Mengenal Logistic Regression dan Macam-macam Regresi

Apabila Anda ingin melakukan prediksi untuk sebuah business question, ada banyak model yang dapat digunakan. Salah satunya adalah menggunakan Logistic Regression yang berada di dalam bagian Regression Model. Nah, kira-kira kalian sudah kenal dan paham belum nih sama Logistic Regression? Yuk kita cek penjelasan di bawah ini!

Macam-macam Regresi

Sebelum mengenal Logistic Regression, alangkah lebih baik jika kita juga mengenal macam-macam regresi lainnya, yaitu Linear Regression dan Multiple Regression.

1. Linear Regression

Linear Regression merupakan model yang digunakan dari 2 variabel saja. Pada contoh kasus ini, variabelnya adalah berat dan ukuran. Lalu, kita dapat membuat garis putus-putus seperti gambar di bawah sehingga dapat digunakan untuk beberapa hal seperti:

• Menghitung dan menentukan RSquare apabila berat dan ukuran memiliki korelasi.
• Menghitung p-value untuk menentukan nilai RSquare apabila mengalami perubahan statistik yang signifikan.
• Menggunakan garis untuk memprediksi ukuran yang dipengaruhi berat

2. Multiple Regression

Multiple Regression tidak jauh berbeda dengan regresi biasanya namun terdapat tambahan variabel volume untuk memprediksi dalam kasus ini. Adanya tambahan variabel tersebut dapat digunakan untuk beberapa hal seperti:

• Menghitung RSquare.
• Menghitung p-value.
• Memprediksi ukuran yang dipengaruhi berat dan blood volume.

3. Logistic Regression

Logistic Regression mirip dengan Linear Regression, namun Logistic Regression lebih digunakan untuk memprediksi seperti True/False, Yes/No atau lainnya dibandingkan memprediksi ukuran seperti pada linear regression.

Logistic Regression juga dapat digunakan untuk memprediksi data berkelanjutan menggunakan variabel tambahan lainnya. Pada kasus ini dapat dilihat tidak hanya variabel berat namun juga dapat ditambahkan umur, genotype dan astrological sign.

Kemudian variabel-variabel yang ada tentunya akan dihitung, setelah itu dapat dilakukan test. Apabila terdapat perubahan secara signifikan dari 0 menuju 1 maka dapat dikatakan bahwa variabel yang digunakan cukup berpengaruh bagi hasil prediksi. Namun apabila tidak, berarti variabel yang digunakan tidak berpengaruh dan sebaiknya tidak perlu untuk digunakan.

Perbedaan Antara Linear dan Logistic Regression

Perbedaan antara Linear Regression dan Logistic Regression yaitu:

1. Linear Regression menerapkan konsep residual sementara Logistic Regression tidak menerapkan konsep residual
2. Linear Regression menggunakan least square sementara Logistic Regression tidak dapat menggunakan least square
3. Linear Regression dapat menghitung RSquare sementara Logistic Regression tidak dapat menghitung RSquare

Kesimpulan

Logistic Regression dengan model regresi lainnya tentunya memiliki perbedaan dari mulai bentuk dan hasil prediksi yang akan release namun hal tersebut tidaklah menjadi masalah sebab kita dapat memanfaatkannya sesuai dengan kebutuhan yang diperlukan.

Jika Anda ingin mempelajari Logistic Regression lebih lajut atau ingin mendalami data science, segera bergabung bersama Algoritma Data Science School. Algoritma terkenal dengan kurikulum yang kompherensif dan dibimbing langsung oleh instruktur data science yang kompeten.

Aldina Anjani