Trace +1
2.8.3 Uji Signifikansi Basis Fungsi Model MARS
Pada model MARS dilakukan uji signifikansi Basis Fungsi yang meliputi uji secara bersamaan dan uji individu. Uji signifikansi yang dilakukan secara
bersamaan terhadap basis fungsi-basis fungsi yang terdapat dalam model MARS ini bertujuan untuk mengetahui apakah secara umum model MARS terpilih
merupakan model yang sesuai dan menunjukkan hubungan yang tepat antara variabel prediktor dengan variabel respon. Hipotesis yang digunakan adalah :
Statistik uji yang digunakan pada pengujian ini adalah statistik uji F yang diperoleh dari
Nilai F
hitung
ini kemudian dibandingkan dengan yaitu nilai F dengan
tingkat signifikansi α serta v
1
= k dan v
2
= dengan n adalah banyaknya
sampel dan k adalah banyaknya fungsi basis yang berkontribusi terhadap model.
Universitas Sumatera Utara
Jika F
hitung
F
α
v
1
,v
2
maka H ditolak, artinya paling sedikit ada satu
α
j
yang tidak sama dengan nol.
Bila pada pengujian secara bersamaan disimpulkan untuk tolak H ,
selanjutnya akan dilakukan pengujian untuk masing-masing basis fungsi yang bertujuan untuk mengetahui apakah basis fungsi yang terbentuk mempunyai
pengaruh signifikan terhadap model, selain itu ingin diketahui pula apakah model yang memuat parameter tersebut telah mampu menggambarkan keadaan data
yang sebenarnya. Hipotesisnya adalah sebagai berikut : : Tidak ada hubungan antara variabel Y dan variabel X
: Ada hubungan antara variabel Y dan Variabel X
Nilai statistik hitung diperoleh dari
,
dengan merupakan standar error
yang diperoleh dari
Nilai
ini
dibandingkan dengan nilai tabel distribusi t dengan derajat bebas
dan tingkat signifikansi α. Jika daerah kritis|t
hitung
| t α2,
v, maka H ditolak, artinya ada pengaruh variabel prediktor pada fungsi basis
tersebut terhadap variabel respon.
2.8.4 Apparent Error Rate APER
Universitas Sumatera Utara
APER adalah ukuran evaluasi yang digunakan untuk melihat peluang kesalahan klasifikasi yang dihasilkan oleh suatu fungsi klasifikasi. Nilai APER ini
menunjukkan proporsi observasi yang salah diklasifikasikan oleh fungsi klasifikasi. Dalam penelitian kali ini digunakan respon biner sehingga penentuan
kesalahan klasifikasi dapat dihitung dari tabel Klasifikasi berikut :
Tabel 2.1 Klasifikasi APER
kelas actual kelas prediksi
kelas 1 kelas 2
kelas 1
n
11
n
12
kelas 2 n
21
n
22
Keterangan : n
11
= Jumlah kelas aktual 1 yang tepat diklasifikasikan sebagai kelompok 1. n
12
= Jumlah kelas aktual 1 yang salah diklasifikasikan sebagai kelompok 2. n
21
= Jumlah kelas aktual 2 yang salah diklasifikasikan sebagai kelompok 1 . n
22
= Jumlah kelas aktual 2 yang tepat diklasifikasikan sebagai kelompok 2. Nilai APER dihitung sebagai berikut ,
2.10
2.9 Bootstrap Agregating Bagging
Kategori