Module Question 4 Artificial Intelligence 26/27 – BD107
Pertanyaan
- Explain the goal of linear regression using the equation $y = mx + b$. What do $m$ and $b$ represent?
- What is the primary difference in the output of a regression model versus a classification model?
- How does a decision tree make a prediction?
- Give an example of a business problem that could be solved with classification (e.g., spam detection)
Jawaban
- Tujuan regresi linear adalah mencari garis lurus terbaik untuk memprediksi nilai masa depan. Rumusnya $y = mx + b$, di mana $y$ adalah hasil yang diprediksi, $m$ adalah kemiringan garis (slope), dan $b$ adalah titik potong (intercept) saat nilai $x$ bernilai 0
- Model regresi menghasilkan output angka kontinu (seperti prediksi harga atau suhu), sedangkan model klasifikasi menghasilkan output berupa kategori atau kelas (seperti spam atau bukan spam).
- Decision tree membuat prediksi dengan membagi data menggunakan urutan aturan logika (if- then), dimulai dari cabang atas hingga sampai ke ujung cabang yang menentukan hasil akhir.
- Contohnya adalah memprediksi Customer Churn (pelanggan yang mau berhenti berlangganan). Sistem membagi pengguna ke kategori “Tetap Berlangganan” atau “Berpotensi Berhenti” agar perusahaan bisa memberi penawaran khusus.
Keterangan : 100% sudah menyelesaikan dengan 4 soal