{"id":1183,"date":"2023-07-27T09:18:03","date_gmt":"2023-07-27T09:18:03","guid":{"rendered":"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/"},"modified":"2023-07-27T09:18:03","modified_gmt":"2023-07-27T09:18:03","slug":"seleksi-secara-bertahap","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/","title":{"rendered":"Apa itu seleksi bertahap? (penjelasan &amp; contoh)"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Di bidang pembelajaran mesin, tujuan kami adalah membuat model yang dapat secara efektif menggunakan sekumpulan variabel prediktor untuk memprediksi nilai <a href=\"https:\/\/statorials.org\/id\/variabel-tanggapan-penjelas\/\" target=\"_blank\" rel=\"noopener noreferrer\">variabel respons<\/a> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Mengingat sekumpulan <em>p<\/em> variabel prediktor total, ada banyak model yang berpotensi kita buat.<\/span> <span style=\"color: #000000;\">Salah satu metode yang dapat kita gunakan untuk memilih model terbaik dikenal sebagai <a href=\"https:\/\/statorials.org\/id\/pilihan-subset-terbaik\/\" target=\"_blank\" rel=\"noopener noreferrer\">pemilihan subset terbaik<\/a> , yang berupaya memilih model terbaik dari <em>semua<\/em> kemungkinan model yang dapat dibangun dengan kumpulan prediktor.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Sayangnya metode ini mempunyai dua kelemahan:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Hal ini dapat menjadi komputasi yang intens. Untuk sekumpulan variabel prediktor <em>p<\/em> , terdapat 2 <sup>p<\/sup> model yang mungkin. Misalnya, dengan 10 variabel prediktor, terdapat 2 <sup>10<\/sup> = 1000 model yang mungkin untuk dipertimbangkan.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Karena mempertimbangkan jumlah model yang sangat besar, hal ini berpotensi menemukan model yang berperforma baik pada data pelatihan, namun tidak pada data mendatang. Hal ini dapat menyebabkan <a href=\"https:\/\/statorials.org\/id\/pembelajaran-mesin-yang-berlebihan\/\" target=\"_blank\" rel=\"noopener noreferrer\">overfitting<\/a> .<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Alternatif untuk memilih subset terbaik dikenal sebagai <strong>seleksi bertahap<\/strong> , yang membandingkan kumpulan model yang jauh lebih kecil.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ada dua jenis metode pemilihan langkah: pemilihan langkah maju dan pemilihan langkah mundur.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Seleksi maju selangkah demi selangkah<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Seleksi maju selangkah demi selangkah berfungsi sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Misalkan M <sub>0<\/sub> adalah model nol yang tidak mengandung variabel prediktif.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Untuk k = 0, 2,\u2026 p-1:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Cocokkan semua model pk yang meningkatkan prediktor dalam M <sub>k<\/sub> dengan variabel prediktor tambahan.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Pilih yang terbaik di antara model pk ini dan beri nama M <sub>k+1<\/sub> . Definisikan \u201cterbaik\u201d sebagai model dengan R <sup>2<\/sup> tertinggi atau, setara dengan RSS terendah.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Pilih satu model terbaik dari M <sub>0<\/sub> \u2026 M <sub>p<\/sub> menggunakan kesalahan prediksi validasi silang, Cp, BIC, AIC atau R <sup>2<\/sup> yang disesuaikan.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Seleksi mundur selangkah demi selangkah<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Pemilihan langkah mundur berfungsi sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1.<\/strong> Misalkan M <sub>p<\/sub> adalah model lengkap yang memuat semua <em>p<\/em> variabel prediktif.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2.<\/strong> Untuk k = p, p-1, \u2026 1:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Cocokkan semua k model yang berisi semua kecuali satu prediktor dalam <sub>Mk<\/sub> , untuk total k-1 variabel prediktor.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Pilih yang terbaik di antara k model ini dan beri nama M <sub>k-1<\/sub> . Definisikan \u201cterbaik\u201d sebagai model dengan R <sup>2<\/sup> tertinggi atau, setara dengan RSS terendah.<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\"><strong>3.<\/strong> Pilih satu model terbaik dari M <sub>0<\/sub> \u2026 M <sub>p<\/sub> menggunakan kesalahan prediksi validasi silang, Cp, BIC, AIC atau R <sup>2<\/sup> yang disesuaikan.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Kriteria untuk memilih model \u201cterbaik\u201d.<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Langkah terakhir dari seleksi maju dan mundur bertahap adalah memilih model dengan kesalahan prediksi terendah, Cp terendah, BIC terendah, AIC terendah tertinggi, atau <sup>R2<\/sup> disesuaikan tertinggi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Berikut rumus yang digunakan untuk menghitung masing-masing metrik tersebut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Cp:<\/strong> (RSS+2d\u03c3\u0302) \/ n<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>AIC:<\/strong> (RSS+2d\u03c3\u0302 <sup>2<\/sup> ) \/ (n\u03c3\u0302 <sup>2<\/sup> )<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>BIC:<\/strong> (RSS+log(n)d\u03c3\u0302 <sup>2<\/sup> ) \/ n<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>R <sup>2<\/sup> disesuaikan:<\/strong> 1 \u2013 ( (RSS \/ (nd-1)) \/ (TSS \/ (n-1)) )<\/span><\/p>\n<p> <span style=\"color: #000000;\">Emas:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\"><strong>d:<\/strong> Jumlah prediktor<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>n:<\/strong> Jumlah pengamatan<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>\u03c3\u0302:<\/strong> Estimasi varians kesalahan yang terkait dengan setiap ukuran respons dalam model regresi<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>RSS:<\/strong> Jumlah sisa kuadrat dari model regresi<\/span><\/li>\n<li> <span style=\"color: #000000;\"><strong>TSS:<\/strong> Jumlah total kuadrat model regresi<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Keuntungan dan kerugian seleksi bertahap<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Seleksi bertahap menawarkan <strong>keuntungan<\/strong> sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\">Metode ini lebih efisien secara komputasi dibandingkan memilih subset terbaik. Mengingat variabel prediktor <em>p<\/em> , pemilihan subset terbaik harus sesuai dengan model 2 <sup>p<\/sup> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Sebaliknya, pemilihan bertahap seharusnya hanya sesuai dengan model 1+p(p+ 1)\/2. Untuk p = 10 variabel prediktor, pemilihan subset terbaik harus sesuai dengan 1.000 model, sedangkan pemilihan bertahap hanya sesuai dengan 56 model.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, seleksi bertahap mempunyai <strong>potensi kerugian sebagai berikut:<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Tidak ada jaminan untuk menemukan model terbaik di antara semua model <sup>2p<\/sup> potensial.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, kita memiliki kumpulan data dengan p = 3 prediktor. Model satu prediksi terbaik mungkin berisi x <sub>1<\/sub> dan model dua prediksi terbaik mungkin berisi x <sub>1<\/sub> dan x <sub>2<\/sub> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dalam hal ini, seleksi maju bertahap akan gagal dalam memilih model dua prediktor terbaik karena M <sub>1<\/sub> akan berisi x <sub>1<\/sub> , sehingga M <sub>2<\/sub> juga harus berisi x <sub>1<\/sub> serta variabel lainnya.<\/span><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Di bidang pembelajaran mesin, tujuan kami adalah membuat model yang dapat secara efektif menggunakan sekumpulan variabel prediktor untuk memprediksi nilai variabel respons . Mengingat sekumpulan p variabel prediktor total, ada banyak model yang berpotensi kita buat. Salah satu metode yang dapat kita gunakan untuk memilih model terbaik dikenal sebagai pemilihan subset terbaik , yang berupaya [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Apa itu seleksi bertahap? (Penjelasan dan contoh)<\/title>\n<meta name=\"description\" content=\"Tutorial ini memberikan penjelasan langkah demi langkah pemilihan model dengan sebuah contoh.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Apa itu seleksi bertahap? (Penjelasan dan contoh)\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini memberikan penjelasan langkah demi langkah pemilihan model dengan sebuah contoh.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T09:18:03+00:00\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/\",\"url\":\"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/\",\"name\":\"Apa itu seleksi bertahap? (Penjelasan dan contoh)\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-27T09:18:03+00:00\",\"dateModified\":\"2023-07-27T09:18:03+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini memberikan penjelasan langkah demi langkah pemilihan model dengan sebuah contoh.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Apa itu seleksi bertahap? (penjelasan &amp; contoh)\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Apa itu seleksi bertahap? (Penjelasan dan contoh)","description":"Tutorial ini memberikan penjelasan langkah demi langkah pemilihan model dengan sebuah contoh.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/","og_locale":"id_ID","og_type":"article","og_title":"Apa itu seleksi bertahap? (Penjelasan dan contoh)","og_description":"Tutorial ini memberikan penjelasan langkah demi langkah pemilihan model dengan sebuah contoh.","og_url":"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/","og_site_name":"Statorials","article_published_time":"2023-07-27T09:18:03+00:00","author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"3 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/","url":"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/","name":"Apa itu seleksi bertahap? (Penjelasan dan contoh)","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-27T09:18:03+00:00","dateModified":"2023-07-27T09:18:03+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini memberikan penjelasan langkah demi langkah pemilihan model dengan sebuah contoh.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/seleksi-secara-bertahap\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Apa itu seleksi bertahap? (penjelasan &amp; contoh)"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1183"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=1183"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1183\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=1183"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=1183"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=1183"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}