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
Pengklasifikasian yang dilakukan yaitu dengan menggunakan data demografi penduduk Indonesia pada 30 provinsi yang diambil dari tahun 2000 sampai tahun
2010. Dengan variabel responnya ialah persentasi laju pertumbuhan penduduk. variabel ini dikode 0 jika persentasi perubahannya di bawah persentasi seluruh laju
pertumbuhan penduduk di Indonesia dan dikode 1 jika persentasi laju pertumbuhan penduduk setiap provinsi di atas persentasi laju pertumbuhan penduduk seluruh
Indonesia.
Variabel prediktornya ialah komposisi umur dependency ratio, fertilitas, mortalitas, dan migrasi penduduk di masing-masing provinsi.. Untuk dependency ratio
akan dikode 0 jika di bawah rata-rata tingkat dependency ratio penduduk Indonesia dan akan dikode 1 jika berada di atas rata-rata tingkat dependency ratio penduduk
Indonesia. Berdasarkan hasil pengujian asumsi, untuk nilai data ini yang skala datanya campuran, asumsi kesamaan matrik kovarian dapat terpenuhi, sedangkan asumsi
multivariate normal tidak terpenuhi karena menghsilkan kesimpulan yang berbeda.
Pada data demografi Indonesia di 30 provinsi rata-rata laju pertumbuhan penduduk Indonesia dari tahun 2000 sampai 2010 yaitu 1,29 , tingkat migrasi
penduduk Indonesia ialah 0. Dependency ratio Indonesia yaitu 50,1 . Adapun data penduduk Indonesia dari 30 provinsi dapat dilihat pada Tabel 2 berikut ini:
Universitas Sumatera Utara
Tabel 2: Data Demografi Indonesia Pada Data Proyeksi Penduduk Indonesia Tahun
2000-2010 x 1000 No
Provinsi Laju
pertumbuhan Penduduk
Dependency Ratio
Fertilitas Mortalitas Migrasi
1 NAD 0,42
58,1 84,5
25,1 -11,4
2 Sumatera Utara 1,23
59,2 262,8
61,1 -4,4
3 Sumatera Barat 0,66
59,2 89,2
31,9 -7,0
4 Riau 4,25
52,2 145,8
15,3 19,8
5 Jambi 1,88
53,4 55,3
13,0 2,3
6 Sumatera Selatan 1,62
55,4 140,1
37,5 0,2
7 Bengkulu 2,11
52,4 33,0
9,0 4,8
8 Lampung 1,52
53,7 144,1
35,8 0,0
9 Kep. Bangka Belitung 1,51
49,0 18,7
5,8 0,6
10 DKI Jakarta 0,64
38,8 176,1
32,1 -7,4
11 Jawa Barat 1,74
49,4 755,6
262,2 3,7
12 Jawa Tengah 0,35
50,0 568,6
162,0 -7,3
13 D.I. Yogyakarta 0,92
40,1 39,0
25,9 4,1
14 Jawa Timur 0,39
42,3 504,0
255,3 -2,8
15 Banten 2,79
55,6 205,9
50,1 10,6
16 Bali 1,30
43,5 53,6
21,3 2,4
17 Nusa Tenggara Barat 1,58
57,5 96,1
32,8 0,3
18 Nusa Tenggara Timur 1,42
63,2 88,8
24,6 -1,7
19 Kalimantan Barat 1,70
55,9 93,7
20,7 0,2
20 Kalimantan Tengah 8,33
51,2 40,0
10,1 10,3
21 Kalimantan Selatan 1,60
49,2 63,3
19,9 2,0
22 Kalimantan Timur 2,65
48,8 56,0
9,8 8,9
23 Sulawesi Utara 1,26
45,4 34,0
10,5 1,5
24 Sulawesi Selatan 1,33
53,5 163,2
57,6 -3,4
25 Sulawesi Tengah 1,94
52,8 48,2
14,1 4,4
26 Sulawesi Tenggara 2,65
60,7 40,9
11,0 7,5
27 Gorontalo 0,79
52,2 17,0
4,7 -6,2
28 Maluku 1,63
63,2 28,4
8,2 -0,2
29 Maluku Utara 1,66
62,9 20,8
5,5 -0,1
30 Papua 2,42
52,4 57,0
7,6 3,9
sumber: http:www.datastatistik-indonesia.com
Universitas Sumatera Utara
Proses Klasifikasi: 1. Tahap pertama ialah melakukan pengkodean pada data demografi di atas,
perubahan yang terjadi dapat dilihat pada Tabel 3 berikut ini:
Tabel 3: Data Demografi Indonesia Pada Data Proyeksi Penduduk Indonesia Tahun
2000-2010 Setelah Diberi Pengkodean. No
Provinsi Laju
Pertumbuhan Penduduk
Dependency Ratio
Fertilitas Mortalitas Migrasi
1 NAD 1
84,5 25,1
-11,4 2 Sumatera Utara
1 262,8
61,1 -4,4
3 Sumatera Barat 1
89,2 31,9
-7,0 4 Riau
1 1
145,8 15,3
19,8 5 Jambi
1 1
55,3 13,0
2,3 6 Sumatera Selatan
1 1
140,1 37,5
0,2 7 Bengkulu
1 1
33,0 9,0
4,8 8 Lampung
1 1
144,1 35,8
0,0 9 Kep. Bangka Belitung
1 18,7
5,8 0,6
10 DKI Jakarta 176,1
32,1 -7,4
11 Jawa Barat 1
755,6 262,2
3,7 12 Jawa Tengah
568,6 162,0
-7,3 13 D.I. Yogyakarta
39,0 25,9
4,1 14 Jawa Timur
504,0 255,3
-2,8 15 Banten
1 205,9
50,1 10,6
16 Bali 1
53,6 21,3
2,4 17 Nusa Tenggara Barat
1 1
96,1 32,8
0,3 18 NusaTenggaraTimur
1 1
88,8 24,6
-1,7 19 Kalimantan Barat
1 1
93,7 20,7
0,2 20 Kalimantan Tengah
1 1
40,0 10,1
10,3 21 Kalimantan Selatan
1 63,3
19,9 2,0
22 Kalimantan Timur 1
56,0 9,8
8,9 23 Sulawesi Utara
34,0 10,5
1,5 24 Sulawesi Selatan
1 1
163,2 57,6
-3,4 25 Sulawesi Tengah
1 1
48,2 14,1
4,4 26 Sulawesi Tenggara
1 1
40,9 11,0
7,5 27 Gorontalo
1 17,0
4,7 -6,2
28 Maluku 1
1 28,4
8,2 -0,2
29 Maluku Utara 1
1 20,8
5,5 -0,1
30 Papua 1
1 57,0
7,6 3,9
Setelah dilakukan pengkodean data diolah dengan menggunakan spss 17.
2. Menguji apakah asumsi multivariate normal dan homogenitas varian terpenuhi oleh data pada masing-masing kelompok respon. Asumsi
Universitas Sumatera Utara
multivariate normal diuji dengan Chi Square plot, sedangkan asumsi homogenitas varians diuji dengan Box’s.
Tabel 4: Tabel Uji Chi Square
Dari Chi Square pada derajat kebebasan 5 dengan nilai 11,135 artinya model dengan hanya intercept, berbeda secara statistik dibandingkan dengan
model yang memasukkan semua variabel. Hal ini dapat dilihat dari taraf signifikannya yakni 0,025 0,05.
3. Tahap 3 yaitu dengan menggunakan spss 17 dapat diperoleh tabel klasifikasi actual group dan predicted group dari Tabel 3 di atas, antara lain:
Tabel 5: Tabel Klasifikasi
Predicted group Actual Group
Sehingga proporsi pengamatan yang salah diklasifikasikan dapat diperoleh dengan menghitung APER, yakni:
Model Fitting Information
Model Model
Fitting Criteria
Likelihood Ratio Tests
-2 Log Likelihood
Chi- Square
df Sig.
Intercept Only 38.191
Final 27.056
11.135 4
.025
Universitas Sumatera Utara
3.4. Algoritma Pelatihan Jaringan Saraf Tiruan Back Propagation