Alfiana, AnnisaEka (2016) Perbandingan Analisis Regresi Logistik Dan Learning Vector Quantization Dalam Pengklasifikasian Peubah Respon Biner. Sarjana thesis, Universitas Brawijaya.
Abstract
Pengklasifikasian merupakan salah satu metode statistika untuk mengelompokkan suatu data yang disusun secara sistematis. Terdapat beberapa metode klasifikasi yang biasa digunakan tetapi pada penelitian ini hanya digunakan dua metode saja yaitu regresi logistik biner dan Learning Vector Quantizaton (LVQ). Regresi logistik biner adalah suatu regresi logistik yang memiliki peubah respon yaitu peubah kategorik yang bersifat biner atau dikotomus. Sedangkan LVQ adalah salah satu model jaringan syaraf tiruan. Metode klasifikasi ini menggunakan pelatihan pada lapisan kompetitif terawasi. Kasus yang diambil ada 3 yaitu klasifikasi pola makan balita, pemberian kredit usaha tani rumput laut serta kejadian bayi berat lahir rendah. Ketepatan klasifikasi pada masing-masing metode dapat diketahui dari nilai Hit Ratio. Berdasarkan analisis regresi logistik untuk data kedua, tidak bisa dicari ketepatan klasifikasi dikarenakan pada data tersebut semua peubah prediktor tidak signifikan pada saat pengujian parsial. Karena hanya dilihat dari hasil ketepatan klasifikasi data testing saja maka dapat diketahui untuk data 2 metode LVQ lebih unggul dibandingkan metode regresi logistik biner sedangkan untuk data 1 dan 3 mempunyai hasil ketepatan klasifikasi yang sama pada masing-masing metode, baik itu metode regresi logistik biner maupun metode LVQ.
English Abstract
Classification is one of the statistical methods in grouping data compiled systematically. There are several methods of classification used, but in this research only used two methods binary logistic regression and Learning Vector Quantizaton (LVQ). Binary logistic regression was a logistic regression where the response variable is a categorical variable that is binary or dichotomous. While LVQ is one model of a neural network in which the method of classification using supervised training in a competitive layer. Cases were taken there 3 that classification toddler diet, crediting seaweed farming and the incidence of low birth weight babies. The accuracy of the classification of each method can be known from the value of Hit Ratio. Based on the results of the classification accuracy percentage, the second data using binary logistic regression, classification accuracy can not be searched because of these facts all predictor variables were not significant at the time of the partial testing. Because only be seen from the results of the accuracy of the data classification testing course it is known to the data 2 LVQ superior method of binary logistic regression while for the data 1 and 3 have an accuracy as the same classification in each method, both the method of binary logistic regression nor LVQ.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2016/301/051610463 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Kustati |
| Date Deposited: | 28 Oct 2016 09:31 |
| Last Modified: | 28 Oct 2016 09:31 |
| URI: | http://repository.ub.ac.id/id/eprint/154822 |
Actions (login required)
 |
View Item |