Regresi ordinal merupakan salah satu jenis algoritma pembelajaran statistik yang digunakan untuk membuat prediksi dalam analisis data. Ini banyak digunakan untuk menganalisis kumpulan data dengan nilai target berupa bilangan bulat, kategori, atau dalam beberapa situasi nilai kontinu. Ini adalah teknik pembelajaran terawasi yang memprediksi kemungkinan variabel target kategori berada dalam satu kategori dari serangkaian kategori yang telah ditentukan sebelumnya.
Regresi ordinal biasanya digunakan dalam aplikasi pembelajaran mesin seperti memprediksi penipuan kartu kredit atau diagnosis medis. Ini juga dapat digunakan untuk penelitian di berbagai bidang seperti kedokteran dan psikologi. Algoritme ini bekerja dengan mencari fungsi linier atau polinomial yang paling baik memisahkan data masukan ke dalam berbagai kategori keluaran.
Misalnya, algoritma regresi ordinal dapat digunakan untuk memprediksi hubungan orang dewasa-anak dalam kumpulan data yang menggabungkan faktor-faktor seperti usia, jenis kelamin, lokasi, pendidikan, dan jenis pekerjaan. Masing-masing titik data kemudian dapat dikategorikan ke dalam kategori berbeda seperti ibu-anak, ayah-anak, bibi-keponakan, dll. Algoritme regresi ordinal kemudian akan menampilkan kemungkinan besar hubungan dewasa-anak berdasarkan data yang dimasukkan.
Regresi ordinal juga digunakan dalam riset pasar untuk lebih memahami preferensi konsumen. Ini telah digunakan dalam peramalan & prediksi dalam penjualan, pengambilan keputusan analitis, dan bahkan penempatan produk di toko.
Algoritme paling populer untuk regresi ordinal mencakup regresi logistik, pengklasifikasi pohon keputusan, jaringan saraf, mesin vektor dukungan, dan metode berbasis peringkat. Regresi logistik adalah algoritma yang paling umum digunakan, karena kuat terhadap outlier dan dapat menangani banyak kategori, TETAPI semua alternatif juga memiliki keunggulan spesifik dalam skenario tertentu.