Module Question 4
- 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 dibuat sesuai dengan 4 Standarisasi iDu yang terdiri dari Pertanyaan, Status, Keterangan, Bukti (berupa link iMe BisDi).
Status : 100%
Keterangan : Saya telah mengerjakan tugas dengan baik dan benar
Bukti :
- Jelaskan tujuan regresi linear menggunakan persamaan y=mx+b. Apa yang direpresentasikan oleh m dan b?
- Apa perbedaan utama antara keluaran (output) model regresi dan model klasifikasi?
- Bagaimana cara pohon keputusan (*decision tree*) melakukan prediksi?
- Berikan contoh masalah bisnis yang dapat diselesaikan dengan klasifikasi (misalnya, deteksi spam).
Jawaban:
- Linear regression adalah metode AI yang digunakan untuk memperkirakan nilai, misalnya harga barang atau pendapatan. Dalam rumus y=mx+b, y adalah hasil prediksi, x adalah data yang digunakan, m adalah kemiringan garis yang menunjukkan perubahan nilai, dan b adalah nilai awal ketika x=0.
- Regression menghasilkan angka, seperti perkiraan harga rumah sebesar Rp300 juta. Sedangkan classification menghasilkan kategori atau kelompok, seperti menentukan apakah email termasuk spam atau bukan spam.
- Decision tree membuat prediksi dengan menjawab serangkaian pertanyaan berdasarkan data.
- Contohnya adalah toko online yang ingin mengetahui apakah pelanggan berpotensi membeli produk atau tidak. AI akan mempelajari data pelanggan sebelumnya, seperti riwayat pembelian dan aktivitas saat melihat produk. Hasilnya digunakan untuk mengelompokkan pelanggan agar toko bisa menentukan strategi promosi yang lebih tepat.