Regresi logistik adalah suatu bentuk algoritma klasifikasi pembelajaran mesin terbimbing yang digunakan untuk memprediksi probabilitas variabel terikat kategori dari sekumpulan variabel independen. Ini digunakan dalam berbagai aplikasi, termasuk memprediksi perilaku, memodelkan respons pelanggan, dan menganalisis proses rekrutmen dan seleksi karyawan.
Regresi logistik adalah teknik regresi yang digunakan untuk membangun model guna memprediksi kelas atau kategori suatu item data (seperti pelanggan, karyawan, atau pasien) berdasarkan atribut atau fiturnya. Tujuan dari regresi logistik adalah memperkirakan probabilitas hasil biner (hasilnya bisa 0 atau 1, sukses atau gagal, ya atau tidak) berdasarkan satu atau lebih variabel penjelas. Regresi logistik adalah alat statistik populer yang digunakan untuk prediksi di beberapa bidang, seperti sosiologi, keuangan, kedokteran, pemasaran, dan ilmu komputer.
Regresi logistik adalah jenis model regresi linier yang variabel terikatnya bersifat kategorikal, bukan kontinu. Bentuknya berupa persamaan, dengan setiap variabel prediktor berbentuk koefisien dikalikan dengan nilai variabel terkait. Nilai koefisien menunjukkan kekuatan hubungan antara variabel prediktor dan variabel kategori/terikat, dan istilah bias memberikan penyeimbangnya.
Regresi logistik adalah algoritme pembelajaran mesin yang diawasi, yang memerlukan data berlabel untuk digunakan dalam pelatihan dan pengujian. Artinya sebelum model dapat digunakan untuk memprediksi item data baru, model tersebut harus dilatih pada data yang telah diklasifikasikan sebagai 0 atau 1. Setelah model dilatih, kekuatan prediksi model dapat diukur dengan ukuran keakuratan prediksinya.
Regresi logistik telah banyak digunakan dalam aplikasi seperti memprediksi perilaku pelanggan, memodelkan respons pelanggan, memperkirakan penjualan, dan menganalisis proses rekrutmen dan seleksi karyawan. Ini dapat digunakan baik di bidang analitik prediktif maupun di bidang penambangan data, yang dapat digunakan untuk meningkatkan akurasi pengelompokan dan sangat mengurangi jumlah waktu yang dihabiskan untuk rekayasa fitur.
Secara keseluruhan, regresi logistik adalah algoritme canggih yang digunakan untuk memprediksi probabilitas suatu hasil berdasarkan sekumpulan variabel independen. Ini adalah algoritme pembelajaran mesin yang diawasi, artinya harus dilatih melalui data berlabel. Setelah pelatihan, dapat digunakan dalam berbagai kasus penggunaan untuk membuat prediksi dengan tingkat akurasi yang tinggi.
