Penerapan Dan Perbandingan Antara Artificial Neural Network (ANN)Dengan Regresi Logistik Pada Kasus Pengklasifikasian

Lestari, Lilik Budi (2002) Penerapan Dan Perbandingan Antara Artificial Neural Network (ANN)Dengan Regresi Logistik Pada Kasus Pengklasifikasian. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
1397100032-Undergraduate Thesis.pdf - Published Version

Download (15MB) | Preview

Abstract

Tujuan dari penehtian ini adalah menerapkan Artificial Neural Network untuk menyelesaikan kasus pengklasifikasian dan membandingkan hasilnya dengan metode Regresi Logistik. Teori dan penerapan Regresi Logistik dapat dilihat pada Hosmer & Lemeshow (1989), sedangkan penerapan Artificial Neural Network untuk pengklasifikasian dapat dilihat pada Schumacher, dkk ( 1996 ), West (2000), McMmen (2000), dan Zhou, dkk ( 1 997). Penelitian ini menggunakan dua data sebagai studi kasus, yaitu data tentang hipotensi selama proses hemodialisis (Kusdamayanti, 2001) dan data tentang berat badan bayi ketika lahir (Hosmer & Lemeshow, 1989). Proses analisis dan pembahasan dilakukan dengan membagi data ke dalam dua kelompok, yaitu data training yang digunakan mtuk pembentuk:kan model dan data testing untuk memvalidasi model. Perbandingan basil ketepatan klasi:fik:asi antara kedua metode ini dilakukan berdasarkan basil model terbaik dari masing-masing metode dan hasil dari model dengan melibatkan semua variabel prediktor. Hasil analisis dan pembahasan dari dua data sebagai studi kasus menmjukkan bahwa metode Artificial Neural Network cenderung memberikan ketepatan klasifikasi lebih tinggi dibanding metode Regresi Logistik pada data training. Sedangkan pada data testing, metode Regresi Logistik yang cenderung memberikan hasil ketepatan klasi:fik:asi lebih baik. Kecenderungan hasil ini sama dengan yang diperoleh oleh Zhou, dkk (1997), West (2000) dan McMillen (2000) pada kasus pengklasifikasian, ataupun oleh Hadiyat (2001) pada kasus forecasting dimana Artificial Neural Network cenderung lebih baik hanya pada data training dan cenderung tidak lebih baik dibanding metode statistik yang standar pada hasil validasi atau data testingnya.

Item Type: Thesis (Undergraduate)
Additional Information: RSSt 519.536 Les p
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis
Divisions: Faculty of Mathematics and Science > Statistics
Depositing User: ansi aflacha
Date Deposited: 06 Nov 2019 07:41
Last Modified: 06 Nov 2019 07:41
URI: https://repository.its.ac.id/id/eprint/71616

Actions (login required)

View Item View Item