regresi-logistik

Ketahui Apa itu Regresi Logistik dan Jenisnya

Regresi logistik merupakan analisis regresi yang dilakukan ketika variabel dependen bersifat dikotomis (binary). Seperti semua analisis regresi, regresi logistik adalah analisis prediktif. Regresi ini digunakan untuk menggambarkan data dan untuk menjelaskan hubungan antara satu variabel binary dependen dan variabel independen nominal, ordinal, interval, atau rasio.

regresi-logistik
Photo by tibco.com/reference-center/what-is-regression-analysis

Tidak hanya itu, ini digunakan untuk menghitung kemungkinan terjadinya peristiwa binary, dan untuk menangani masalah klasifikasi. Misalnya, memprediksi apakah email yang masuk adalah spam atau bukan. Dalam konteks medis, regresi ini dapat digunakan untuk memprediksi apakah tumor itu jinak atau ganas. Dalam pemasaran, ini dapat digunakan untuk memprediksi apakah pengguna tertentu akan membeli produk tertentu atau tidak. Selain itu, bisa juga pada company e-learning menggunakannya untuk memprediksi apakah seorang siswa akan menyelesaikan kursus mereka tepat waktu atau tidak. Intinya, regresi ini digunakan untuk memprediksi kemungkinan semua jenis hasil “ya” atau “tidak”. Dengan memprediksi hasil seperti itu, ini membantu analis data untuk membuat keputusan yang tepat. Dalam skema besar suatu bisnis, ini membantu meminimalkan risiko kerugian dan mengoptimalkan pengeluaran untuk memaksimalkan keuntungan.

Jenis Regresi Logistik

1. Regresi logistik binary

regresi-logistik
Photo by junaidichaniago.wordpress.com/2010/02/11/regresi-binary-logit-seri-6-model-ekonometrik-dg-spss

Regresi logistik binary adalah teknik statistik yang digunakan untuk memprediksi hubungan antara variabel terikat dan variabel bebas. Di mana, variabel terikatnya bersifat binary. Misalnya, outputnya bisa sukses/gagal, 0/1 , benar/salah, atau ya/tidak. Hubungan antara variabel target kategori dan satu atau lebih faktor independen diukur dengan menggunakan regresi ini. Di mana, ini bermanfaat dalam kasus di mana hanya ada dua kemungkinan hasil untuk variabel target (binary). Untuk memprediksi kelas variabel target, klasifikasi jenis ini menggunakan satu atau lebih variabel prediktor yang dapat berupa kontinu atau kategorikal. Akan tetapi, tidak seperti regresi linier biasa, jenis ini tidak mengasumsikan hubungan antara variabel independen dan dependen secara linier. Sehingga, regresi jenis ini merupakan regresi non-linier.

2. Regresi logistik multinomial

regresi-logistik
Photo by https://medium.com/@wahyudhizainal

Regresi logistik multinomial digunakan ketika  memiliki satu variabel dependen kategoris dengan dua atau lebih level yang tidak berurutan). Jenis ini berguna ketika kamu perlu mengkategorikan subjek berdasarkan nilai kumpulan variabel prediktor. Mirip dengan regresi logistik binary, tetapi lebih luas karena variabel dependennya tidak terbatas pada dua kategori. Bedanya adalah di sini kamu dapat memiliki lebih dari dua kemungkinan hasil. Misalnya, ketika kamu ingin memprediksi jenis transportasi apa yang paling banyak digunakan pada tahun 2050. Jenis transportasi akan menjadi variabel dependen, dengan kemungkinan keluaran kereta api, bus, dan sepeda. Model logistik multinomial mengasumsikan bahwa data bersifat spesifik kasus. Setiap variabel independen memiliki nilai tunggal untuk setiap kasus. Ini juga mengasumsikan bahwa variabel dependen tidak dapat diprediksi secara sempurna dari variabel independen untuk kasus apapun.

3. Regresi logistik ordinal

regresi-logistik
Photo by swanstatistics.com/regresi-logitik-ordinal

Regresi logistik ordinal adalah jenis regresi yang menggunakan satu atau lebih variabel independen untuk memprediksi variabel dependen ordinal. Ini adalah salah satu dari berbagai jenis analisis yang khusus digunakan jika variabel dependen adalah data berskala kategorik bertingkat. Selain itu, regresi jenis ini dapat dianggap sebagai generalisasi baik regresi linier berganda atau regresi logistik binomial. Seperti bentuk regresi lainnya, regresi ordinal dapat memprediksi variabel dependen melalui interaksi antara variabel independen. Di mana, ini mensyaratkan skala data variabel terikat adalah ordinal dan skala data variabel bebas boleh kategorik ataupun kuantitatif. Ordinal memiliki perbedaan derajat di tiap kategorik, di mana ada yang lebih baik atau buruk dan tinggi atau rendah. Misalnya pada tingkat pengetahuan seseorang, ada kategorik tingkat pengetahuan rendah, sedang, dan tinggi. Contoh lain adalah pecandu alkohol berat, sedang, dan ringan.

Itulah pengenalan lebih tentang regresi logistik. Jika kamu tertarik dengan artikel ini, pantau terus artikel ter-update dari Coding Studio. Kamu juga bisa mengunjungi Instagram @codingstudio.id untuk mengetahui insight lebih banyak.