Perancangan Sistem

1. Desain Sistem

Aplikasi ini dirancang menggunakan bahasa pemrograman R dengan framework Shiny, yang memungkinkan pengguna membangun aplikasi web interaktif secara cepat dan efisien.

Desain sistem terdiri dari dua komponen utama, yaitu:

  • UI (User Interface): Merancang tampilan antarmuka pengguna dengan tema flatly, navigasi menggunakan navbarPage, dan lima tab utama untuk mengelola alur kerja regresi linier.
  • Server Logic: Menangani seluruh pemrosesan seperti pembacaan data, visualisasi, pelatihan model, prediksi, dan penyimpanan model.

Penerapan desain ini bertujuan untuk memberikan pengalaman interaktif dalam analisis data numerik menggunakan regresi linier.

2. Alur Sistem

Secara umum, alur kerja aplikasi dibagi menjadi beberapa tahap utama sebagai berikut:

  1. Upload Data Training:
    Pengguna mengunggah dataset pelatihan dalam format .csv, yang kemudian ditampilkan dalam bentuk tabel dan ringkasan statistik.

  2. Eksplorasi Korelasi:
    Variabel numerik dipilih untuk ditampilkan dalam bentuk matriks korelasi dengan visualisasi heatmap.

  3. Visualisasi Eksploratif:
    Scatterplot antara dua variabel (X dan Y) ditampilkan untuk mengamati hubungan visual antar variabel.

  4. Pelatihan Model Regresi:
    Pengguna memilih variabel target dan prediktor, melatih model regresi linier, lalu menyimpannya sebagai file .rds.

  5. Prediksi Data Baru:
    Dataset testing diunggah, lalu digunakan untuk menghasilkan prediksi berdasarkan model yang telah disimpan.

  6. Unduh Model:
    Model regresi yang telah dilatih dapat diunduh langsung oleh pengguna melalui tombol simpan.

Alur ini mencerminkan tahapan umum dalam proses pemodelan regresi linier: mulai dari eksplorasi data hingga evaluasi dan prediksi.

3. Fungsionalitas Sistem

Aplikasi memiliki lima tab utama, masing-masing dengan fungsionalitas berikut:

  • Data Preview: Menampilkan data training dan ringkasan statistik secara interaktif.
  • Correlation Matrix: Menampilkan hubungan antar variabel numerik dalam bentuk heatmap korelasi.
  • Exploratory Analysis: Menyediakan scatterplot dinamis antar variabel untuk eksplorasi hubungan visual.
  • Model Regresi: Melatih model regresi linier berdasarkan input variabel yang dipilih, menampilkan ringkasan model dan visualisasi hasil prediksi.
  • Prediksi Data Baru: Mengunggah data testing, memprediksi hasil menggunakan model .rds, dan menampilkan hasil prediksi secara interaktif.

Fungsionalitas lain meliputi: - Validasi input dan struktur data - Penyesuaian otomatis terhadap tipe data - Simpan dan baca ulang model regresi dengan saveRDS() dan readRDS()

Seluruh fungsi ini dirancang agar fleksibel digunakan untuk berbagai dataset numerik dan ramah bagi pengguna non-programmer seperti dosen atau mahasiswa.