Klasifikasi Menggunakan Metode Regresi Logistik Dan Support Vector Machine
| Main Author: | Ayungtyas, Deisi Antika |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/3988/ |
Daftar Isi:
- Klasifikasi merupakan suatu teknik yang digunakan untuk mengetahui atau memperkirakan kelas dari suatu objek berdasarkan atribut yang ada. Klasifikasi dapat diselesaikan menggunakan metode statistika dan machine learning. Salah satu metode statistika klasik yang biasa digunakan untuk menyelesaikan masalah klasifikasi yaitu Analisis Regresi Logistik. Regresi logistik merupakan model statistika yang digunakan untuk mengetahui ada tidaknya hubungan antara dua variabel atau lebih, di mana variabel respon bersifat kategorik dan variabel prediktor bersifat kategori atau numerik. Support Vector Machine (SVM) merupakan metode learning machine yang bekerja atas prinsip Structural Risk Minimization (SRM) yang bertujuan membuat hyperlane terbaik yang memisahkan dua kelas. Tujuan dari penelitian ini adalah mengetahui metode yang lebih baik antara metode Regresi Logistik dan Support Vector Machine berdasarkan nilai APER (Apparent Error Rate) dan uji Press’Q. Data yang digunakan adalah Data 1 yaitu data tingkat penyakit stroke, Data 2 yaitu data klasifikasi pemilihan tempat berbelanja masyarakat di Sidoarjo, dan Data 3 yaitu Data debitur kredit usaha rakyat Bank BRI Malang. Berdasarkan hasil analisis regresi logistik dan Support Vector Machine yang diterapkan pada ketiga data tersebut didapatkan nilai APER untuk analisis regresi logistik masing - masing data yaitu Data 1 sebesar 14%, Data 2 sebesar 16%, dan Data 3 sebesar 9.1%. Nilai APER untuk Support Vector Machine masing-masing data yaitu Data 1 sebesar 8%, Data 2 sebesar 12%, dan Data 3 sebesar 9.1%. Sedangkan hasil uji Press’Q menunjukan bahwa hasil klasifikasi menggunakan analisis regresi logistik dan Support Vector Machine telah konsisten. Secara keseluruhan dapat disimpulkan bahwa metode Support Vector Machine lebih baik daripada Analisis Regresi Logistik. Walaupun kedua metode diterapkan pada karakteristik data yang berbeda Support Vector Machine masih memberikan hasil yang baik.