BRUTO DAN MARS UNTUK ANALISIS DISKRIMINAN FLEKSIBEL

RAHMANINGRUM K, Dr.rer.nat Dedi Rosadi, M.Sc.

2018 | Skripsi | S1 STATISTIKA

Analisis diskriminan fleksibel adalah pengembangan dari analisis diskriminan linier yang digunakan untuk menyelesaikan masalah klasifikasi pada nonparametrik. Analisis diskriminan fleksibel menggantikan langkah regresi linier dengan regresi nonparametrik. Metode yang dibahas adalah metode dengan pendekatan spline yaitu MARS (Multivariate Adaptive Regression Spline) dan Bruto (Adaptive Additive Spline). Analisis dikatakan baik ketika diperoleh nilai GCV (Generalized Cross Validation) yang minimum sehingga memberikan nilai APER (Apparent Error Rate) yang juga minimum. Dilakukan pengujian untuk mengklasifikasikan sinar gamma dari latarnya dengan kedua metode tersebut, diperoleh kesalahan klasifikasi dengan metode Bruto 14.17% sedangkan 15.3% dengan metode MARS.

Flexible Discriminant Analysis (FDA) is a development from linear discriminant analysis that being used to solve classification problems in nonparametric area. FDA replaces parametric regression with a nonparametric regression. Methods explained here are the spline approach, MARS (Multivariate Additive Regression Spline) and Bruto (Adaptive Additive Spline). The analysis is said well-performed if the value of GCV (Generalized Cross Validation) and APER (Apparent Error Rate) are minimum. The two methods are conducted to classify gamma rays from its background, and the error of classification results are 14.17% error by Bruto method and 15.3% error by MARS method.

Kata Kunci : Klasifikasi, Analisis Diskriminan, Spline, MARS (Multivariate Adaptive Regression Splines), GCV (Generalized Cross Validation), APER (Aparent Error Rate)