Detail Cantuman

Image of Pengklasifikasian daerah tertinggal di Indonesia menggunakan metode probabilistic neural network dan radial basis function neural network

 

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).

  • CodeCallNoLokasiKetersediaan
    010030007645519.5 Vir p/R.104.1Perpustakaan PusatTersedia
  • Perpustakaan
    Judul Seri
    -
    No. Panggil
    519.5 Vir p/R.104.1
    Penerbit Magister Statistika Terapan : Bandung.,
    Deskripsi Fisik
    xii, 73 hlm. ; il. ; 29 cm
    Bahasa
    Indonesia
    ISBN/ISSN
    -
    Klasifikasi
    519.5 Vir p
    Tipe Isi
    -
    Tipe Media
    -
    Tipe Pembawa
    -
    Edisi
    2017
    Subyek
    Info Detil Spesifik
    Tesis
    Pernyataan Tanggungjawab
  • 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.


Informasi