Regresi Logistik Itu Apa? Penjelasan untuk Pemula
Regresi logistik adalah algoritme machine learning dengan pengawasan yang memprediksi peluang sebuah kategori, sering berupa hasil ya atau tidak, dengan mengalirkan kombinasi masukan melalui fungsi sigmoid yang menghasilkan nilai antara 0 dan 1.
Analogi sederhana
Bayangkan sistem penilaian yang menjumlahkan fakta sebuah pengajuan, lalu mengubah skor total menjadi persentase peluang disetujui. Sebuah ambang batas, umumnya 0,5, mengubah peluang tersebut menjadi keputusan ya atau tidak yang jelas.
Mengapa namanya membingungkan
Walau memakai kata "regresi", regresi logistik dipakai untuk klasifikasi, bukan untuk menebak angka kontinu. Namanya berasal dari fungsi logistik yang menjadi inti modelnya.
Peran fungsi sigmoid
Fungsi sigmoid menerima angka berapa pun, positif atau negatif, dan memetakannya ke nilai antara 0 dan 1 yang dapat dibaca sebagai peluang. Rumusnya adalah:
[ p = \frac{1}{1 + e^{-z}} ]
Nilai di atas ambang batas dimasukkan ke satu kelas, dan sisanya ke kelas lain.
Jenis yang umum
| Jenis | Jumlah hasil | Contoh |
|---|---|---|
| Regresi logistik biner | Dua | Spam atau bukan spam |
| Regresi logistik multinomial | Tiga atau lebih | Kategori produk A, B, atau C |
Kapan biasanya dipakai
Regresi logistik dipakai untuk deteksi penipuan, persetujuan pinjaman, prediksi pelanggan berhenti, skrining medis, dan masalah lain yang jawabannya berupa kategori dengan peluang yang diperkirakan.
Keterbatasan yang perlu jujur
Model ini mengasumsikan batas antar kelas yang relatif linear dan bisa kesulitan saat hubungan datanya sangat nonlinear. Peluang yang diprediksi sebaiknya diperiksa terhadap hasil nyata, bukan dianggap sebagai angka yang pasti.
FAQ
Regresi logistik itu klasifikasi atau regresi?
Ini algoritme klasifikasi, meskipun namanya memuat kata regresi.
Apa fungsi sigmoid itu?
Mengubah skor masukan menjadi peluang antara 0 dan 1.
Apa itu ambang batas keputusan?
Batas, sering kali 0,5, yang mengubah peluang prediksi menjadi label kelas.
Apakah bisa menangani lebih dari dua kategori?
Bisa, versi multinomial dapat menangani tiga kategori atau lebih.
Poin utama
- Regresi logistik memprediksi peluang kategori.
- Sigmoid memetakan skor ke rentang 0 sampai 1.
- Ambang batas mengubah peluang menjadi label.
- Banyak dipakai untuk keputusan ya atau tidak.
Baca lanjut apa itu machine learning dan regresi linear.
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free