Setiawan, AndriEko (2015) Identifikasi “Overfitting Model” Pada Regresi Linier Dengan Menggunakan “Predicted R-Square”. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis regresi merupakan metode analisis statistik yang untuk menentukan hubungan antara dua variabel atau lebih dengan tujuan untuk membuat prediksi yang dapat dipercaya untuk nilai suatu variabel respon jika nilai variabel prediktor yang berhubungan diketahui. Untuk menentukan kebaikan regresi, lazim kita menggunakan R2 (koefisien determinasi) yang dapat digunakan untuk memprediksi pengaruh variable bebas (predictor) secara keseluruhan terhadap variable terikat (respon) yang diproyeksikan ke dalam peluang, sedangkan sisanya dipengaruhi oleh variabel bebas yang tidak dimasukkan ke dalam model. Model dianggap baik apabila koefisien determinasi sama dengan satu atau mendekati satu. Adjusted R2 merupakan pengembangan dan modifikasi dari R2. Interpretasinya sama dengan R2, akan tetapi nilai Adjusted R2 dapat naik atau turun dengan adanya penambahan variabel baru, tergantung dari korelasi antara variabel bebas tambahan tersebut dengan variabel terikatnya. Namun dalam penerapannya kedua indikator statistik ini belum dapat mendeteksi kebaikan model ketika mengalami overfitting. Overfitting model adalah suatu kejadian di mana jumlah parameter yang masuk ke dalam model terlalu besar dibandingkan dengan ukuran data yang digunakan untuk membangun model. Model tersebut menghasilkan galat yang sangat kecil untuk data set, namun galat yang besar untuk data validasi. Dalam kondisi seperti ini akan menghasilkan nilai R2 yang tinggi, sehingga menghasilkan kemampuan untuk membuat prediksi yang kurang akurat dan tidak dapat diandalkan. Untuk mengatasi ini, Predicted R2 dianggap sebagai pilihan yang baik untuk melengkapi R2 maupun Adjusted R2 untuk mendeteksi model apabila terjadi overfitting. Karena adjusted R2 dan R2 selalu tinggi meskipun model mengalami overfitting, maka predicted R2 akan menurunkan nilainya secara signifikan untuk mendeteksi kebaikan model ketika mengalami overfitting.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2015/324/051509185 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Indah Nurul Afifah |
| Date Deposited: | 18 Jan 2016 15:21 |
| Last Modified: | 18 Jan 2016 15:21 |
| URI: | http://repository.ub.ac.id/id/eprint/154366 |
Actions (login required)
 |
View Item |