Daftar Isi: Perbandingan Analisis Regresi Logistik Dan Learning Vector Quantization Dalam Pengklasifikasian Peubah Respon Biner

Daftar Isi:

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.