Memahami Variable Dependen, Variable Independen, dan Regresi dalam Machine Learning

Bagi kamu yang baru mulai belajar tentang Machine Learning, mungkin beberapa istilah seperti variable dependen, variable independen, dan Regresi terdengan cukup asing. Namun jangan khawatir! Artikel ini akan membahas konsep-konsep ini dengan bahasa yang mudah dipahami, sehingga kamu bisa lebih siap melangkah ke dunia machine learning.

1. Apa Itu Variable Dependen dan Variable Independen?

Mari kita mulai dengan memahami apa itu variable dependen dan variable independen.Dalam konteks machine learning, variable ini sangat penting karena menjadi pondasi dalam banyak algoritma.

• Variable Dependen : merupakan variable yang ingin di prediksi atau diukur. Dalam beberapa kasus, disebut juga sebagai target atau label. Variable dependen adalah hasil dari suatu fenomena yang dipengaruhi oleh variable variable lain. Misalnya, jika kamu ingin memprediksi harga rumah, harga rumah tersebut adalah variable dependen
• Variable Independen : Variable ini adalah faktor-faktor yang mempengaruhi atau membantu kita untuk memprediksi variable dependen. Mereka juga disebut sebagai features atau predictors. Misalnya dalam prediksi harga rumah tadi, variable seperti luas rumah, jumlah kamar, dan lokasi bisa dianggap sebagai variable independen

Contoh mudahnya : jika kamu seorang peneliti yang ingin memprediksi jumlah hujan berdasarkan suhu dan kelembapan, maka: 

• Variable dependen : jumlah hujan
• variable independen : suhu dan kelembapan

2. Apa Itu Regresi?

Sekarang setelah kamu mengerti tentang variable dependen dan independen, mari kita lanjutkan ke salah satu metode yang paling sering digunakan dalam machine learning untuk memodelkan hubungan antara variabel-variable ini, yaitu regresi.

Regresi adalah metode yang digunakan untuk memodelkan hubungan antara variable dependen dan satu atau lebih variable independen. Tujuan utamanya adalah untuk menemukan pola, sehingga kita dapat memprediksi nilai variable dependen berdasarkan nilai variable independen.

Jenis-Jenis Regresi

Ada beberapa jenis regresi yang sering digunakan, tetapi yang paling dasar dan paling umum adalah regresi linear.

• Regresi linear: ini adalah bentuk regresi yang paling sederhana. Dalam regresi linear, kita mencoba untuk memodelkan hubungan antara variable independen dan variable dependen dengan menggambar garis lurus yang paling cocok dengan data. Garis ini disebut garis regresi.

Misalnya, jika kita memplot data harga rumah berdasarkan luas rumah, kita mungkin melihat bahwa semakin besar luas rumah, semakin tinggi harga nya. Regresi linear mencoba untuk menggambar garis yang paling sesuai dengan pola ini. Bentuk umumnya adalah : 

Y = aX+b

Di mana : 

• Y adalah variable dependen (misalnya, harga rumah)
• X adalah variable independen (misalnya, luas rumah)
• a adalah kemiringan garis (bagaimana setiap unit perubahan pada X mempengaruhi Y)
• b adalah intercept (nilai Y ketika X = 0)
• Regresi non linear : tidak semua hubungan antar variable bisa digambarkan dengan garis lurus. Beberapa data memerlukan pendekatan yang lebih kompleks dengan kurva. Regresi non-linear berguna untuk data yang memiliki pola lebih rumit.
• Regresi Ganda (Multiple Regression) : Terkadang ada lebih dari satu variabel independen yang mempengaruhi variable dependen. Misalnya, harga rumah tidak hanya di pengaruhi oleh luas, tetapi juga oleh jumlah kamar, lokasi, dan usia bangunan. Dalam kasus ini, kita menggunakan regresi ganda untuk memodelkan hubungan antara banyak variable independen dan variable dependen

3. Bagaimana Regresi Digunakan dalam Machine Learning?

Dalam machine learning, regresi digunakan untuk membuat prediksi. Ketika kita memiliki data dari masa lalu (misalnya, harga rumah berdasarkan berbagai faktor), kita dapat melatih model regresi untuk mempelajari pola dari data tersebut. Setelah model dilatih, kita dapat menggunakannya untuk memprediksi nilai di masa depan.