Pengenalan Regression

Pada modul ini membahas dasar regresi sebagai metode penting dalam data science untuk memprediksi nilai numerik dari data historis. Dengan menganalisis hubungan antara variabel independen dan dependen dalam bentuk persamaan matematis, regresi membantu memahami pola sekaligus memperkirakan nilai di masa depan. Peserta akan diperkenalkan pada Linear Regression dan Polynomial Regression serta penerapannya dalam analisis time series prediction.

Pengenalan Regression

Pada modul ini membahas dasar regresi sebagai metode penting dalam data science untuk memprediksi nilai numerik dari data historis. Dengan menganalisis hubungan antara variabel independen dan dependen dalam bentuk persamaan matematis, regresi membantu memahami pola sekaligus memperkirakan nilai di masa depan. Peserta akan diperkenalkan pada Linear Regression dan Polynomial Regression serta penerapannya dalam analisis time series prediction.

Lasso & Ridge Regularization

Pada modul ini membahas konsep regularisasi dalam regresi sebagai teknik untuk mengontrol kompleksitas model dan mencegah overfitting. Melalui Lasso (L1) dan Ridge (L2) Regularization, peserta akan memahami bagaimana penalti pada koefisien regresi dapat menyederhanakan model sekaligus meningkatkan kemampuan generalisasi. Materi ini juga mencakup perbedaan utama kedua metode serta penerapannya dalam analisis time series prediction, sehingga peserta dapat memilih pendekatan yang tepat sesuai karakteristik data.

Lasso & Ridge Regularization

Pada modul ini membahas konsep regularisasi dalam regresi sebagai teknik untuk mengontrol kompleksitas model dan mencegah overfitting. Melalui Lasso (L1) dan Ridge (L2) Regularization, peserta akan memahami bagaimana penalti pada koefisien regresi dapat menyederhanakan model sekaligus meningkatkan kemampuan generalisasi. Materi ini juga mencakup perbedaan utama kedua metode serta penerapannya dalam analisis time series prediction, sehingga peserta dapat memilih pendekatan yang tepat sesuai karakteristik data.

Linear Regression

Pada modul ini membahas Linear Regression sebagai metode dasar untuk memodelkan hubungan antara variabel independen dan dependen dalam bentuk garis lurus. Peserta akan mempelajari konsep, jenis (simple dan multiple linear regression), serta penerapannya dalam time series prediction guna memahami tren historis dan membuat prediksi nilai di masa depan.

Linear Regression

Pada modul ini membahas Linear Regression sebagai metode dasar untuk memodelkan hubungan antara variabel independen dan dependen dalam bentuk garis lurus. Peserta akan mempelajari konsep, jenis (simple dan multiple linear regression), serta penerapannya dalam time series prediction guna memahami tren historis dan membuat prediksi nilai di masa depan.

Polynomial Regression

Pada modul ini membahas Polynomial Regression sebagai pengembangan dari Linear Regression untuk menangani pola hubungan non-linear. Peserta akan mempelajari bagaimana model polinomial mampu menyesuaikan kurva terhadap data yang lebih kompleks, sekaligus memahami risiko overfitting serta penerapannya dalam time series prediction.

Polynomial Regression

Pada modul ini membahas Polynomial Regression sebagai pengembangan dari Linear Regression untuk menangani pola hubungan non-linear. Peserta akan mempelajari bagaimana model polinomial mampu menyesuaikan kurva terhadap data yang lebih kompleks, sekaligus memahami risiko overfitting serta penerapannya dalam time series prediction.

Submission

Modul ini membahas konsep dasar dan penerapan regresi untuk prediksi nilai numerik pada data historis, meliputi Linear Regression untuk pola hubungan linier dan Polynomial Regression untuk pola non-linier. Materi juga mengulas risiko underfitting dan overfitting serta penggunaan regularisasi Lasso dan Ridge untuk meningkatkan stabilitas model. Evaluasi performa dilakukan menggunakan MAE, MSE, RMSE, dan R², disertai interpretasi hasil dan visualisasi prediksi. Secara keseluruhan, modul ini mempersiapkan peserta memahami, membangun, dan mengevaluasi model regresi sebagai dasar pengambilan keputusan berbasis data, khususnya pada konteks time series.

Submission

Modul ini membahas konsep dasar dan penerapan regresi untuk prediksi nilai numerik pada data historis, meliputi Linear Regression untuk pola hubungan linier dan Polynomial Regression untuk pola non-linier. Materi juga mengulas risiko underfitting dan overfitting serta penggunaan regularisasi Lasso dan Ridge untuk meningkatkan stabilitas model. Evaluasi performa dilakukan menggunakan MAE, MSE, RMSE, dan R², disertai interpretasi hasil dan visualisasi prediksi. Secara keseluruhan, modul ini mempersiapkan peserta memahami, membangun, dan mengevaluasi model regresi sebagai dasar pengambilan keputusan berbasis data, khususnya pada konteks time series.