BAB 3
PEMBAHASAN
3.1. Evaluasi Fungsi Klasifikasi Regresi Logistik
Hal penting dalam melakukan evaluasi fungsi klasifikasi untuk mengetahui seberapa tepat klasifikasi yang dilakukan yaitu dengan menggunakan APER Apparent Error
Rate sebagaimana telah di jelaskan pada Bab 2. Sebelum menggunakan APER hal pertama yang dilkukan ialah dengan membuat tabel klasifikasinya terlebih dahulu
lihat Tabel 1. Dalam melakukan klasifikasi dengan regresi logistic terlebih dahulu dibuat tabulasi antara actual group dan predicted group yang diperoleh dari fungsi
logistik persamaan 2.
Selanjutnya dihitung proporsi pengamatan yang salah diklasifikasikan. Diharapkan proporsi pengamatan yang salah diklasifikasikan tersebut bias sekecil
mungkin. Dalam regresi logistik tidak memilih asumsi normalitas atas variabel bebas yang digunakan dalam model variable bebas tersebut dapat berupa variabel kontinu,
diskrit, dan dikotomus Kuncoro, 2000.
3.2. Analisis Data Dengan Regresi Logistik
Dalam melakukan analisis data pada regresi logistik hal pertama yang dilakukan ialah dengan membagi data menjadi dua bagian yaitu: sebagai training set dan validasi set.
Yang mana training set diperlukan untuk membentuk model klasifikasi regresi logistik dan validasi set digunakan sebagai cross validasi fungsi klasifikasi regresi logistik
yang diperoleh dari training set. Data yang masuk ke training set dipilih secara acak dengan menggukan bantuan program komputer spss 17.
Universitas Sumatera Utara
Tahap kedua ialah menguji apakah asumsi multivariate normal dan homogenitas varian terpenuhi oleh data pada masing-masing kelompok respon.
Asumsi multivariate normal diuji dengan Chi Square plot, sedangkan asumsi homogenitas varians diuji dengan Box’s. Tahap ketiga ialah dengan membentuk
model klasifikasi dengan regresi logistik menggunakan data pada training set. Model klasifikasi yang telah diperoleh ini selanjutnya divalidasi dengan data pada validasi
set, akan diketahui besarnya APER atau tingkat ketepatan klasifikasi Wibowo, 2002. Proporsi kesalahan misclassified atau ketepatan klasifikasi ini yang akan digunakan
sebagai pembanding antara regresi logistik dan jaringan saraf tiruan.
3.3. Klasifikasi Dengan Regresi Logistik