Dalam machine learning, baik regresi maupun klasifikasi termasuk ke dalam metode supervised learning, yaitu pembelajaran yang menggunakan data berlabel yang artinya memiliki data yang ingin diprediksi. Namun, regresi dan klasifikasi memiliki perbedaan yaitu terletak pada jenis output yang diprediksi serta cara menginterpretasikan hasil model. 

Perbedaan pada definisinya, regresi merupakan metode prediksi di mana data yang ingin diprediksi bersifat numerik. Contoh: harga rumah, suhu udara, dan jumlah penjualan. Sedangkan klasifikasi merupakan metode prediksi di mana data yang diprediksi berupa kategori diskrit. Contoh: email spam/tidak spam, pasien sakit/sehat, dan customer loyal/tidak loyal. 

Berdasarkan pada tujuannya, regresi bertujuan untuk memprediksi nilai kuantitatif dan juga mengukur hubungan antar variabel. Misalnya, berapa besar pengaruh biaya iklan terhadap kenaikan penjualan.Sedangkan, klasifikasi bertujuan untuk menentukan kelas atau kategori dari sebuah data baru, seperti apakah sebuah transaksi finansial tergolong penipuan atau tidak. 

Berdasarkan pada contoh penggunaannya: 

  • Regresi  
    • Prediksi harga properti berdasarkan ukuran, lokasi, dan umur bangunan. 
    • Forecasting jumlah penjualan pada bulan berikutnya. 
  • Klasifikasi 
    • Deteksi email spam. 
    • Diagnosis penyakit dari data medis. 

Referensi:  

  • James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013). An Introduction to Statistical Learning with Applications in R (ISLR). Pearson. 
  • Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques. 3rd Edition. Pearson.