Hello Kaum Berotak! Apakah kamu sedang belajar tentang regresi linier? Jika iya, pasti kamu sudah tahu tentang SSE atau Sum of Squared Errors. SSE merupakan salah satu metode untuk menghitung kesalahan residual dalam regresi. Dalam artikel ini, kita akan membahas lebih lanjut tentang rumus SSE dan bagaimana cara menghitungnya dengan mudah.
Apa Itu SSE?
SSE adalah singkatan dari Sum of Squared Errors atau jumlah kesalahan residual yang dikuadratkan. Kesalahan residual sendiri adalah selisih antara nilai aktual dan nilai yang diprediksi oleh model regresi. Dalam regresi linier, SSE dihitung dengan menjumlahkan selisih kuadrat antara nilai aktual dan nilai prediksi untuk setiap titik data yang ada. Rumusnya adalah sebagai berikut:
SSE = ∑(yi – ŷi)²
di mana yi adalah nilai aktual dari variabel dependen, ŷi adalah nilai yang diprediksi oleh model regresi, dan ∑ adalah simbol sigma yang berarti penjumlahan.
Kenapa SSE Penting?
SSE adalah salah satu ukuran untuk mengukur seberapa baik model regresi kita dalam memprediksi nilai variabel dependen. Semakin kecil SSE, semakin baik model regresi kita dalam mengikuti pola data yang ada. Oleh karena itu, SSE sering digunakan sebagai salah satu kriteria untuk memilih model regresi yang terbaik.
Bagaimana Cara Menghitung SSE?
Untuk menghitung SSE, kita perlu memiliki data yang lengkap terlebih dahulu. Misalnya, kita memiliki data berikut:
| X | Y |
|---|---|
| 1 | 2 |
| 2 | 4 |
| 3 | 6 |
| 4 | 8 |
Dari data di atas, kita ingin membuat model regresi untuk memprediksi nilai Y berdasarkan nilai X. Berikut adalah rumus regresi linier sederhana:
ŷ = a + bX
di mana ŷ adalah nilai yang diprediksi, a adalah nilai konstanta, b adalah koefisien regresi, dan X adalah variabel independen.
Untuk menghitung SSE, kita perlu memprediksi nilai Y menggunakan rumus regresi di atas dan kemudian menghitung selisih kuadrat antara nilai aktual dan nilai yang diprediksi. Berikut adalah contohnya:
| X | Y | ŷ | yi – ŷi | (yi – ŷi)² |
|---|---|---|---|---|
| 1 | 2 | 3 | -1 | 1 |
| 2 | 4 | 5 | -1 | 1 |
| 3 | 6 | 7 | -1 | 1 |
| 4 | 8 | 9 | -1 | 1 |
| Total | 4 |
Dari tabel di atas, kita bisa menghitung SSE dengan menjumlahkan semua nilai (yi – ŷi)², yang dalam contoh ini adalah 4. Oleh karena itu, SSE dari model regresi di atas adalah 4.
Kesimpulan
SSE adalah salah satu metode untuk menghitung kesalahan residual dalam regresi. Semakin kecil nilai SSE, semakin baik model regresi kita dalam mengikuti pola data yang ada. Untuk menghitung SSE, kita perlu memprediksi nilai Y menggunakan rumus regresi dan kemudian menghitung selisih kuadrat antara nilai aktual dan nilai yang diprediksi. Dengan memahami rumus SSE, kita bisa lebih mudah memilih model regresi yang terbaik untuk data yang kita miliki.
Sampai Jumpa Kembali di Artikel Menarik Lainnya
