<![CDATA[Model logistik untuk data respon yang mempunyai lebih dari dua kategori dikenal sebagai model regresi logistikpolikotomus atau model logit multinomial. Pendekatan lain yang dapat dilakukan untuk menganalisis data respon yangdemikian adalah dengan menggunakan model neural network (NN). Model feedforward neural network (FFNN)merupakan salah satu bentuk model NN yang dipandang sebagai suatu bagian dari kelompok model yang sangat fleksibeldan dapat digunakan untuk berbagai aplikasi. FFNN dengan satu hidden layer dan parameter/bobot yang digunakanbersama (shared weights) merupakan generalisasi dari model logit multinomial. Perbedaan utama diantara keduapendekatan tersebut adalah NN merupakan model nonparametrik, sehingga tidak membutuhkan asumsi awal tentangbentuk hubungan yang dimodelkan, sedangkan model logit multinomial merupakan model parametrik yang dalam hal inidapat mengalami bias spesifikasi model apabila asumsi tidak terpenuhi. Model logit multinomial mampu memberikantaksiran parameter yang dapat diinterpretasi dan statistik uji untuk mengetahui signifikansi taksiran parameter tersebut,sedangkan NN sangat sulit untuk interpretasi namun arsitektur jaringan dapat dengan mudah ditingkatkan untukmendapatkan hasil yang optimal. Model logit multinomial dan NN keduanya dapat digunakan untuk menyelesaikanmasalah klasifikasi, oleh karena itu makalah ini membahas tentang perbandingan ketepatan klasifikasi antara model logitmultinomial dengan NN menggunakan data simulasi. Hasil penelitian menunjukkan bahwa NN mampu memberikanketepatan klasifikasi yang lebih tinggi dibandingkan dengan model logit multinomial, baik pada data training maupun padadata testing.]]>
Copyrights © 2004
