Regression

Apa itu Regression?

Regression adalah salah satu teknik paling awal dan paling banyak dipakai dalam machine learning. Intinya: kamu punya data historis, kamu latih model untuk menemukan pola, lalu pakai model itu untuk prediksi angka di masa depan atau berdasarkan input baru.

Bedanya sama Classification: regression prediksi angka (berapa?), Classification prediksi kategori (yang mana?).

Contoh Intuitif

Bayangkan kamu jual rumah dan mau tahu harga yang wajar. Kamu observasi data: rumah dengan luas 100m2 di Jakarta Selatan terjual 2 miliar, yang 150m2 terjual 2.8 miliar, yang 80m2 terjual 1.7 miliar. Regression akan menemukan garis (atau kurva) yang paling menjelaskan hubungan antara luas dan harga, lalu pakai itu untuk prediksi harga rumah 120m2 yang belum pernah terjual.

Jenis-Jenis Regression

Tipe	Kapan Pakai	Contoh
Linear Regression	Hubungan linier sederhana	Prediksi sales dari budget iklan
Multiple Linear Regression	Beberapa variabel prediktor	Prediksi harga dari luas + lokasi + lantai
Polynomial Regression	Hubungan non-linier	Pertumbuhan user yang melambat di atas titik tertentu
Ridge/Lasso Regression	Banyak fitur, perlu regularisasi	Prediksi churn dari ratusan fitur perilaku
Random Forest Regression	Non-linier kompleks	Prediksi demand dengan banyak musiman
XGBoost Regression	Performa tinggi, kompetisi data	Prediksi harga di Kaggle

Cara Evaluasi Model Regression

Kamu nggak bisa cuma 'ngerasa' modelnya bagus. Ada metrik standar:

• MAE (Mean Absolute Error): rata-rata selisih prediksi vs aktual. Mudah diinterpretasi dalam satuan asli.
• RMSE (Root Mean Squared Error): kayak MAE tapi kasih penalti lebih besar untuk error besar.
• R-squared: berapa persen variasi data yang bisa dijelaskan model. Nilai 1 berarti sempurna, nilai 0 berarti modelmu nggak lebih baik dari prediksi rata-rata.

Regression vs. Classification

Aspek	Regression	Classification
Output	Angka kontinu	Kategori diskrit
Contoh output	2.500.000.000 (harga)	'Mahal' atau 'Murah'
Metrik evaluasi	MAE, RMSE, R-squared	Accuracy, F1, AUC-ROC
Algoritma umum	Linear Regression, XGBoost	Logistic Regression, Random Forest

Kapan Data Analyst Butuh Regression?

Hampir setiap analyst di bisnis modern perlu regression:

• Finance: prediksi revenue kuartal depan
• Supply chain: prediksi demand untuk inventory planning
• Marketing: prediksi ROI dari kampanye iklan
• HR: prediksi attrition rate berdasarkan engagement score

Bahkan regresi sederhana yang kamu pelajari di Excel sudah masuk kategori ini. Jadi kalau kamu pernah pakai LINEST atau Trendline di spreadsheet, kamu sudah sentuh regression.