ANALISIS DISKRIMINAN DENGAN METODE FISHER METODE ARTIFICIAL NEURAL NETWORK (ANN) DAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) Repository

ANALISIS DISKRIMINAN DENGAN METODE FISHER METODE ARTIFICIAL NEURAL NETWORK (ANN) DAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)

Agus Mulyono (2004) ANALISIS DISKRIMINAN DENGAN METODE FISHER METODE ARTIFICIAL NEURAL NETWORK (ANN) DAN METODE MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS). Thesis thesis, UNIVERSITAS AIRLANGGA.

Full text not available from this repository. (Request a copy)

Official URL: http://lib.unair.ac.id

Abstract

Analisis diskriminan merupakan salah satu teknik multivariate yang difokuskan pada pemisahan obyek (pengamatan). Tujuan dan analisis ini adalah menggambarkan bentuk yang berbeda dari beberapa populasi yang telah diketahui, sehingga populasi tersebut terpisah dengan baik serta menentukan fungsi pembeda antar kelompok dan mengklasifikasikan obyek baru ke dalam kelas atau kelompok yang ada (Johnson, 1998). Metode statistik yang digunakan dalam. analisis, diskriminan multivariate telah hanyak. dikembangkan mulai dari metode analisis klasik hingga. metode yang berbasis komputasi Pada analisis diskriminan linier, digunakan dengan mengasumsikan kenormalan sisaan dan memiliki kovarian sisaan yang sama Dalam hal terbatasnya. informasi tentang pola data sehingga sulit untuk membuat asumsi terhadap bentuk kurva atau data non linier dan berdimensi tinggi, diskriminan linier sering menimbulkan masalah juga sulit diinterpretasikan, Salah satu. pendekatan yang dapat dilakukan adalah pendekatan Artificial Neural Network (ANN). Ann merupakan salah satu alternatif penyelesaian dalam analisis diskriminan dengan fungsi yang tidak linier atau model regresi non linier. Kelebihan metode ini tidak perlu asumsi bahwa data harus berdistribusi multivariate normal atau tidak memerlukan model serta mempunyai ketelitian yang tingggi Pendekatan yang lain yang dapat dilakukan adalah metode Multivariate Adaptive Regression Spline (MAR.S), MARS merupakan pendekatan regressi multivariat nonparametrik yang diharapkan dapat meningkatkan tingkat ketepatan hasil, Pendekatan ini digunakan untuk model regresi non linier. Penelitian ini bertujuan untuk menganalisa, seberapa besar metode ANN dan metode MARS mampu menghilangkan misklasifikasi dan dapat lebih meminimalkan kesalahan pengklasifikasian, Menerapkan metode ANN dan MARR pada, data tentang kesehatan dan selanjutnya membandingkan hasil analisis diskriminan metode ANN dan metode MARS. Selanjutnya dalam penelitian ini metode ANN dan MARS diaplikasikan pada data tentang kesejahteraan penduduk dan angka kematian bayi. Hasil analisis menunjukkan bahwa kesalahan pengklasifikasian pada, metode ANN sebesar 0%, dengan model optimal pada saat jumlah hidden node 15. Hasil analisis menunjukkan bahwa kesalahan pengklasifikasian pada metode MARS sebesar 18,9 %, dengan model optimal pada. saat maksimum interaksi 1; basis fungsi. I 5; minimum span 10 dengan GCV 0. 164,

Item Type:

Thesis (Thesis)

Additional Information:

KKC KK TKM 19/04 Mul a (tidak ada file full text dan abstrak)

Uncontrolled Keywords:

Discriminant analysis, Artificial Neural Network, Multivariate Adaptive Regression Spline

Subjects:

H Social Sciences > HD Industries. Land use. Labor > HD28-70 Management. Industrial Management
K Law > K Law (General) > K1-7720 Law in general. Comparative and uniform law. Jurisprudence > K(520)-5582 Comparative law. International uniform law > K3566-3578 Public health

Divisions:

09. Sekolah Pasca Sarjana > Ilmu Kesehatan Masyarakat
10. Fakultas Kesehatan Masyarakat > Magister Ilmu Kesehatan Masyarakat

Creators: