Penerapan Regresi Linear Ganda Untuk Memprediksi Hasil Nilai Kuesioner Mahasiswa Dengan Menggunakan Python
Keywords:
regresi, linear, phyton, google colab, dataAbstract
Salah satu aktivitas yang rutin diselenggarakan pada proses akademik adalah pengisian kuesioner yang dilakukan mahasiswa. Salah satu item dalam kuesioner adalah umpan balik untuk dosen dalam melaksanakan proses pembelajaran. Mahasiswa mengisi form yang sudah disediakan. Dan hasil kuesioner ini akan menghasilkan nilai kinerja dosen dari sisi kuesioner mahasiswa dengan rentang angka 0-4. Penelitian yang ini melakukan pemrosesan analisis prediksi dengan menggunakan regresi linear. Datasheet diolah sesuai dengan data-data yang diperlukan. Data yang digunakan merupakan data hasil kuesioner dari data tahun 2016-2020. Datasheet terdiri dari 7 kolom dan 800 baris. Dari datasheet akan dilakukan pemisahan data. Dari data yang ada, sebanyak 80% akan digunakan untuk data training dan data test sebanyak 20%. Metode penelitian menggunakan metode waterfall. Penelitian diawali dengan analisis sistem dengan melakukan pencarian dan pengumpulan datasheet, desain sistem dilakukan dengan pemisahan data-data yang tidak diperlukan serta koding dan implementasi. Implementasi dalam prediksi hasil kuesioner akan menggunakan Python dengan menggunakan berbagai library, diantaranya Pandas yang digunakan analisis data, Matplotlib digunakan visualisasi data dan Scikit-Learn digunakan dalam proses machine learning. Proses koding menggunakan Google Colab. Hasil penelitian menghasilkan rumus regresi linear y= 0.24743301702419157 X1+ 0.257319654680142 X2 +0.2662633268986068 X3+0.2332290731664389 X4 +9.697801443559612e-05 X5 -1.4522339706890541e-06 X6 dengan nilai koefisien adalah 0.997. Penggunaan Python dengan dukungan library memberikan kemudaham dalam implementasi machine learning khusus regresi linear.
Downloads
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution-ShareAlike 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).