KAJIAN METODE ANALISIS DISKRIMINAN DAN METODE LEARNING VECTOR QUANTIZATION UNTUK KLASIFIKASI
Abstract: Analisis diskriminan
adalah metode analisis multivariat yang bertujuan untuk memisahkan dan
mengalokasikan objek pengamatan ke dalam kelompok sehingga setiap objek menjadi
anggota dari salah satu kelompok dan tidak ada objek yang menjadi anggota lebih
dari satu kelompok. Metode klasifikasi Learning Vektor Quatization (LVQ)
merupakan salah satu algoritma Jaringan Syaraf Tiruan (JST) dengan metode
pelatihan pada lapisan kompetitif yang terawasi yang bisa digunakan untuk
klasifikasi. Permasalahan utama dilakukan penelitian ini adalah adanya metode
klasifikasi selain metode analisis diskriminan. Penelitian ini bertujuan untuk
membandingkan hasil klasifikasi antara analisis diskriminan yang merupakan
metode statistika dan metode Jaringan Syaraf Tiruan menggunakan metode Learning
Vektor Quatization. Klasifikasi dengan metode analisis diskriminan menggunakan
fungsi diskriminan dan skor diskriminan. Klasifikasi dengan metode analisis
diskriminan harus memenuhi asumsi dan syarat agar bisa dilakukan analisis.
Sedangkan klasifikasi dengan metode Learning Vector Quantization menggunakan
arsitektur jaringan optimal dangan menentukan MSE terkecil dari arsitektur
jaringan yang dibentuk tanpa ada asumsi yang harus dipenuhi. Secara keseluruhan
dapat disimpulkan bahwa kedua metode sama baiknya untuk klasifikasi sesuai
hasil uji t. Metode Learning Vector Quantization bisa digunakan sebagai
alternatif untuk klasifikasi apabila syarat kesamaan vektor rata-rata pada analisis diskriminan tidak terpenuhi.
Penulis: Dian Norras Septiana
Kode Jurnal: jpmatematikadd141028
