PERBANDINGAN PERFORMA REGRESI LOGISTIK MULTINOMIAL DAN JARINGAN SARAF TIRUAN UMPAN MAJU YANG MENGGUNAKAN ALGORITMA LEVENBERG-MARQUARDT

VEMMIE NASTITI LESTARI, Prof. Drs. H. Subanar, Ph.D.,

2012 | Tesis | S2 Matematika

Ukuran performa dari suatu model untuk masalah klasifikasi pada kasus variabel respon lebih dari dua kategori, dapat dilihat dari nilai sensitivitas, spesifisitas, dan ketepatan klasifikasi. Metode yang dianggap terbaik adalah metode yang memberikan kesalahan klasifikasi terkecil. Dengan kata lain, mempunyai ukuran performa tertinggi. Dalam penelitian ini, penerapan perbandingan performa dari kedua metode dilakukan pada dua set data, yaitu data mengenai penyakit tiroid dan data simulasi. Pada model jaringan saraf tiruan umpan maju digunakan algoritma propagasi balik yang didasarkan pada Levenberg-Marquardt (trainlm). Arsitektur jaringan saraf tiruan yang optimum pada data tiroid adalah model (21-4-3), sedangkan pada data simulasi adalah model (2-10-3). Diperoleh hasil bahwa nilai sensitivitas, spesifisitas dan ketepatan klasifikasi menggunakan jaringan saraf tiruan umpan maju mempunyai nilai lebih tinggi dibandingkan dengan menggunakan regresi logistik multinomial. Namun untuk menjamin hasil perbandingan adalah benar, dilakukan resampling sebanyak 10 kali dan masing-masing dicatat hasil ukuran performanya. Setelah dilakukan resampling, jaringan saraf tiruan umpan maju mampu memberikan ukuran performa yang lebih tinggi dibandingkan model regresi logistik multinomial, baik pada data training maupun testing

Performance measures of a model for classification problem in the case of the response variables more than two categories, can be seen from the sensitivity, specificity, and accuracy of classification. Which is considered the best method is a method that gives the smallest classification error. In other words, has the highest performance measures. In this study, application of the comparative performance of both methods performed on two sets of data, namely data on thyroid disease and simulated data. In the model of feed-forward neural network used backpropagation algorithm based on Levenberg-Marquardt (trainlm). Artificial neural network architecture is optimum in the thyroid data is a model (21-4-3), while the simulation data is a model (2-10-3). The results indicate that the sensitivity, specificity and accuracy of classification using feed-forward neural network has a higher value compared to using multinomial logistic regression. However, to ensure the results of the comparison is true, do resampling 10 times and recorded the results of each performance measure. After resampling, feed-forward neural network capable of delivering higher performance measures than the multinomial logistic regression model, both on the training and testing data.

Kata Kunci : Regresi Logistik Multinominal, jaringan saraf tiruan, algoritmalevenberg-marquadrat