Definisi Mean Squared Error
Mean Squared Error Bertujuan memberi tahu Anda seberapa dekat garis regresi dengan sekumpulan poin. Ini dilakukan dengan mengambil jarak dari titik ke garis regresi (jarak ini adalah “error”) dan mengkuadratkannya. Kuadrat diperlukan untuk menghilangkan tanda-tanda negatif. Ini juga memberi bobot lebih pada perbedaan yang lebih besar. Inilah yang disebut Mean Squared Error .
Contoh Soal Mean Squared Error
Langkah-langkah umum untuk menghitung Mean Squared Error dari sekumpulan nilai X dan Y:
Temukan garis regresi.
- Masukkan nilai X Anda ke dalam persamaan regresi linier untuk mencari nilai Y baru (Y ‘).
- Kurangi nilai Y baru dari aslinya untuk mendapatkan error
- Square the errors.
- Tambahkan error.
- Temukan mean.
Contoh Soal:
Temukan Mean Squared Error untuk kumpulan nilai berikut: (43,41), (44,45), (45,49), (46,47), (47,44).
Langkah 1 :
Temukan garis regresi. Saya menggunakan kalkulator online dan mendapatkan garis regresi y = 9.2 + 0.8x.
Langkah 2:
Temukan nilai Y baru:
9.2 + 0.8(43) = 43.6
9.2 + 0.8(44) = 44.4
9.2 + 0.8(45) = 45.2
9.2 + 0.8(46) = 46
9.2 + 0.8(47) = 46.8
Langkah 3:
Temukan error (Y – Y ‘):
41 – 43.6 = -2.6
45 – 44.4 = 0.6
49 – 45.2 = 3.8
47 – 46 = 1
44 – 46.8 = -2.8
Langkah 4:
Square the Errors:
– 2.62 = 6.76
0.62 = 0.36
3.82 = 14.44
12 = 1
-2.82 = 7.84
Maka Tabel akan menunjukkan hasil seperti berikut ini :
Langkah 5:
Tambahkan semua squared errors ke atas:
6,76 + 0,36 + 14,44 + 1 + 7,84 = 30,4.
Langkah 6:
Temukan mean squared error:
30,4 / 5 = 6,08.