PENGGUNAAN METODE ANALISIS DISKRIMINAN, REGRESI LOGISTIK, NEURAL NETWORK, DAN MARS UNTUK ANALISIS PERMASALAHAN

  • Ferry Kondo Lembang Jurusan Matematika FMIPA Universitas Pattimura
  • Dorteus L. Rahakbauw Jurusan Matematika FMIPA Universitas Pattimura
Keywords: Analisis Diskriminan, Regresi Logistik, MARS, Neural Network Performansi, ketepatan klasifikasi.

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

Download data is not yet available.

References

Agresti, A., 1990, Categorical Data Analysis, John Wiley and Sons, Inc, New York, USA
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.
Published
2013-12-01
How to Cite
[1]
F. Kondo Lembang and D. Rahakbauw, “PENGGUNAAN METODE ANALISIS DISKRIMINAN, REGRESI LOGISTIK, NEURAL NETWORK, DAN MARS UNTUK ANALISIS PERMASALAHAN”, BAREKENG: J. Math. & App., vol. 7, no. 2, pp. 47-51, Dec. 2013.

Most read articles by the same author(s)

<< < 1 2