{"id":1149,"date":"2023-07-27T12:19:51","date_gmt":"2023-07-27T12:19:51","guid":{"rendered":"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/"},"modified":"2023-07-27T12:19:51","modified_gmt":"2023-07-27T12:19:51","slug":"regresi-vs-klasifikasi","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/","title":{"rendered":"Regresi atau klasifikasi: apa bedanya?"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Algoritma pembelajaran mesin dapat dibagi menjadi dua jenis: <a href=\"https:\/\/statorials.org\/id\/pembelajaran-yang-diawasi-vs.-tanpa-pengawasan\/\" target=\"_blank\" rel=\"noopener noreferrer\">algoritma pembelajaran yang diawasi dan tanpa pengawasan<\/a> .<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11503 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supervise4.png\" alt=\"Algoritma pembelajaran mesin regresi atau klasifikasi\" width=\"627\" height=\"239\" srcset=\"\" sizes=\"\"><\/p>\n<p> <span style=\"color: #000000;\">Algoritma pembelajaran yang diawasi dapat diklasifikasikan menjadi dua jenis:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Regresi :<\/strong> <strong>Variabel respon bersifat kontinu.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, <a href=\"https:\/\/statorials.org\/id\/variabel-tanggapan-penjelas\/\" target=\"_blank\" rel=\"noopener noreferrer\">variabel respon<\/a> dapat berupa:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Berat<\/span><\/li>\n<li> <span style=\"color: #000000;\">Tinggi<\/span><\/li>\n<li> <span style=\"color: #000000;\">Harga<\/span><\/li>\n<li> <span style=\"color: #000000;\">Waktu<\/span><\/li>\n<li> <span style=\"color: #000000;\">Jumlah unit<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Dalam setiap kasus, model regresi berupaya memprediksi kuantitas yang berkelanjutan.<\/span><\/p>\n<blockquote>\n<p> <strong><span style=\"color: #000000;\">Contoh regresi:<\/span><\/strong><\/p>\n<p> <span style=\"color: #000000;\">Katakanlah kita memiliki kumpulan data yang berisi tiga variabel untuk 100 rumah berbeda: luas persegi, jumlah kamar mandi, dan harga jual.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kita dapat menggunakan model regresi yang menggunakan luas persegi dan jumlah kamar mandi sebagai variabel penjelas dan harga jual sebagai variabel respon.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kami kemudian dapat menggunakan model ini untuk memprediksi harga jual sebuah rumah, berdasarkan luas persegi dan jumlah kamar mandi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ini adalah contoh model regresi karena variabel respon (harga jual) bersifat kontinu.<\/span><\/p>\n<\/blockquote>\n<p> <span style=\"color: #000000;\">Cara paling umum untuk mengukur keakuratan model regresi adalah dengan menghitung root mean square error (RMSE), metrik yang memberi tahu kita seberapa jauh rata-rata nilai prediksi kita dari nilai pengamatan kita dalam suatu model. Ini dihitung sebagai berikut:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>RMSE<\/strong> = \u221a <span style=\"border-top: 1px solid black;\">\u03a3(P <sub>saya<\/sub> \u2013 O <sub>saya<\/sub> ) <sup>2<\/sup> \/ n<\/span><\/span><\/p>\n<p> <span style=\"color: #000000;\">Emas:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">\u03a3 adalah simbol mewah yang berarti \u201cjumlah\u201d<\/span><\/li>\n<li> <span style=\"color: #000000;\">P <sub>i<\/sub> adalah nilai prediksi pengamatan <sup>ke-i<\/sup><\/span><\/li>\n<li> <span style=\"color: #000000;\">O <sub>i<\/sub> adalah nilai observasi untuk observasi <sup>ke-i<\/sup><\/span><\/li>\n<li> <span style=\"color: #000000;\">n adalah ukuran sampel<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Semakin kecil RMSE, semakin baik model regresi mampu menyesuaikan data.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2. Klasifikasi :<\/strong> <strong>Variabel respon bersifat kategorikal.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, variabel respon dapat mengambil nilai berikut:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Laki laki atau perempuan<\/span><\/li>\n<li> <span style=\"color: #000000;\">Berhasil atau gagal<\/span><\/li>\n<li> <span style=\"color: #000000;\">Rendah, sedang atau tinggi<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Dalam setiap kasus, model klasifikasi berupaya memprediksi label kelas.<\/span><\/p>\n<blockquote>\n<p> <strong><span style=\"color: #000000;\">Contoh klasifikasi:<\/span><\/strong><\/p>\n<p> <span style=\"color: #000000;\">Katakanlah kita memiliki kumpulan data yang berisi tiga variabel untuk 100 pemain bola basket perguruan tinggi yang berbeda: rata-rata poin per permainan, tingkat divisi, dan apakah mereka direkrut ke NBA atau tidak.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kita dapat mengadaptasi model klasifikasi yang menggunakan poin rata-rata per pertandingan dan level per divisi sebagai variabel penjelas dan \u201cdirancang\u201d sebagai variabel respons.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kami kemudian dapat menggunakan model ini untuk memprediksi apakah pemain tertentu akan direkrut ke NBA berdasarkan rata-rata poin per game dan tingkat divisi.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ini adalah contoh model klasifikasi karena variabel respon (\u201ctertulis\u201d) bersifat kategorikal. Dengan kata lain, ia hanya dapat mengambil nilai dalam dua kategori berbeda: \u201cTertulis\u201d atau \u201cTidak Direncanakan\u201d.<br \/><\/span><\/p>\n<\/blockquote>\n<p> <span style=\"color: #000000;\">Cara paling umum untuk mengukur keakuratan model klasifikasi adalah dengan menghitung persentase klasifikasi yang benar yang dibuat oleh model:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Akurasi = klasifikasi koreksi \/ jumlah total upaya klasifikasi * 100%<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, jika suatu model dengan benar mengidentifikasi apakah seorang pemain akan direkrut ke NBA sebanyak 88 kali dari kemungkinan 100 kali, maka keakuratan model tersebut adalah:<\/span><\/p>\n<p> <strong><span style=\"color: #000000;\">Akurasi = (88\/100) * 100% = 88%<\/span><\/strong><\/p>\n<p> <span style=\"color: #000000;\">Semakin tinggi akurasinya, semakin baik model klasifikasi dalam memprediksi hasil.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Persamaan Antara Regresi dan Klasifikasi<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Algoritme regresi dan klasifikasi serupa dalam hal berikut:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Keduanya merupakan algoritma pembelajaran terbimbing, artinya keduanya melibatkan variabel respon.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Keduanya menggunakan satu atau lebih <a href=\"https:\/\/statorials.org\/id\/variabel-tanggapan-penjelas\/\" target=\"_blank\" rel=\"noopener noreferrer\">variabel penjelas<\/a> untuk membuat model guna memprediksi respons.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Keduanya dapat digunakan untuk memahami bagaimana perubahan nilai variabel penjelas mempengaruhi nilai suatu variabel respon.<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Perbedaan antara regresi dan klasifikasi<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Algoritma regresi dan klasifikasi berbeda dalam hal berikut:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Algoritme regresi berupaya memprediksi kuantitas berkelanjutan dan algoritma klasifikasi berupaya memprediksi label kelas.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Cara kami mengukur keakuratan model regresi dan klasifikasi berbeda-beda.<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Mengubah regresi menjadi klasifikasi<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Perlu dicatat bahwa masalah regresi dapat diubah menjadi masalah klasifikasi hanya dengan <strong>mendiskritisasi<\/strong> variabel respon ke dalam beberapa kompartemen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Misalnya, kita memiliki kumpulan data yang berisi tiga variabel: luas persegi, jumlah kamar mandi, dan harga jual.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Kita dapat membuat model regresi menggunakan luas persegi dan jumlah kamar mandi untuk memprediksi harga jual.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Namun, kami dapat membagi harga jual menjadi tiga kelas berbeda:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">$80.000 \u2013 $160.000: \u201cHarga jual rendah\u201d<\/span><\/li>\n<li> <span style=\"color: #000000;\">$161.000 \u2013 $240.000: \u201cHarga jual rata-rata\u201d<\/span><\/li>\n<li> <span style=\"color: #000000;\">$241,000 \u2013 $320,000: \u201cHarga jual tinggi\u201d<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Kita kemudian dapat menggunakan luas persegi dan jumlah kamar mandi sebagai variabel penjelas untuk memprediksi kelas mana (rendah, sedang, atau tinggi) yang akan termasuk dalam harga jual rumah tertentu.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Ini akan menjadi contoh model klasifikasi karena kita mencoba menempatkan setiap rumah ke dalam satu kelas.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Ringkasan<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Tabel berikut merangkum persamaan dan perbedaan antara algoritma regresi dan klasifikasi:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11509 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regression_vs_classification1.png\" alt=\"Perbedaan antara regresi dan klasifikasi\" width=\"668\" height=\"215\" srcset=\"\" sizes=\"\"><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Algoritma pembelajaran mesin dapat dibagi menjadi dua jenis: algoritma pembelajaran yang diawasi dan tanpa pengawasan . Algoritma pembelajaran yang diawasi dapat diklasifikasikan menjadi dua jenis: 1. Regresi : Variabel respon bersifat kontinu. Misalnya, variabel respon dapat berupa: Berat Tinggi Harga Waktu Jumlah unit Dalam setiap kasus, model regresi berupaya memprediksi kuantitas yang berkelanjutan. Contoh regresi: [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Regresi vs. klasifikasi: apa bedanya?<\/title>\n<meta name=\"description\" content=\"Tutorial ini menjelaskan perbedaan antara regresi dan klasifikasi dalam pembelajaran mesin.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/\" \/>\n<meta property=\"og:locale\" content=\"id_ID\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Regresi vs. klasifikasi: apa bedanya?\" \/>\n<meta property=\"og:description\" content=\"Tutorial ini menjelaskan perbedaan antara regresi dan klasifikasi dalam pembelajaran mesin.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T12:19:51+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supervise4.png\" \/>\n<meta name=\"author\" content=\"Benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Ditulis oleh\" \/>\n\t<meta name=\"twitter:data1\" content=\"Benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Estimasi waktu membaca\" \/>\n\t<meta name=\"twitter:data2\" content=\"3 menit\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/\",\"url\":\"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/\",\"name\":\"Regresi vs. klasifikasi: apa bedanya?\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/id\/#website\"},\"datePublished\":\"2023-07-27T12:19:51+00:00\",\"dateModified\":\"2023-07-27T12:19:51+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\"},\"description\":\"Tutorial ini menjelaskan perbedaan antara regresi dan klasifikasi dalam pembelajaran mesin.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/#breadcrumb\"},\"inLanguage\":\"id\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/statorials.org\/id\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Regresi atau klasifikasi: apa bedanya?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/id\/#website\",\"url\":\"https:\/\/statorials.org\/id\/\",\"name\":\"Statorials\",\"description\":\"Panduan anda untuk kompetensi statistik!\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/id\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"id\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81\",\"name\":\"Benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"id\",\"@id\":\"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Benjamin anderson\"},\"description\":\"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya\",\"sameAs\":[\"http:\/\/statorials.org\/id\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Regresi vs. klasifikasi: apa bedanya?","description":"Tutorial ini menjelaskan perbedaan antara regresi dan klasifikasi dalam pembelajaran mesin.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/","og_locale":"id_ID","og_type":"article","og_title":"Regresi vs. klasifikasi: apa bedanya?","og_description":"Tutorial ini menjelaskan perbedaan antara regresi dan klasifikasi dalam pembelajaran mesin.","og_url":"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/","og_site_name":"Statorials","article_published_time":"2023-07-27T12:19:51+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supervise4.png"}],"author":"Benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Ditulis oleh":"Benjamin anderson","Estimasi waktu membaca":"3 menit"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/","url":"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/","name":"Regresi vs. klasifikasi: apa bedanya?","isPartOf":{"@id":"https:\/\/statorials.org\/id\/#website"},"datePublished":"2023-07-27T12:19:51+00:00","dateModified":"2023-07-27T12:19:51+00:00","author":{"@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81"},"description":"Tutorial ini menjelaskan perbedaan antara regresi dan klasifikasi dalam pembelajaran mesin.","breadcrumb":{"@id":"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/#breadcrumb"},"inLanguage":"id","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/id\/regresi-vs-klasifikasi\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/statorials.org\/id\/"},{"@type":"ListItem","position":2,"name":"Regresi atau klasifikasi: apa bedanya?"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/id\/#website","url":"https:\/\/statorials.org\/id\/","name":"Statorials","description":"Panduan anda untuk kompetensi statistik!","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/id\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"id"},{"@type":"Person","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/3d17a1160dd2d052b7c78e502cb9ec81","name":"Benjamin anderson","image":{"@type":"ImageObject","inLanguage":"id","@id":"https:\/\/statorials.org\/id\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/id\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Benjamin anderson"},"description":"Halo, saya Benjamin, pensiunan profesor statistika yang menjadi guru Statorial yang berdedikasi. Dengan pengalaman dan keahlian yang luas di bidang statistika, saya ingin berbagi ilmu untuk memberdayakan mahasiswa melalui Statorials. Baca selengkapnya","sameAs":["http:\/\/statorials.org\/id"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1149"}],"collection":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/comments?post=1149"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/posts\/1149\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/media?parent=1149"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/categories?post=1149"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/id\/wp-json\/wp\/v2\/tags?post=1149"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}