Angles and Orthogonality

---

Nama Mahasiswa: Nabil Ulwan Muhammad Caesar

NIM: ‘220605110127’

Kelas: B

Matkul: Linear Algebra

Dosen Pengampu: Prof. Dr. Suhartono, M.Kom

Jurusan: Teknik Informatika

Lembaga: Universitas Islam Negeri Maulana Malik Ibrahim Malang

Kami menerapkan Orthogonal Distance Regression (ODR) untuk menemukan pemasangan yang “terbaik”. bidang linier di R^2 untuk memprediksi “Salary”(gaji) dari “Hits” dan “AtBat”. pemain baseball berdasarkan kumpulan data “Hitters” dari paket ISLR [24]. ODR adalah analisis regresi untuk kumpulan data dalam R^d yang mencoba untuk menemukan bidang linier sehingga jumlah kuadrat jarak antara masing-masing titik data dan proyeksinya pada bidang linier diminimalkan dari semua kemungkinan bidang linier di R^d.

Pertama kita unggah paket ISLR dan kumpulan datanya. Kemudian, sejak ada ada beberapa nilai yang hilang, kami menggunakan fungsi na/omit() untuk menghapus semua yang hilang nilai-nilai

library(ISLR)

## Warning: package 'ISLR' was built under R version 4.2.3

data(Hitters)
D <- na.omit(Hitters)

library(pracma)

## Warning: package 'pracma' was built under R version 4.2.3

res <- odregress(as.matrix(D[,1:2]), as.matrix(D$Salary))

Kemudian kita akan menggunakan fungsi odregress() dari paket pracma:

 res$coeff

## [1]  -43.53176  150.65796 1861.91571

Fungsi as.maxtrix() membuat kumpulan data menjadi matriks numerik. Itu argumen pertama dari fungsi odregress() adalah satu set variabel independen. Dalam hal ini mereka adalah “AtBat” (kolom pertama dari data) dan “Hits” (kolom kedua data). Argumen kedua dari fungsi tersebut adalah the variabel tak bebas. Dalam hal ini adalah “Gaji”. Kemudian jika Anda mengetik “res$coeff” yang menampilkan koefisien linier pesawat.

Sumber Referensi: Ruriko Yoshida - Linear Algebra and its Application with R