UNAIR NEWS – (FST) 51动漫 (UNAIR) menggandeng pengajar dari Prince of Songkla University, Assoc Prof Dr Klairung Samart dalam gelaran kuliah tamu yang berfokus pada analisis data menggunakan metode regresi dan Machine Learning (ML). Kuliah tamu ini terselenggara pada Kamis (30/10/2025) di Ruang Sidang 208, Gedung FST, Kampus MERR-C.
Analisis Regresi
Dalam kuliah tamu tersebut, salah satu yang menjadi bahasan adalah analisis regresi. Analisis regresi adalah teknik statistik untuk menginvestigasi hubungan antara dua kelompok variabel. Yakni variabel pengaruh (independen) dan variabel yang dipengaruhi (dependen). Sebagai mahasiswa, analisis regresi ini biasanya menjadi metode andalan ketika menggunakan metode kuantitatif.
淩egresi seringkali menjadi pilihan yang strategis karena analisis regresi termasuk metode yang bisa dibilang sederhana, simple. Mudah untuk kita interpretasikan, terutama untuk dataset yang cenderung sedikit, jelas Prof Klairung.
Langkah penting sebelum melakukan analisis regresi adalah melakukan grafik scatter form untuk melihat apakah terdapat hubungan linear antar satu variabel dependen dengan salah satu variabel independen. Selain itu, Prof Klairung menjelaskan bahwa scatter matrix juga perlu untuk mengecek hubungan linear antara variabel dependen dengan masing-masing variabel independen dalam satu grafik.
Machine Learning
Prof Klairung menekankan bahwa perbedaan kentara antara ML dengan regresi adalah penggunaan istilah dasarnya. Dalam ML, variabel independen (x) disebut predictors dan variabel dependen (Y) atau target. 淧erbedaan lainnya ada di perlakuan observasi. Dalam regresi, biasanya kita gunakan semua observasi untuk memenuhi asumsi model. Lain halnya dengan ML, observasinya bisa dibagi menjadi beberapa bagian. Misalkan 70 persen untuk train dan 30 persen untuk test atau pengujian, ujarnya.
Selain itu, keunggulan dari ML adalah kebebasannya dari asumsi, perbedaan lainnya dengan regresi yang terbatas pada asumsi linearitas. Hal ini membuat ML bisa memproses dataset yang lebih besar dan menginvestigasi hubungan variabel yang lebih kompleks.
Namun, keunggulan-keunggulan tersebut tidak berarti ML lebih direkomendasikan daripada regresi. Pemilihan metode menyesuaikan kebutuhan peneliti. Regresi bisa digunakan ketika tujuan penelitian adalah untuk menjelaskan hubungan dengan dataset yang cenderung kecil, terutama untuk kepentingan rekomendasi kebijakan. Sementara ML dapat teraplikasi ketika peneliti membutuhkan akurasi dan bertujuan untuk melihat interaksi dari dataset.
淪ecara praktik, kita bisa memulai dengan regresi terlebih dahulu. Lalu menggunakan ML untuk melihat dampak tambahan atau sebagai prediction uplift, pungkasnya.
Penulis: Dinnaya Mahashofia
Editor: Yulia Rohmawati
