Perbandingan Di Antara Model Regresi Logistik Dan Model Rangkaian Neural Terhadap Obesiti: Kajian Kes Pesakit Kencing Manis Jenis Kedua

Abstract

Objektif kajian ini ialah untuk membina model Regresi Logistik dan model Rangkaian Neural, untuk membandingkan dan mengenalpasti model ramalan terbaik (model Regresi Logistik dan model Rangkaian Neural) untuk meramalkan obesiti dan untuk mengenalpasti pembolehubah penting (faktor- faktor) yang mempengaruhi obesiti. Data primer dikumpulkan daripada klinik kencing manis di HUSM, Kota Bharu (KB), Kelantan. Kajian ini menggunakan perisian SPSS Clementine versi 12.0 untuk membina model. Daripada kajian ini, model terakhir yang digunakan untuk meramalkan obesiti adalah kaedah Prun di dalam model Rangkaian Neural, kerana ia mempunyai nilai kadar ralat terendah iaitu 0.1094 (10.94%), nilai kepekaan tertinggi iaitu 0.9298 (92.98%) dan nilai ketentuan tertinggi iaitu 0.5714 (57.14%); manakala pembolehubah penting/faktor yang mempengaruhi obesiti ialah berat badan.