PENGGUNAAN METODE ANALISIS DISKRIMINAN, REGRESI LOGISTIK, NEURAL NETWORK, DAN MARS UNTUK ANALISIS PERMASALAHAN
Abstract
Masalah mendasar dalam permasalahan klasifikasi umumnya berkaitan dengan ketidakstabilan performansi atau kebaikan model mencakup aspek interpretasi model yang didapat dikaitkan dengan hubungan antara prediktor (input) dan respon (output), serta aspek ketepatan klasifikasi terutama pada objek baru yang tidak dimasukkan dalam pembentukan model (data testing). Analisis Diskriminan dan Regresi Logistik merupakan dua model klasik dari beberapa metode statistika yang digunakan untuk mengatasi masalah tersebut. Prinsip dasar kedua model klasik dalam permasalahan klasifikasi adalah adanya asumsi yang harus dipenuhi berkaitan dengan skala pengukuran prediktor, keterkaitan antara prediktor, dan distribusi bersama dari prediktor. Agar asumsi dari model klasik ini tidak menjadi syarat utama dalam masalah klasifikasi maka dikembangkan metode klasifikasi modern yaitu Neural Network (NN) dan MARS. Data HBAT dan data IRIS akan digunakan dalam penelitian ini untuk menilai kekonsistenan dan performansi model klasifikasi klasik dan model klasifikasi modern. Hasil empirik menunjukkan bahwa kekonsistenan performansi model klasifikasi klasik lebih baik daripada model klasifikasi modern.
Downloads
References
Friedman, J.H., 1991, Multivariate Adaptive Regression Splines, Tech Report 102 Rev, Department of Statistics Stanford University Stanford, California.
Hair, J.F., Anderson, R.E, Black, W.C., Babin, B.J., and Tatham,R.L, 2006, Multivariate Data Analysis, Sixth edition, Prentice Hall International, UK.
Hermawan, A., 2006, Jaringan Syaraf Tiruan Teori dan Aplikasi. ANDI Yogyakarta.
Le, C. T., 1998, Applied Categorical Data Analysis, John Wiley and Sons, Inc, New York. USA
Mulyono, A., 2004, Analisis Diskriminan dengan Metode Fisher, Metode Artificial Neural Networks (ANN) dan Metode Multivariate Adaptive Regression Spline (MARS), http://adln.lib.unair.ac.id/go.php? id=jiptunair-gdl-s2-2004-mulyonoagu-1279, Rabu, 28 Oktober 2009, pukul 20.43 WIB.
Supranto, J., 2004, Analisis Multivariat Arti dan Interpretasi, Rineka Cipta, Jakarta.
Authors who publish with this Journal agree to the following terms:
- Author retain copyright and grant the journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allow others to share the work within an acknowledgement of the work’s authorship and initial publication of this journal.
- Authors are able to enter into separate, additional contractual arrangement for the non-exclusive distribution of the journal’s published version of the work (e.g. acknowledgement of its initial publication in this journal).
- Authors are permitted and encouraged to post their work online (e.g. in institutional repositories or on their websites) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published works.