Pengklasifikasian daerah tertinggal di Indonesia menggunakan metode probabilistic neural network dan radial basis function neural network
Penetapan daerah tertinggal di Indonesia merupakan kasus
pengklasifikasian dengan dua kategori pada variabel respon (biner).
-
Code CallNo Lokasi Ketersediaan 010030007645 519.5 Vir p/R.104.1 Perpustakaan Pusat Tersedia -
Perpustakaan Judul Seri -No. Panggil 519.5 Vir p/R.104.1Penerbit Magister Statistika Terapan : Bandung., 2016 Deskripsi Fisik xii, 73 hlm. ; il. ; 29 cmBahasa IndonesiaISBN/ISSN -Klasifikasi 519.5 Vir pTipe Isi -Tipe Media -Tipe Pembawa -Edisi 2017Subyek Info Detil Spesifik TesisPernyataan Tanggungjawab Vira Wahyuningrum -
Penetapan daerah tertinggal di Indonesia merupakan kasus
pengklasifikasian dengan dua kategori pada variabel respon (biner).
Pengklasifikasian dengan metode k1asifikasi linier yang umum digunakan yaitu
regresi logistik menghasilkan error rate atau misclassification yang relatif besar,
sehingga diperlukan suatu metode altematif. Artificial Neural Network (ANN)
merupakan altematif yang menjanjikan untuk berbagai metode klasifikasi
konvensional (Zhang, 2000). Dalam penelitian ini digunakan dua arsitektur dalam
ANN yaitu Probabilistic Neural Network (PNN) dan Radial Basis Function
Neural Network (RBFNN) untuk kasus klasifikasi daerah tertinggal di Indonesia
yang diduga merupakan kasus klasifikasi nonlinier. Hasil dari penelitian ini adalah
kedua metode yakni PNN dan RBFNN menghasilkan ketepatan klasifikasi yang
lebih besar dari regresi logistik dengan akurasi di atas 90 persen. Berdasarkan
nilai F-Measure, PNN merupakan pengklasifikasi yang lebih baik dibandingkan
RBFNN dalam pengklasifikasian daerah tertinggal di Indonesia.
-
Tidak tersedia versi lain
-
Silakan login dahulu untuk melihat atau memberi komentar.