Dimyati, SitiAtika (2016) Pendekatan Analisis Regresi Logistik Multinomial Dan Classification And Regression Trees (Cart) Pada Data Korban Kecelakaan Lalu Lintas Di Kota Malang. Sarjana thesis, Universitas Brawijaya.
Abstract
Analisis Regresi Logistik Multinomial atau disebut juga model logit politomus merupakan model regresi yang digunakan untuk menyelesaikan kasus regresi dengan peubah dependen berupa data kualitatif berbentuk multinomial (lebih dari dua kategori) dengan satu atau lebih peubah independen. Logistik Multinomial juga dapat digunakan untuk melakukan klasifikasi dengan menghitung nilai Apparent Error Rate (APER). Selain itu salah satu metode alternatif masalah klasifikasi yang lebih longgar atau tidak terikat oleh asumsi-asumsi dan tidak berbentuk probabilitas adalah metode klasifikasi berstruktur pohon yaitu Classification and Regression Trees (CART). Dalam penelitian ini menggunakan kedua pendekatan tersebut untuk klasifikasi. Tujuan penelitian ini adalah mendapatkan ketepatan hasil klasifikasi paling besar antara pendekatan Logistik Multinomial dan Classification and Regression Trees (CART) pada tingkat keparahan korban kecelakaan lalu lintas di kota Malang pada tahun 2015. Dengan perhitungan ketepatan klasifikasi menggunakan Apparent Error Rate (APER) dapat menghasilkan ketepatan klasifikasi dengan pendekatan logistik multinomial yang lebih besar yaitu 78,2 % sedangkan pada hasil ketepatan klasifikasi dengan menggunakan pendekatan CART sebesar 77,7 % dengan selisih 0,5 %. Dapat dikatakan bahwa pada kasus ini regresi logistik multinomial memberikan hasil ketepatan klasifikasi yang lebih baik daripada CART.
English Abstract
Multinomial Logistic Regression Analysis also called logit model politomus a regression model was used to resolve the case of regression with the dependent variable in the form of qualitative data in the form multinomial (more than two categories) by one or more independent variables. Multinomial Logistics can also be used to perform the classification by calculating the value of Apparent Error Rate (APER). In addition one of the alternative methods of classification problems with loose or not bound by assumptions and probabilities are not shaped tree structured classification method that is Classification and Regression Trees (CART). In this study using both approaches to classification. The purpose of this study is to get the greatest accuracy of the classification results between Multinomial Logistic and Classification and Regression Trees (CART) on the severity of victims of traffic accidents in the city of Malang on 2015. With the calculation using a classification accuracy Apparent Error Rate (APER) can generate classification accuracy with multinomial logistic approach the greater one is 78,2 % whereas the results classification accuracy with approach CART is 77,7 % with a difference 0,5 %. It can be said that in this case the multinomial logistic regression results of classification accuracy better than CART.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2016/304/051610466 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Kustati |
| Date Deposited: | 28 Oct 2016 09:49 |
| Last Modified: | 28 Oct 2016 09:49 |
| URI: | http://repository.ub.ac.id/id/eprint/154825 |
Actions (login required)
 |
View Item |