ABSTRAK
Salah satu metode pengelompokan/pengklasifikasian yang sering digunakan adalah analisis diskriminan. Pada analisis diskriminan terdapat asumsi yang harus dipenuhi oleh data, khususnya asumsi bahwa data harus berdistribusi multivariate normal. Selain harus memenuhi asumsi tersebut, data juga harus melalui tahapan uji multikolinieritas dan uji kesamaan vektor rata-rata. Padahal tidak semua data dapat memenuhi asumsi tersebut. Selain itu juga terkadang meskipun data sudah berdistribusi multivariate normal, hasil pengklasifikasian yang diperoleh pun kurang maksimal. Oleh sebab itu, diperlukan adanya solusi untuk mengatasi hal tersebut, salah satunya dengan menggunakan metode jaringan syaraf tiruan. Metode jaringan syaraf tiruan ini adalah suatu metode yang dapat digunakan untuk mengklasifikasikan suatu data tanpa melihat asumsi yang mengikuti data. Tujuan dalam penelitian ini adalah mengetahui arsitektur dari jaringan syaraf tiruan yang paling maksimal dan mengetahui besarnya kemampuan jaringan syaraf tiruan dalam mengklasifikasikan suatu data. Berdasarkan hasil penelitian diketahui bahwa data sudah berdistribusi multivariate normal. Kemudian apabila metode pengklasifikasian yang digunakan adalah analisis diskriminan, maka akan memberikan hasil yang kurang maksimal karena adanya beberapa objek data yang salah pengklasifikasiannya. Setelah mengetahui hal tersebut, maka langkah selanjutnya adalah melakukan pengklasifikasian dengan jaringan syaraf tiruan. Pengklasifikasian menggunakan jaringan syaraf tiruan dengan metode backpropagation memberikan hasil yang maksimal. Hasil yang maksimal ini diperoleh tanpa harus melalui terlebih dahulu uji asumsi pada data yang akan digunakan dalam penelitian, khususnya uji normalitas pada data. Dari hasil pengklasifikasian yang maksimal ini dapat diketahui bahwa arsitektur yang menghasilkan pengklasifikasian terbaik dari data status gizi mahasiswa UIN MALIKI Malang Tahun 2009/2010 adalah arsitektur yang terdiri dari 1 input, 1 hidden layer dengan 3 hidden node, dan 4 output. Dimana arsitektur tersebut menghasilkan kemampuan dalam pengklasifikasian adalah sebesar 0 yang mana nilai MSE tersebut (0) menunjukan bahwa tidak terdapat objek data yang salah diklasifikan ke dalam kelompok lain.
