Kajian Metode Analisis Diskriminan Dan Metode Learning Vector Quantization Untuk Klasifikasi

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