Apa itu Regresi?
Regresi adalah teknik analisis yang berfungsi untuk memprediksi pengaruh hubungan dari dua atau lebih variabel fungsional tertentu.
Mengutip Turing Company, analisis regresi adalah teknik dalam statistika yang digunakan untuk memprediksi hubungan antar variabel, yaitu variabel dependen dan independen. Nantinya, analyst akan melihat seberapa kuat hasil prediksi tersebut.
Analisis ini juga berfungsi untuk memperkirakan efek dan tren.
Dalam dunia bisnis, analisis regresi membantu dalam mengetahui faktor mana yang paling penting bagi bisnis, faktor mana yang bisa diabaikan, dan bagaimana faktor-faktor tersebut saling memengaruhi.
Fungsi Regresi
Analisis regresi memproses dan memahami data untuk dijadikan dasar dalam membuat keputusan bisnis yang lebih baik. Dirangkum dari Knowledgehut, analisis regresi berfungsi untuk:
- Memprediksi penjualan dalam jangka pendek dan jangka panjang.
- Memahami permintaan dan penawaran.
- Memahami tingkat persediaan.
- Meninjau dan memahami bagaimana variabel bisa saling memengaruhi.
Jenis-Jenis Regresi
Dilansir dari berbagai sumber, berikut jenis-jenis regresi:
1. Linear regression
Linear regression adalah jenis regresi paling sederhana untuk memahami hubungan antara variabel dependen dan variabel independen.
Ada dua model dalam regresi linier, yaitu model regresi linier sederhana (hanya ada satu variabel dependen dan satu variabel independen) serta model regresi linier berganda (satu variabel dependen dan banyak variabel independen).
Dengan regresi linier, bisnis lebih mudah mengevaluasi tren, membuat perkiraan, dan mendapatkan wawasan tentang perilaku konsumen.
2. Logistic regression
Logistic regression adalah jenis regresi yang digunakan untuk mengklasifikasikan data, seperti ya atau tidak, benar atau salah, lulus atau gagal. Artinya, variabel dependen hanya bisa mengambil satu dari dua nilai.
Regresi logistik membentuk kurva sigmoid (berbentuk seperti huruf S) untuk menunjukkan hubungan antara variabel dependen dan variabel independen. Regresi jenis ini cocok digunakan dalam kumpulan data besar yang memiliki nilai kejadian hampir sama.
3. Polynomial regression
Polynomial regression berfungsi untuk menunjukkan hubungan non-linier antara variabel dependen dan independen. Teknik analisis dalam regresi polinomial mirip dengan regresi linier berganda, namun jauh lebih fleksibel dan bisa memodelkan hubungan yang lebih kompleks.
Regresi polinomial memproses data yang tidak bisa dipisahkan secara linier. Nantinya, kurva yang dihasilkan berupa garis lengkung (non-linier).
4. Ridge regression
Ridge regression digunakan saat data menunjukkan adanya hubungan yang kuat antara dua atau lebih variabel (disebut multikolinearitas). Artinya, jika satu variabel independen berubah, variabel lain juga ikut berubah.
Regresi ridge dikenal sebagai teknik regularisasi dan bisa mengurangi kompleksitas model. Ini membantu memecahkan masalah ketika analyst memiliki lebih banyak parameter daripada sampel.
5. Lasso regression
Lasso merupakan kependekan dari least absolute shrinkage and selection operator.
Mirip dengan regresi ridge, lasso regression juga merupakan teknik untuk mengurangi kompleksitas model. Bedanya, regresi ridge menggunakan nilai kuadrat, sehingga koefisiennya hanya bisa mendekati nol. Sedangkan regresi lasso menggunakan nilai mutlak yang memungkinkan koefisien benar-benar mencapai nol.
Hal ini menjadi kelebihan dari regresi lasso karena bisa digunakan untuk menyeleksi variabel independen pada model, sehingga hanya variabel-variabel tertentu yang masuk dalam model.
Contoh Regresi Dalam Analisis Data
Dilansir dari Survey Sparrow, berikut contoh kegunaan analisis regresi di berbagai bidang:
Farmasi
Analisis regresi dapat digunakan dalam riset medis untuk memahami apakah perubahan dosis obat berdampak pada tekanan darah pasien. Dalam hal ini, tim medis akan memberikan dosis obat yang berbeda dari biasanya lalu mengamati perubahan tekanan darah pasien tersebut.
Mereka bisa menggunakan model regresi sederhana dengan dosis sebagai variabel independen dan tekanan darah sebagai variabel dependen.
Olahraga profesional (basket)
Analyst yang bekerja dengan tim basket profesional menggunakan analisis regresi untuk mengetahui bagaimana jenis latihan memengaruhi jumlah poin yang berhasil dicetak pemain.
Katakanlah tim memiliki dua jenis latihan, yaitu angkat besi dan shuttle run. Latihan angkat besi dan shuttle run merupakan variabel independen dan total poin yang dicetak merupakan variabel dependen. Analisis ini bisa memberikan rekomendasi apakah pemain harus memperbanyak atau mengurangi angkat besi dan shuttle run untuk memaksimalkan performanya.
Apa Perbedaan Regresi dan Korelasi?
Dalam statistika, regresi dan korelasi digunakan untuk menemukan serta mengukur hubungan antara dua variabel.
Korelasi berfokus untuk mengetahui ada atau tidaknya hubungan antar variabel. Di sisi lain, regresi melihat lebih jauh bagaimana satu variabel memengaruhi variabel lain.
Dirangkum dari berbagai sumber, berikut beberapa perbedaan regresi dan korelasi:
- Korelasi mengukur tingkat hubungan antara dua variabel. Regresi menjelaskan bagaimana variabel independen berhubungan dengan variabel dependen.
- Dalam korelasi, tidak ada perbedaan antara variabel dependen dan independen, sehingga korelasi antara x dan y sama dengan korelasi antara (y) dan (x). Sebaliknya, regresi (y) pada (x) tidak sama dengan (x) pada (y).
- Tujuan dari korelasi adalah menemukan nilai numerik yang mendefinisikan dan menunjukkan hubungan antara dua variabel. Sementara regresi berusaha memprediksi nilai variabel acak berdasarkan nilai variabel tetap.
Penutup
Analisis regresi adalah teknik analisis untuk memprediksi hubungan antara variabel dependen dan variabel independen. Dalam bisnis, analisis regresi digunakan untuk memprediksi tren serta menentukan strategi bisnis mana yang mana yang harus diperkuat dan mana yang bisa diabaikan.
