Last Updated on 1 month by Mas Herdi
Salah satu tantangan terberat dalam belajar machine learning adalah kita diwajibkan untuk memahami ilmu statistik dan matematika yang tergolong kompleks. Pada artikel kali ini, kita akan membahas konsep regresi dan intuisi regresi linier dan polinomial. Mungkin sebagian dari kamu ada yang sudah memahami konsep ini. Bagi kamu yang belum paham, artikel ini akan membahas apa itu regresi linier dan polinomial.
Belajar Machine Learning: Apa itu Regresi?
Mari kita ketahui dulu definisi dari regresi. Regresi adalah suatu metode analisis statistik yang digunakan agar dapat melihat pengaruh antara dua variabel atau lebih. Hubungan variabel yang dimaksud bersifat fungsional yang diwujudkan dalam bentuk model matematis. Pada analisis regresi, variabel dibagi menjadi dua jenis yaitu variabel respons atau biasa disebut variabel bergantung dan variabel bebas atau dikenal dengan istilah variabel independen. Ada beberapa jenis analisis regresi yaitu regresi sederhana meliputi regresi linier sederhana dan non-linier sederhana dan regresi berganda meliputi linier berganda atau non-linier berganda. Analisis regresi digunakan dalam belajar machine learning dengan metode supervised learning.
Penerapan analisis regresi pada pembelajaran mesin mengaitkan data historis dan label atau output yang saling berkaitan, tidak berdiri sendiri. Seperti dijelaskan oleh Afif Akbar pada kelas belajar machine learning dasar bertajuk “Pengenalan Pembelajaran Mesin (Intro to Machine Learning)” di Udemy.
Analisis regresi dapat diaplikasikan untuk memprediksi harga rumah di masa mendatang, membutuhkan data historis berupa seperti luas bangunan, tingkat lantai, adakah tol terdekat, mall terdekat dan sebagainya. Perlu diingat, semua nilai pada fitur-fitur harus diubah terlebih dahulu menjadi bilangan riil, seperti 1 berarti ya dan 0 berarti tidak. Sedangkan data harga merupakan label atau output yang sudah berbentuk bilangan riil sehingga tidak perlu diubah.
Data dapat diplot menjadi grafik dua dimensi sehingga kita dapat melihat berapa perubahan harga ketika pembelajaran mesin diimplementasikan.
Regresi Linier
Regresi linier adalah salah satu dari jenis analisis prediksi yang sering digunakan pada data berskala kuantitatif (interval atau rasio). Analisis ini berfungsi untuk membuktikan apakah sekumpulan variabel bebas memiliki pengaruh signifikan dalam memprediksi variabel terikat. Persamaan garis linier adalah y = mx + b. Pada persamaan tersebut m adalah kemiringan atau gradien dan b adalah intercept atau bias.
Regresi Polinomial
Regresi polinomial merupakan regresi linier berganda yang dibentuk dengan menjumlahkan pengaruh variabel prediktor (X) yang dipangkatkan secara meningkat sampai orde ke-k. Model regresi polinomial, struktur analisisnya sama dengan model regresi linier berganda. Penerapan regresi polinomial pada belajar machine learning di sini adalah datanya. Namun, bobot atau nilai yang kita cari dalam proses pembelajaran mesin akan tetap linier sehingga kita tetap bisa menggunakan loss function seperti pada regresi linier.
Mendalami Studi Pembelajaran Mesin di Udemy
Bagi kamu yang ingin mendalami studi pembelajaran mesin, kamu bisa mengambil kelas di Udemy.com. Udemy merupakan platform pembelajaran online terbesar di dunia yang memiliki lebih dari 30 juta anggota dan lebih dari 50 ribu instruktur. Belajar machine learning di Udemy tersedia dalam Bahasa Indonesia seperti pada artikel ini, diajarkan oleh Afif Akbar dan juga dalam Bahasa Inggris.
Keunggulan belajar di Udemy adalah kita dapat mengunduh semua resource yang diperlukan untuk belajar. Ada pula fitur ‘Q&A’ dimana kita bisa langsung bertanya pada instruktur tentang kelas yang kita ikuti. Kita juga bisa memberikan jawaban atas pertanyaan yang diajukan orang lain sehingga pembelajaran terasa interaktif. Sekian untuk artikel kali ini, silakan bertanya di kolom komentar apabila dirasa ada yang kurang jelas.
