Tujuan Analisis Regresi Logistik

Pengujian parameter pada regresi logistik sangat penting untuk dilakukan. Hal ini dikarenakan
pengujian tersebut digunakan untuk menentukan apakah variabel bebas dalam model signifikan
terhadap variebel terikat. Pengujian dapat dilakukan secara:
1. Uji Goodness Of Fit
Dalam mencocokkan sebuah model logistik, perlu dipilih sebuah model dengan fungsi
penghubung dan variabel penjelas yang hasilnya paling cocok. Untuk itu digunakan uji
statistik Goodness Of Fit untuk membandingkan kecocokan dalam model-model yang
berbeda. Untuk pengujian ini dapat digunakan uji Hosmer dan Lemeshow.
2. Uji Serentak (simultan)
Bertujuan untuk mengetahui pengaruh variabel bebas secara serentak terhadap
variabel terikat.

3. Uji Parsial
Dalam uji parsial ini, pengujian dilakukan dengan menguji setiap βj secara individual.
Hasil pengujian secara individual akan menunjukkan apakah suatu variabel prediktor
layak untuk masuk dalam model atau tidak. Pada model regresi logistik, β1
menunjukkan besar perbedaan antara nilai variabel terikat ketika variabel bebas (x+1)
dan nilai variabel terikat ketika variabel bebas x untuk setiap nilai x. Untuk variabel
bebas yang bersifat dikotomi, diasumsikan nilai x adalah 0 dan 1, Selanjutnya dibentuk
suatu Tabel klasifikasi 2x2 sebagai mana dinyatakan pada Tabel 1.
mengambil ide dari cara kerja jaringan saraf biologis. Salah satu contoh pengambilan ide
dari jaringan
saraf biologis adalah adanya elemenelemen pemrosesan pada JST yang saling terhubung dari
beroperasi.
mengambil ide dari cara kerja jaringan saraf biologis.
Salah satu contoh pengambilan ide dari jaringan saraf biologis adalah adanya
elemenelemen pemrosesan pada JST yang saling terhubung dari beroperasi secara paralel.
Ini meniru jaringan saraf biologis yang tersusun dari sel-sel saraf (neuron). Cara kerja dari
elemenelemen pemrosesan JST juga sama seperti cara neuron meng-encode informasi yang
diterimanya,seperti Gambar 1 (Puspitaningrum, 2006).

Jaringan saraf biologis merupakan kumpulan dari sel-sel saraf (neuron). Neuron mempunyai
tugas mengolah informasi. Komponen-komponen utama dari sebuah neuron dapat
dikelompokkan menjadi 3 bagian yaitu:
1. Dendrite bertugas untuk menerima informasi.
2. Badan sel (soma) berfungsi sebagai tempat pengolahan informasi.
3. Akson (neurit) mengirimkan implus-implus ke sel saraf lainnya.

Fungsi Sigmoid Biner

Fungsi ini digunakan untuk jaringan saraf yang dilatih dengan menggunakan metode
backpropagation. Fungsi sigmoid biner memiliki nilai pada range 0 sampai 1. Oleh karena itu,
fungsi ini sering digunakan untuk jaringan saraf yang membutuhkan nilai output yang terletak
pada interval 0 sampai 1. Namun, fungsi ini bisa juga digunakan oleh jaringan saraf yang nilai
outputnya 0 sampai 1 atau yang bukan 0 sampai 1 sesuai dengan keperluan. Persamaan fungsi
sigmoid biner ditunjukkan pada persamaan (10) dan grafiknya ditunjukkan pada Gambar 2.