Regresi Linier vs Logistik
Dalam analisis statistik, penting untuk mengidentifikasi hubungan antara variabel yang bersangkutan dengan penelitian. Terkadang itu mungkin satu-satunya tujuan dari analisis itu sendiri. Salah satu alat kuat yang digunakan untuk menetapkan keberadaan hubungan dan mengidentifikasi hubungan adalah analisis regresi.
Bentuk analisis regresi yang paling sederhana adalah regresi linier, dimana hubungan antar variabel merupakan hubungan linier. Dalam istilah statistik, ini memunculkan hubungan antara variabel penjelas dan variabel respons. Misalnya, dengan menggunakan regresi kita dapat menetapkan hubungan antara harga komoditas dan konsumsi berdasarkan data yang dikumpulkan dari sampel acak. Analisis regresi akan menghasilkan fungsi regresi dari kumpulan data, yaitu model matematika yang paling sesuai dengan data yang tersedia. Ini dapat dengan mudah diwakili oleh plot pencar. Regresi grafis setara dengan menemukan kurva pas terbaik untuk kumpulan data yang diberikan. Fungsi kurva adalah fungsi regresi. Dengan menggunakan model matematis, penggunaan suatu komoditas dapat diprediksi pada harga tertentu.
Oleh karena itu, analisis regresi banyak digunakan dalam memprediksi dan meramalkan. Ini juga digunakan untuk membangun hubungan dalam data eksperimen, di bidang fisika, kimia, dan dalam banyak ilmu alam dan disiplin ilmu teknik. Jika hubungan atau fungsi regresi tersebut merupakan fungsi linier, maka proses tersebut dikenal sebagai regresi linier. Dalam plot pencar, itu dapat direpresentasikan sebagai garis lurus. Jika fungsi tersebut bukan kombinasi linear dari parameter, maka regresinya non-linier.
Regresi logistik sebanding dengan regresi multivariat, dan ini menciptakan model untuk menjelaskan dampak beberapa prediktor pada variabel respons. Namun, dalam regresi logistik, variabel hasil akhir harus kategoris (biasanya dibagi; yaitu, sepasang hasil yang dapat dicapai, seperti kematian atau kelangsungan hidup, meskipun teknik khusus memungkinkan lebih banyak informasi yang dikategorikan untuk dimodelkan). Variabel hasil berkelanjutan dapat diubah menjadi variabel kategoris, yang akan digunakan untuk regresi logistik; namun, menciutkan variabel kontinu dengan cara ini sebagian besar tidak disarankan karena mengurangi akurasi.
Berbeda dengan regresi linier, terhadap mean, variabel prediktor dalam regresi logistik tidak harus dipaksa untuk terhubung secara linier, berdistribusi umum, atau memiliki varians yang sama di dalam setiap cluster. Akibatnya, hubungan antara prediktor dan variabel hasil tidak mungkin menjadi fungsi linier.
Apa perbedaan antara Regresi Logistik dan Regresi Linier?
• Dalam regresi linier, hubungan linier antara variabel penjelas dan variabel respon diasumsikan dan parameter yang memenuhi model ditemukan dengan analisis, untuk memberikan hubungan yang tepat.
• Regresi linier dilakukan untuk variabel kuantitatif, dan fungsi yang dihasilkan adalah kuantitatif.
• Dalam regresi logistik, data yang digunakan dapat berupa kategoris atau kuantitatif, tetapi hasilnya selalu kategoris.
