add:linear regression

# Deskripsi (Description)



Pada kode **Least Square Method Linear Regression** ini, saya telah melakukan beberapa perubahan dan penambahan untuk meningkatkan keterbacaan, efisiensi, dan struktur program. Berikut adalah perubahan yang dilakukan:

### **1. Menambahkan Struct `DataStatistic`**
- Dibuat untuk menyimpan hasil kalkulasi statistik seperti:
  - `SumX`: Jumlah total elemen pada dataset independen.
  - `SumY`: Jumlah total elemen pada dataset dependen.
  - `Xsquared`: Total kuadrat elemen independen.
  - `Ysquared`: Total kuadrat elemen dependen.
  - `multiply`: Total hasil perkalian elemen independen dan dependen.
- Hal ini dilakukan untuk mempermudah passing data antar fungsi tanpa harus menghitung ulang.

---

### **2. Memecah Perhitungan ke dalam Beberapa Fungsi Void**
- **`sum()`**: Menghitung jumlah total elemen dalam dataset `independen` dan `dependen` lalu menyimpan hasilnya di `stats`.
- **`Squared()`**: Menghitung kuadrat setiap elemen dataset `independen` dan `dependen` menggunakan metode manual dan fungsi bawaan `pow()` dari STL.
- **`multiple()`**: Menghitung hasil perkalian elemen `independen` dan `dependen` serta menjumlahkan totalnya.
- **`LinearRegression()`**: Menghitung slope (kemiringan) dan intercept (titik potong) berdasarkan data statistik yang telah dihitung sebelumnya.
  
Pemecahan ini dilakukan untuk meningkatkan modularitas kode, sehingga fungsi menjadi lebih spesifik dan mudah dipahami.

---

# Checklist:
##### Umum:
- [x] Saya menambah algoritma terbaru.
##### Contributor Requirements (Syarat Kontributor) dan Lain-Lain:
 - [x] Saya sudah membaca (I have read) [CONTRIBUTING](https://github.com/bellshade/CPP/blob/main/CONTRIBUTING.md) dan sudah menyetujui semua syarat.
 - [x] Saya telah menambahkan komentar kode yang memberikan penjelasan maksud dari kode yang saya buat.
 - [x] Saya menggunakan bahasa Indonesia untuk memberikan penjelasan dari kode yang saya buat.

# Environment
Saya menggunakan (I'm using):

- ``OS`` = `Linux` 
- ``g++`` =  '14.0'



This Commit License
https://github.com/bellshade/CPP/blob/main/license

Co-authored-by: bellshadebot <bellshade07@gmail.com>

Author: yusuf601

math/linear_regression.cpp

@@ -0,0 +1,116 @@
+#include <iostream>
+#include <cmath>
+#include <vector>
+
+/*pilihan pertama buat dalam 1 void function 
+pilihan kedua adalah buat dalam beberapa void
+ function di ikuti dengan penggunaaan struct
+*/
+// sumber soal: https://mathcyber1997.com/regresi-linear-sederhana/ - > nomor 1 
+struct DataStatistic{
+    float SumX;
+    float SumY;
+    float Xsquared;
+    float Ysquared;
+    float multiply;
+};
+void Squared(std::vector<float>& independen, std::vector<float>& dependen,DataStatistic &stats){
+    // bisa menggunakan pow bawaan STL cmath atau langsung dengan metode manual
+    //contoh menggunakan pow
+    float SumSquared = 0;
+    float XSquared;
+    for(int i = 0; i <= independen.size() - 1; i++){
+        XSquared = pow(independen[i],2);  // variabel ,pangkat
+        SumSquared += XSquared;
+    }
+    stats.Xsquared = SumSquared;
+    std::cout << "Hasil X squared " << stats.Xsquared << std::endl;
+    //contoh metode manual
+    float SumYSquared = 0;
+    float Ysquared;
+    for(int i = 0; i <= dependen.size() - 1;i++){
+        Ysquared = dependen[i] * dependen[i];
+        SumYSquared = SumYSquared + Ysquared; // bisa juga dengan +=
+    }
+    stats.Ysquared = SumYSquared;
+    std::cout << "Hasil Y squared " << stats.Ysquared << std::endl;
+
+}
+void sum(std::vector<float>& independen, std::vector<float>& dependen,DataStatistic &stats){
+    float sumx = 0;
+    float sumy = 0;
+    for(int i = 0; i <= independen.size() - 1;i++){
+        // karena panjang data sama maka cukup 1 for loop
+        sumx += independen[i];
+        sumy += dependen[i];
+    }
+    stats.SumX = sumx;
+    stats.SumY = sumy;
+    std::cout << "SumX: " << stats.SumX << std::endl;
+    std::cout << "SumY: " << stats.SumY << std::endl;
+}
+void multiple(std::vector<float>& independen, std::vector<float>& dependen,DataStatistic &stats){
+    float multiply;
+    float SumMultiply = 0;
+    for(int i = 0; i <= independen.size() - 1; i++){
+        multiply = independen[i] * dependen[i];
+        SumMultiply += multiply;
+    }
+    stats.multiply = SumMultiply;
+    std::cout << "Hasil Kali: " << stats.multiply << std::endl;
+}
+
+
+void LinearRegression(std::vector<float>& independen, std::vector<float>& dependen,DataStatistic &stats){
+    double SumSquareXX;
+    double SumSquareXY;
+
+
+    SumSquareXY = stats.multiply - ((stats.SumX * stats.SumY)/ independen.size());
+    SumSquareXX = stats.Xsquared - (pow(stats.SumX,2)/independen.size());
+    // print untuk memastikan hasil nya benar
+    std::cout << "Hasil SumSquareXY: " << SumSquareXY << std::endl;
+    std::cout << "Hasil SumSquareXX: " << SumSquareXX << std::endl;
+
+
+    // b0 = intercept
+    // b1 = gradient atau slope
+
+    double Slope,Intercept;
+
+    Slope = SumSquareXY / SumSquareXX;
+
+    Intercept = (stats.SumY - (Slope * stats.SumX)) / independen.size();
+
+    std::cout << "Model Regresi Linear = " << Intercept << " + " << Slope << "x ";
+}
+
+int main(){
+    DataStatistic stats;
+    std::vector<float> independen = {1,1.1,1.2,1.3,1.4,1.5,1.6,1.7,1.8,1.9,2};
+    std::vector<float> dependen = {8.1,7.8,8.5,9.8,9.5,8.9,8.6,10.2,9.3,9.2,10.5};
+    int count,IndependenValue,DependenValue;
+
+    //karena tahap production kita akan memakai data yg sudah ada saja
+    //anda dapat men uncomment code dibawah dan menghapus data pada vector dependen dan dependen
+
+
+
+    // std::cout << "Masukkan panjang data: ";
+    // std::cin >> count;
+    // for(int i = 0; i <= count - 1; i++){
+    //     std::cout << "Masukkan data x: ";
+    //     std::cin >> IndependenValue;
+    //     independen.push_back(IndependenValue);
+    //     std::cout << "Masukkan data y: ";
+    //     std::cin >> DependenValue;
+    //     dependen.push_back(DependenValue);
+    // }
+    float sum_x = independen.size();
+    float sum_y = dependen.size();
+    sum(independen,dependen,stats);
+    Squared(independen,dependen,stats);
+    multiple(independen,dependen,stats);
+    LinearRegression(independen,dependen,stats);
+    std::cin.get();
+}