PYTHAGORAS : Jurnal Matematika dan Pendidikan Matematika
Document Type
Article
Abstract
Penelitian ini bertujuan untuk membandingkan model Neural Network (NN) dengan regresi logistik dalam memodelkan masalah klasifikasi pada kasus masa studi mahasiswa Jurusan Pendidikan Matematika FMIPA UNY, dan mengetahui faktor-faktor yang mempengaruhi masa studi mahasiswa Jurusan Pendidikan Matematika FMIPA UNY. Subyek penelitian ini adalah mahasiswa Jurusan Pendidikan Matematika yang lulus sejak Agustus 2001 hingga November 2005. Jumlah responden dalam penelitian ini sebanyak 319 orang. Variabel respon (Y) dalam penelitian ini adalah ketepatan masa studi. Variabel penjelasnya yaitu jenis kelamin (X1), IPK tahun pertama (X2) dan program studi (X3). Variabel penjelas dipilih berdasarkan ketersediaan data. Untuk membandingkan kedua model digunakan kriteria ketepatan klasifikasi, yaitu rasio antara banyaknya data yang terprediksi secara tepat, dengan keseluruhan data. Faktor-faktor yang mempengaruhi masa studi mahasiswa Jurusan Pendidikan Matematika FMIPA UNY ditentukan berdasarkan uji signifikansi terhadap parameter pada model logistik. Hasil perbandingan kedua model tersebut untuk kasus masa studi mahasiswa di UNY menunjukkan bahwa model regresi logistik lebih baik digunakan karena mampu memberikan tingkat ketepatan klasifikasi yang lebih tinggi dibandingkan NN. Diantara faktor-faktor jenis kelamin, IPK pada tahun pertama, dan program studi, IPK pada tahun pertama merupakan faktor yang secara signifikan mempengaruhi masa studi mahasiswa.
Kata kunci : Model NN, model regresi logistik, ketepatan klasifikasi, masa studi.
Page Range
1-14
Issue
1
Volume
4
Digital Object Identifier (DOI)
10.21831/pg.v4i1.683
Source
https://journal.uny.ac.id/index.php/pythagoras/article/view/683
Recommended Citation
Wutsqa, D. U., & Rezeki, S. (2008). PERBANDINGAN MODEL NEURAL NETWORK DAN REGRESI LOGISTIK PADA KASUS MASA STUDI MAHASISWA JURUSAN PENDIDIKAN MATEMATIKA FMIPA UNY. PYTHAGORAS : Jurnal Matematika dan Pendidikan Matematika, 4(1), 1-14. https://doi.org/10.21831/pg.v4i1.683
References
Adam, B.M. 1996. Penerapan Analisis Diskriminan Non parametric untuk Menduga Keberhasilan Mahasiswa TPB IPB. Skripsi. Bogor: Jurusan Statistika FMIPA IPB.
Agresti, A. 1990. Categorical Data Analysis. New York: John Wiley and Sons, Inc.
Chiang, W.K., Zhang, D. & Zhou, L. 2004. Predicting and Explaining Patronage Behavior toward Web and Traditional Stores Using Neural Networks: a Comparative Analysis with Logistic Regression, Decision Support System, xx.
Fausett, L. 1994. Fundamental of Neural Network: Architecture, Algorithms and Applications. New Jersey: Prentice Halls International, Inc.
Handayani, D. 1996. Profil Mahasiswa TPB 1995/1996 yang Kurang Berhasil di IPB. Skripsi. Bogor: Jurusan Statistika FMIPA IPB.
Hornik, K., Stinchcombe, M. & White, H. 1989. Multilayer feedforward networks are universal approximators. Neural Networks, 2, 359-66.
Hosmer, D.W. & Lemeshow, S. 1989. Applied Logistic Regression. New York: John Wiley & Sons Ltd.
Lolombulan, J.H. 1990. NEM SMA Sebagai Indikator Keberhasilan Belajar di Perguruan Tinggi. Disertasi. Bogor: Program Pascasarjana IPB.
McMillen, R. 2000. Neural Networks as a Methodological Toolls. draft do no cite: Mississippi State University: Tracy Henly.
Rumelhart, D. & McClelland, J. 1986. Parallel Distributed Processing: Explorations in the Microstructures of Coginition.Vol. 1, Cambridge: MIT Press.
Schumacher, M., Robner, R. & Vach, W. 1996. Neural Network and Logistic Regression: Part I. Computational Statistic & Data Analysis, 21: 661-682.
Setyowati, R. 1998. Deskripsi Faktor Penyebab Kegagalan Mahasiswa Wanita TPB IPB
/1997. Skripsi. Bogor: Jurusan Statistika FMIPA IPB.
Stern, H.S. 1996. Neural Networks in Applied Statistics, Technometrics, Vol. 38, No. 3,
-214.
West, D. 2000. Neural Network Credit Scoring Model”, Computer & Operations Research, 27:131 – 1152.
West, P.M., Brockett, P.L. & Golden, L.L. 1997. A comparative analysis of neural networks and statistical methods for predicting consumer choice. Marketing Science, 16, 370–391.
Zhou, L., Ersheng, G. & Pihua, J. 1997. Comparison between the Logistic regression and Back Propagation Neural Network, Shanghai: Department of Health Statistic, Shanghai Medical University.