kecerdasan Artifisial • Machine Learning • Regression • Python • Google Colab