Daftar Isi: Pendekatan Analisis Regresi Logistik Multinomial Dan Classification And Regression Trees (Cart) Pada Data Korban Kecelakaan Lalu Lintas Di Kota Malang

Daftar Isi:

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.