BAB III METODE CHI-SQUARED AUTOMATIC INTERACTION DETECTION
|
|
- Djaja Makmur
- 7 tahun lalu
- Tontonan:
Transkripsi
1 BAB III METODE CHI-SQUARED AUTOMATIC INTERACTION DETECTION 3.1 Analisis CHAID Metode CHAID pertama kali diperkenalkan G. V. Kass 1980, metode CHAID merupakan teknik yang lebih awal dikenal sebagai Automatic Interaction Detection (AID). Metode CHAID secara umum bekerja dengan mempelajari hubungan antara variabel dependen dengan beberapa variabel independen, kemudian mengklasifikasi sampel berdasarkan hubungan tersebut. CHAID adalah sebuah metode untuk mengklasifikasikan data kategori dimana tujuan prosedurnya adalah untuk membagi rangkaian data menjadi subgrup-subgrup berdasarkan pada variabel dependennya (Lehmann dan Eherler, 2001). Hasil dari pengklasifikasian dalam CHAID akan ditampilkan dalam sebuah diagram pohon. Menurut Gallagher (2000), CHAID merupakan suatu teknik iteratif yang menguji satu-persatu variabel independen yang digunakan dalam klasifikasi, dan menyusunnya berdasarkan pada tingkat signifikansi statistik chisquare terhadap variabel dependennya. Menurut Kunto dan Hasana (2006), CHAID digunakan untuk membentuk segmentasi yang membagi sebuah sampel menjadi dua atau lebih kelompok yang berbeda berdasarkan sebuah kriteria tertentu. Hal ini kemudian diteruskan dengan membagi kelompok-kelompok tersebut menjadi kelompok yang lebih kecil berdasarkan variabel-variabel independen yang lain. Proses tersebut terus berlanjut sampai tidak ditemukan lagi variabel-variabel independen yang signifikan secara statistik. Dari uraian diatas dapat disimpulkan CHAID adalah metode untuk mengklasifikasikan data yang membagi sampel menjadi dua atau lebih kelompok berdasarkan kriteria tertentu dan hasil pengklasifikasiannya ditampilkan dalam diagram pohon.
2 Variabel-variabel dalam Analisis CHAID Variabel dependen dan independen dalam analisis CHAID merupakan variabel kategori. Menurut Gallegher (2000), CHAID akan membedakan variabelvariabel independen kategori menjadi tiga bentuk yang berbeda yaitu monotonik, bebas, mengambang. 1. Monotonik (Monotonic) Kategori-kategori pada variabel ini dapat dikombinasikan atau digabungkan hanya jika keduanya berdekatan satu sama lain, yaitu variabelvariabel yang kategorinya mengikuti urutan aslinya (data ordinal). Contohnya adalah: usia dan pendapatan. 2. Bebas (Free) Kategori-kategori pada variabel ini dapat dikombinasikan atau digabungkan ketika keduanya berdekatan ataupun tidak (data nominal). Contohnya: pekerjaan, kelompok etnik, dan area geografis. 3. Mengambang (Floating) Kategori-kategori pada variabel ini dapat diperlakukan seperti monotonik kecuali untuk kategori yang missing value, yang dapat berkombinasi dengan kategori manapun. 3.3 Algoritma CHAID Algoritma CHAID digunakan untuk melakukan pemisahan dan penggabungan kategori-kategori dalam variabel yang dipakai dalam analisisnya. Secara garis besar algoritma ini dapat dibagi menjadi tiga tahap, yaitu Penggabungan (merging), Pemisahan (splitting) dan Penghentian (stopping). Diagram pohon dimulai dari root node (node akar) melalui tiga tahap tersebut pada setiap simpul (node) yang terbentuk dan secara berulang Tahap penggabungan
3 27 Tahap pertama algoritma CHAID adalah penggabungan. Pada tahap ini akan diperiksa signifikansi dari masing-masing kategori variabel independen terhadap variabel dependen. Tahap penggabungan untuk setiap independen dalam menggabungkan kategori-kategori nonsignifikan adalah sebagai berikut: 1. Bentuk tabel kontingensi dua arah untuk masing-masing variabel independen dengan variabel dependennya. 2. Hitung statistik chi-square untuk setiap pasang kategori yang dapat dipilih untuk digabungkan menjadi satu, untuk menguji kebebasannya dalam sebuah sub tabel kontingensi yang dibentuk oleh sepasang kategori tersebut dengan vabriabel dependennya yang mempunyai sebanyak kategori. Langkah uji chi square adalah sebagai berikut: a. Perumusan hipotesisnya H 0 : tidak terdapat hubungan antara kategori i pada variabel independen dan kategori j pada variabel dependen H 1 : terdapat hubungan kategori i pada variabel independen dan kategori j pada variabel dependen b. Besaran-besaran yang diperlukan Menghitung c. Statistik uji d. Kriteria Pengujian H 0 di tolak, jika e. Kesimpulan a; (b-1)(k-1) Penaksiran dari H 0 diterima atau ditolak. 3. Untuk masing-masing nilai chi-square berpasangan, hitung p-value berpasangan bersamaan. Diantara pasangan-pasangan yang tidak signifikan, gabungkan sebuah pasangan kategori yang paling mirip (yaitu
4 28 pasangan yang mempunyai nilai chi-square berpasangan terkecil dan p- value terbesar) menjadi sebuah kategori tunggal dan kemudian lanjutkan ke langkah nomor Periksa kembali kesignifikansian kategori baru setelah digabungkan dengan kategori lainnya dalam variabel independen. Jika masih ada pasangan yang belum signifikan, ulangi langkah nomor 3. Jika semua signifikan lanjutkan ke langkah selanjutnya. 5. Hitung p-value terkoreksi Bonferroni didasarkan pada tabel yang telah digabung Tahap Pemisahan (Splitting) Langkah pemisahan digunakan untuk memilih variabel independen mana yang akan digunakan untuk pembagian titik terbaik. Pemisahan dilakukan dengan membandingkan p-value (dari tahap penggabungan) pada setiap variabel independen. Langkah pembagian adalah sebagai berikut: 1. Pilih variabel independen yang memiliki p-value terkecil (paling signifikan). 2. Jika p-value kurang dari sama dengan tingkat spesifikasi alpha, pemisahan simpul menggunakan variabel independen ini. Jika tidak ada variabel independen dengan nilai p-value yang signifikan, tidak dilakukan pemisahan dan simpul ditentukan sebagai terminal simpul (simpul akhir) Tahap Pengehentian (Stopping) Tahap penghentian dilakukan jika suatu proses pertumbuhan pohon harus dihentikan sesuai dengan peraturan penghentian dibawah ini: 1. Tidak ada lagi variabel independen yang signifikan menunjukkan perbedaan terhadap variabel dependen. 2. Jika pohon sekarang mencapai batas nilai maksimum pohon dari spesifikasi, maka proses pertumbuhan akan berhenti. Misalkan ditetapkan
5 29 batas kedalaman pertumbuhan pohon klasifikasi adalah 3, ketika pertumbuhan pohon sudah mencapai kedalaman 3 maka pertumbuhan pohon klasifikasi dihentikan. 3. Jika ukuran dari child node kurang dari nilai ukuran child node minimum spesifikasi, atau berisi pengamatan-pengamatan dengan banyak yang terlalu sedikit maka node tidak akan di-split. Misalkan ditetapkan ukuran minimal child node adalah 10, ketika splitting mengasilkan ukuran child node kurang dari 10, maka node tersebut tidak akan dipecah. 3.4 Koreksi Bonferroni Andaikan bahwa variabel independen memiliki c kategori, setelah dilakukan penggabungan dikurangi menjadi r kategori, maka perkalian Bonferroni adalah banyaknya cara yang mungkin yang mana c kategori dapat digabungkan menjadi r kategori. Dengan demikian nilai p-value dari uji chi-square untuk independensi yang baru merupakan perkaliannya dengan pengali Bonferroni sesuai dengan jenis variabelnya (Gallagher, 2000). Koreksi Bonferroni adalah suatu proses koreksi yang digunakan ketika beberapa uji statistik untuk kebebasan atau ketidakbebasan dilakukan secara bersamaan (Kunto dan Hasana, 2006). Koreksi Bonferroni biasanya digunakan dalam perbandingan berganda. Gallagher (2000) menyebutkan bahwa pengali Bonferroni untuk masingmasing jenis variabel independen adalah sebagai berikut: 1. Variabel independen monotonik (3.1) dimana : pengali Bonferroni banyaknya kategori variabel independen awal r = banyaknya kategori variabel independen setelah penggabungan
6 30 2. Variabel independen bebas 3. Variabel independen mengambang (3.2) (3.3) 3.5 Diagram Pohon Klasifikasi CHAID CHAID akan menghasilkan sebuah diagram pohon klasifikasi yang menggambarkan pembentukan segmen. Diagram pohon CHAID ditunjukkan pada Gambar 3.1 Diagram CHAID terdiri dari batang pohon (tree trunk) dengan membagi (split) menjadi lebih kecil berupa cabang-cabang (brances). Gambar 3.1 Diagram Pohon CHAID
7 31 Menurut Myers (Kunto dan Hasana, 2006), diagram pohon CHAID mengikuti aturan dari atas ke bawah (Top-down stopping rule), dimana diagram pohon disusun mulai dari kelompok induk (parent node), berlanjut di bawahnya sub kelompok (child node) yang berturut-turut dari hasil pembagian kelompok induk berdasarkan kriteria tertentu. Node pada ujung pohon yang tidak terdapat percabangan lagi disebut terminal node. Tiap-tiap node dari diagram pohon ini menggambarkan sub kelompok dari sampel yang diteliti dan berisi keseluruhan sampel dan frekuensi absolut ni untuk setiap kategori yang disusun. Pada pohon klasifikasi CHAID terdapat istilah kedalaman (depth) yang berarti banyak tingkatan node-node sub kelompok sampai ke bawah pada node sub kelompok yang terakhir. Pada kedalaman pertama, sampel dibagi oleh 1 sebagai variabel independen terbaik untuk variabel dependen berdasarkan uji chisquare. Tiap node berisi informasi tentang frekuensi variabel Y, sebagai variabel dependen, yang merupakan bagian dari sub kelompok yang dihasilkan berdasarkan kategori yang disebutkan. Pada kedalaman (node dan ) merupakan pembagian dari (untuk node ). Dengan cara yang sama, sampel selanjutnya dibagi oleh variabel independen yang lain, yaitu dan, dan selanjutnya menjadi sub kelompok pada node ke-4, 5, 6, dan 7 (Lehmann dan Eherler, 2001). Pada masing-masing node ditampilkan persentase responden untuk setiap kategori dari variabel dependen, dan juga ditunjukkan jumlah total responden untuk masing-masing node. 3.6 Contoh Kasus Pembentukan Pohon Keputusan dengan Algoritma CHAID Data keputusan bermain No Outlook Temperatur Plays 1 sunny Hot yes
8 32 2 overcast Cold yes 3 overcast Cold yes 4 sunny Mild yes 5 overcast Cold yes 6 overcast Mild yes 7 overcast Cold yes 8 overcast Mild yes 9 rainy Cold no 10 sunny Cold no 11 rainy Hot no 12 sunny Cold yes Lanjutan No Outlook Temperatur Plays 13 sunny Hot no 14 sunny Hot yes Variabel dependen Keputusan bermain. Skala data untuk variabel ini adalah nominal, dibedakan menjadi dua kategori yaitu yes dengan kode 1 dan no dengan kode 2. Variabel Independen outlook, skala data untuk variabel ini adalah nominal, dibedakan menjadi tiga kategori yaitu sunny dengan kode 1, overcast dengan kode 2 dan rainy dengan kode 3. Variabel Independen Temperatur, skala data untuk variabel ini adalah nominal, dibedakan menjadi tiga kategori yaitu hot dengan kode 1, mild dengan kode 2 dan cold dengan kode 3. Bentuk tabel kontingensi dua arah untuk masing-masing variabel. Perumusan hipotesisnya sebagai berikut:
9 33 : Tidak terdapat hubungan antara variabel independen dengan variabel dependen : Terdapat hubungan antara variabel independen dengan variabel dependen. Variabel independen outlook*y Outlook Tabel 3.1 Tabel Tabel Frekuensi Teramati 1 O Total Y = yes Y = no Sunny Overcast Total Frekuensi sel yang diharapkan dapat dicari dengan cara sebagai berikut Nilai statistik uji diperoleh sebagai berikut Dengan bantuan Excel diperoleh nilai p = 0,12 Tabel 3.2 Tabel Frekuensi Teramati 2 O Total
10 34 Outlook Y = yes Y = no Sunny Rainy Total Frekuensi sel yang diharapkan dapat dicari dengan cara sebagai berikut Dengan bantuan Excel diperoleh nilai p = 0,10 Outlook Tabel 3.3 Tabel Frekuensi Teramati 3 O Y = yes Y = no Total overcast Rainy Total Frekuensi sel yang diharapkan dapat dicari dengan cara sebagai berikut
11 35 Dengan bantuan Excel diperoleh nilai p = 0,0047 Gabungkan sebuah pasangan kategori yang paling mirip yaitu pasangan yang mempunyai nilai terkecil menjadi satu kategori. Kategori sunny dan overcast yang digabungkan menjadi satu. Outlook Tabel 3.4 Tabel Frekuensi Teramati 4 O Y = yes Y = no Total Sunny,Overcast Rainy Total Periksa kesignifikansian katergori baru setelah digabungkan
12 36 Dari Tabel Distribusi Chi-Kuadrat dengan peluang 0,95 dan dk = 1 diperoleh = 4. Karena 5,83 > 3,84 maka ditolak artinya terdapat hubungan antara variabel independen outlook dan keputusan bermain. Variabel Independen Temperatur*Y Temperatur Tabel 3.5 Tabel Frekuensi Teramati 5 O Y = yes Y = no Total hot mild Total Frekuensi sel yang diharapkan dapat dicari dengan cara sebagai berikut Nilai statistik uji diperoleh sebagai berikut
13 37 Temperatur Tabel 3.6 Tabel Frekuensi Teramati 6 O Y = yes Y = no Total hot cold Total Frekuensi sel yang diharapkan dapat dicari dengan cara sebagai berikut Nilai statistik uji diperoleh sebagai berikut Tabel 3.7 Tabel Frekuensi Teramati 7 O Total
14 38 Temperatur Y = yes Y = no mild Cold Total Frekuensi sel yang diharapkan dapat dicari dengan cara sebagai berikut Nilai statistik uji diperoleh sebagai berikut Gabungkan sebuah pasangan kategori yang paling mirip yaitu pasangan yang mempunyai nilai terkecil dan p-value yang menjadi satu kategori. Kategori mild dan cold yang digabungkan menjadi satu. Temperatur Tabel 3.8 Tabel Frekuensi Teramati 8 O Y = yes Y = no Total Mild,cold Hot Total
15 39 Periksa kesignifikansian katergori baru setelah digabungkan Dari Tabel Distribusi Chi-Kuadrat dengan peluang 0,95 dan dk = 1 diperoleh = 3,84. Karena 1,26 < 3,84 maka diterima artinya tidak terdapat hubungan antara variabel independen temperatur dan keputusan bermain. Berdasarkan Gambar 3.2, terlihat bahwa variabel yang berpengaruh secara signifikan dalam klasifikasi keputusan bermain adalah variabel keadaan cuaca (outlook). Yang menghasilkan dua simpul terminal (terminal node). Pada outlook sunny, overcast keputusan yang bermain sebanyak 10 orang dan keputusan tidak bermain 2 orang. Pada outlook rainy keputusan yang tidak bermain sebanyak 2 orang.
16 40 Gambar 3.2 Pohon Klasifikasi Contoh
BAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Tinjauan Pustaka 2.1.1 Klasifikasi Klasifikasi merupakan proses untuk menemukan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk
Lebih terperinciKlasifikasi Variabel Penentu Kelulusan Mahasiswa FMIPA Unpatti Menggunakan Metode CHAID
Statistika, Vol. 15 No. 1, 1 6 Mei 2015 Klasifikasi Variabel Penentu Kelulusan Mahasiswa FMIPA Unpatti Menggunakan Metode CHAID Ferry kondo lembang 1, Meiga Fendjalang 2 1,2Jurusan Matematika Fakultas
Lebih terperinciBAB III LANDASAN TEORI
12 BAB III LANDASAN TEORI 3.1 Klasifikasi Menurut PBworks (2007) klasifikasi adalah proses untuk menemukan model atau fungsi yang menjelaskan atau membedakan konsep atau kelas data, dengan tujuan untuk
Lebih terperinciBAB III METODE CHAID EXHAUSTIVE
BAB III METODE CHAID EXHAUSTIVE 31 CHAID Exhaustive Metode CHAID Exhaustive dikemukakan oleh D Biggs et al (1991) yang merupakan evaluasi dari metode sebelumnya yaitu CHAID (Kass, 1980) untuk penyesuaian
Lebih terperinciBAB II TINJAUAN PUSTAKA. konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma
BAB II TINJAUAN PUSTAKA Bab ini akan membahas pengertian metode klasifikasi berstruktur pohon, konsep-konsep dasar pada QUEST dan CHAID, algoritma QUEST, algoritma CHAID, keakuratan dan kesalahan dalam
Lebih terperinciANALISIS WAKTU KELULUSAN MAHASISWA DENGAN METODE CHAID (STUDI KASUS: FMIPA UNIVERSITAS UDAYANA)
ANALISIS WAKTU KELULUSAN MAHASISWA DENGAN METODE CHAID (STUDI KASUS: FMIPA UNIVERSITAS UDAYANA) IDA AYU SRI PADMINI 1, NI LUH PUTU SUCIPTAWATI 2, MADE SUSILAWATI 3 1,2,3, Jurusan Matematika, Fakultas MIPA,
Lebih terperinciBAB II TINJAUAN PUSTAKA. Ki Hajar Dewantara (Bapak Pendidikan Nasional Indonesia, )
BAB II TINJAUAN PUSTAKA 2.1 Pengertian Pendidikan Ki Hajar Dewantara (Bapak Pendidikan Nasional Indonesia, 1889-1959) menjelaskan tentang pengertian pendidikan yaitu: Pendidikan umumnya berarti daya upaya
Lebih terperinciNina Milana 1 dan Abadyo 2 Universitas Negeri Malang
1 CHAID UNTUK MENGKLASIFIKASI STATUS MAHASISWA SETELAH LULUS PERKULIAHAN (Studi Kasus Pada Alumnus Prodi Matematika. Jurusan Matematika. FMIPA. Universitas Negeri Malang. Tahun 2007-2012) Nina Milana 1
Lebih terperinciIII. METODE PELAKSANAAN
III. METODE PELAKSANAAN A. Kerangka Pemikiran Konseptual Kepuasan konsumen ditentukan oleh dua sisi yaitu harapan yang dimiliki konsumen terhadap sebuah produk atau layanan dan kinerja produk atau layanan
Lebih terperinciANALISIS CHAID SEBAGAI ALAT BANTU STATISTIKA UNTUK SEGMENTASI PASAR (Studi Kasus pada Koperasi Syari ah Al-Hidayah)
ANALISIS CHAID SEBAGAI ALAT BANTU STATISTIKA UNTUK SEGMENTASI PASAR (Studi Kasus pada Koperasi Syari ah Al-Hidayah) Yohanes Sondang Kunto Staf Pengajar Fakultas Ekonomi, Universitas Kristen Petra, Surabaya
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 383-392 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI TERJADINYA PREEKLAMPSIA
Lebih terperinciMETODE KAJIAN Pengumpulan Data
35 III. METODE KAJIAN 3.1. Pengumpulan Data 3.1.1. Lokasi dan Waktu Lokasi pelaksanaan penelitian tugas akhir ini dilaksanakan pada empat klinik kesehatan sebagaimana terlihat pada Tabel. Waktu penelitian
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Masalah
1 BAB I PENDAHULUAN 1.1. Latar Belakang Masalah Chi-square Automatic Interaction Detection (CHAID) adalah merupakan suatu kasus khusus dari algoritma pendeteksian interaksi otomatis yang biasa disebut
Lebih terperinciANALISIS KEPUASAN PESERTA KURSUS KOMPUTER MENGGUNAKAN METODE CHAID BERBASIS KOMPUTER
ANALISIS KEPUASAN PESERTA KURSUS KOMPUTER MENGGUNAKAN METODE CHAID BERBASIS KOMPUTER RONITA BINUS UNIVERSITTY, Jakarta, Indonesia, 11530 Abstrak Kesuksesan selalu menjadi tujuan sebuah perusahaan, begitu
Lebih terperinciANALISIS DAYA TAHAN MAHASISWA DALAM MELANJUTKAN STUDI DENGAN CHI-SQUARED AUTOMATATIC INTERACTION DETECTION
ANALISIS DAYA TAHAN MAHASISWA DALAM MELANJUTKAN STUDI DENGAN CHI-SQUARED AUTOMATATIC INTERACTION DETECTION Lely Kurnia Jurusan Tadris Matematika, Fakultas Tarbiyah dan Ilmu Keguruan, IAIN Batusangkar Jl.
Lebih terperinciSEGMENTASI DAN PREFERENSI KONSUMEN SIGARET KRETEK MESIN Low Tar Low Nicotine (LTLN) DENGAN ANALISIS CHAID
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 009 SEGMENTASI DAN PREFERENSI KONSUMEN SIGARET KRETEK MESIN Low Tar Low Nicotine (LTLN) DENGAN ANALISIS CHAID Dwi Endah Kusrini,
Lebih terperinciImplementasi Metode Chi-Squared Automatic Interaction Detection pada Klasifikasi Indeks Prestasi Kumulatif Mahasiswa FMIPA UNIROW
Implementasi Metode Chi-Squared Automatic Interaction Detection pada Klasifikasi Indeks Prestasi Kumulatif Mahasiswa FMIPA UNIROW Kresna Oktafianto Program Studi Matematika FMIPA Universitas Ronggolawe
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN BAB III METODOLOGI PENELITIAN 3.1. Metode Pengumpulan Data Metode pengumpulan data dalam penelitian ini memakai metode survei, yaitu dengan cara menyebarkan pertanyaan tertulis
Lebih terperinciFaktor-Faktor Yang Mem pengaruhi Waktu Penyusunan Tugas Akhir Mahasiswa S1 (Studi Kasus : Mahasiswa FMIPA Unsyiah)
Jurnal Gradien Vol. 10 No.2 Juli 2014 : 1000-1004 Faktor-Faktor Yang Mem pengaruhi Waktu Penyusunan Tugas Akhir Mahasiswa S1 (Studi Kasus : Mahasiswa FMIPA Unsyiah) Nany Salwa 1, Fitriana A.R 1 dan Sri
Lebih terperinciKLASIFIKASI STATUS KERJA PADA ANGKATAN KERJA KOTA SEMARANG TAHUN 2014 MENGGUNAKAN METODE CHAID DAN CART
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 183-192 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI STATUS KERJA PADA ANGKATAN KERJA KOTA SEMARANG TAHUN
Lebih terperinciALGORITMA C4.5. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. Tabel 3.1. Keputusan Bermain Tenis
ALGORITMA C4.5 Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. Tabel 3.1. Keputusan Bermain Tenis NO OUTLOOK TEMPERATURE HUMIDITY WINDY PLAY 1 Sunny Hot High FALSE No
Lebih terperinciPENERAPAN METODE CHAID (CHI-SQUARED AUTOMATIC INTERACTION DETECTION) DAN EXHAUSTIVE CHAID PADA KLASIFIKASI PRODUKSI JAGUNG DI PULAU JAWA
PENERAPAN METODE CHAID (CHI-SQUARED AUTOMATIC INTERACTION DETECTION) DAN EXHAUSTIVE CHAID PADA KLASIFIKASI PRODUKSI JAGUNG DI PULAU JAWA Anas Tohari, Yuliana Susanti, dan Tri Atmojo Kusmayadi Program Studi
Lebih terperinciTINJAUAN PUSTAKA Perilaku Pemilih Partai Politik
3 TINJAUAN PUSTAKA Perilaku Pemilih Agustino (2009) menyebutkan terdapat tiga pendekatan teori yang sering digunakan oleh banyak ahli politik untuk memahami perilaku pemilih diantaranya pendekatan sosiologis,
Lebih terperinciSEGMENTASI PASAR MENGGUNAKAN METODE CHI-SQUARED AUTOMATIC INTERACTION DETECTION (CHAID) (Studi Kasus di PD. BPR-BKK Purwokerto Utara)
SEGMENTASI PASAR MENGGUNAKAN METODE CHI-SQUARED AUTOMATIC INTERACTION DETECTION (CHAID) (Studi Kasus di PD. BPR-BKK Purwokerto Utara) SKRIPSI Oleh : Nu man Ardhi Nugraha J2E 004 238 PROGRAM STUDI STATISTIKA
Lebih terperinciPEMBENTUKAN POHON KLASIFIKASI DENGAN METODE CHAID
Buletin Ilmiah Mat. Stat. dan Terapannya (Bimaster) Volume 02, No. 1 (2013), hal 45 50. PEMBENTUKAN POHON KLASIFIKASI DENGAN METODE CHAID Yustisia Wirania, Muhlasah Novitasari Mara, Dadan Kusnandar INTISARI
Lebih terperinciKlasifikasi Penderita Diabetes Melitus dengan Metode CHAID (Chi-Squared Automatic Interaction Detection) dan CART (Classification and Regression Tree)
Klasifikasi Penderita Diabetes Melitus dengan Metode CHAID (Chi-Squared Automatic Interaction Detection) dan CART (Classification and Regression Tree) Ria Dhea Layla N.K (1), Brodjol Sutijo Suprih U. (2),
Lebih terperinciKLASIFIKASI DENGAN METODE CHAID (CHI-SQUARED AUTOMATIC INTERACTION DETECTION) DAN PENERAPANNYA PADA KLASIFIKASI ALUMNI FMIPA UNY SKRIPSI
KLASIFIKASI DENGAN METODE CHAID (CHI-SQUARED AUTOMATIC INTERACTION DETECTION) DAN PENERAPANNYA PADA KLASIFIKASI ALUMNI FMIPA UNY SKRIPSI Diajukan Kepada Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciANALISIS KARAKTERISTIK PENGGUNA GLOBAL SYSTEM FOR MOBILE COMMUNICATION MENGGUNAKAN METODE CHI-SQUARE AUTOMATIC INTERACTION DETECTION
ANALISIS KARAKTERISTIK PENGGUNA GLOBAL SYSTEM FOR MOBILE COMMUNICATION MENGGUNAKAN METODE CHI-SQUARE AUTOMATIC INTERACTION DETECTION Naimah Rangkuti 1, Fitria Virgantari, Kurniati Program Studi Matematika
Lebih terperinciABSTRAK ABSTRACT. sektor perusahaan jasa seperti Baitul Mal Wa Tamwil (BMT). Persaingan antar. Pendahuluan Globalisasi di Indonesia,
METODE IMPROVED CHAID (CHI-SQUARED AUTOMATIC INTERACTION DETECTION) PADA ANALISIS KREDIT MACET BMT (BAITUL MAL WA TAMWIL) Muhammad Muhajir Program Studi Statistika FMIPA Universitas Islam Indonesia Jalan
Lebih terperinciKLASIFIKASI PENYAKIT DIABETES MELITUS DENGAN METODE CHAID (CHI SQUARE AUTOMATIC INTERACTION DETECTION) DAN CART (CLASSIFICATION AND REGRESSION TREE)
Surabaya, 3 Juli 2013 Seminar Hasil Tugas Akhir KLASIFIKASI PENYAKIT DIABETES MELITUS DENGAN METODE (CHI SQUARE AUTOMATIC INTERACTION DETECTION) DAN (CLASSIFICATION AND REGRESSION TREE) Dosen Pembimbing
Lebih terperinciKLASIFIKASI STATUS KERJA PADA ANGKATAN KERJA KOTA SEMARANG TAHUN 2014 MENGGUNAKAN METODE CHAID DAN CART
KLASIFIKASI STATUS KERJA PADA ANGKATAN KERJA KOTA SEMARANG TAHUN 2014 MENGGUNAKAN METODE CHAID DAN CART SKRIPSI Disusun Oleh : NOVIE ERISKA ARITONANG 24010211140081 JURUSAN STATISTIKA FAKULTAS SAINS DAN
Lebih terperinciMETODE QUEST DAN CHAID PADA KLASIFIKASI KARAKTERISTIK NASABAH KREDIT
E-Jurnal Matematika Vol. 4 (4), November 2015, pp. 163-168 ISSN: 2303-1751 METODE QUEST DAN CHAID PADA KLASIFIKASI KARAKTERISTIK NASABAH KREDIT Nur Faiza 1, I Wayan Sumarjaya 2, I Gusti Ayu Made Srinadi
Lebih terperinciBAB I PENDAHULUAN. atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri.
BAB I PENDAHULUAN 1.1 Latar Belakang Klasifikasi merupakan pengelompokan secara sistematis pada suatu objek atau benda ke dalam golongan atau pola-pola tertentu berdasarkan kesamaan ciri. Masalah klasifikasi
Lebih terperinciBAB 3 ALGORITMA C4.5. Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan.
BAB 3 ALGORITMA C4.5 Algoritma C4.5 merupakan algoritma yang digunakan untuk membentuk pohon keputusan. A. Pohon Keputusan Pohon keputusan merupakan metode klasifikasi dan prediksi yang sangat kuat dan
Lebih terperinciANALISIS KARAKTERISTIK PELANGGAN MENGGUNAKAN METODE CHAID (CHI-SQUARED AUTOMATIC INTERACTION DETECTION) PADA PRODUK XYZ
Seminar Nasional Sistem Informasi Indonesia, 2-3 November 2015 ANALISIS KARAKTERISTIK PELANGGAN MENGGUNAKAN METODE CHAID (CHI-SQUARED AUTOMATIC INTERACTION DETECTION) PADA PRODUK XYZ Evasaria M. Sipayung1),
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Seiring digulirkannya sistem perbankan syariah pada pertengahan tahun 1990-an di Indonesia, beberapa Lembaga Keuangan Syariah (LKS) tumbuh dan berkembang pesat di
Lebih terperinciANALISIS PERBANDINGAN ALGORITMA C.45, RANDOM FOREST DENGAN CHAID DECISION TREE UNTUK KLASIFIKASI TINGKAT KECEMASAN IBU HAMIL
ANALISIS PERBANDINGAN ALGORITMA C.45, RANDOM FOREST DENGAN CHAID DECISION TREE UNTUK KLASIFIKASI TINGKAT KECEMASAN IBU HAMIL Mambang 1), Agus Byna 2) 1,), STIKES SARI MULIA Banjarmasin 2) AKBID SARI MULIA
Lebih terperinciManfaat Pohon Keputusan
DECISION TREE (POHON KEPUTUSAN) Latar Belakang Pohon Keputusan Di dalam kehidupan manusia sehari-hari, manusia selalu dihadapkan oleh berbagai macam masalah dari berbagai macam bidang. Masalah-masalah
Lebih terperinciAlgoritma C4.5. Untuk memudahkan penjelasan mengenai algoritma C4.5 berikut ini disertakan contoh kasus yang dituangkan dalam Tabel 1.
Algoritma C4.5 1 Kusrini, 2 Emha Taufiq Luthfi 1 Jurusan Sistem Informasi, 2 Jurusan Teknik Informatika 1, 2 STMIK AMIKOM Yogykakarta 1,2 Jl. Ringroad Utara Condong Catur Sleman Yogyakarta Untuk memudahkan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Meningkatnya perekonomian di Indonesia mengakibatkan terjadinya persaingan antar bank, khususnya pada sektor nasabah perbankan. Hal ini mengakibatkan banyaknya perbankan
Lebih terperinciAmalia Maharani, Dewi Retno Sari Saputro, dan Bowo Winarno Program Studi Matematika FMIPA UNS
PENERAPAN POHON KLASIFIKASI BINER DENGAN ALGORITME QUICK, UNBIASED, EFFICIENT STATISTICAL TREE (QUEST ) PADA DATA MAHASISWA TRANSFER UNIVERSITAS SEBELAS MARET Amalia Maharani, Dewi Retno Sari Saputro,
Lebih terperinciHASIL DAN PEMBAHASAN
18 HASIL DAN PEMBAHASAN Deskripsi Karakteristik Responden Pra Pemilu 2009 Karakteristik responden berdasarkan peubah demografi yang diamati terdapat pada Gambar 3 sampai Gambar 6. Pada Gambar 3 dapat diketahui
Lebih terperinciJurnal EKSPONENSIAL Volume 8, Nomor 2, Nopember 2017 ISSN
Perbandingan Kinerja Metode Klasifikasi Chi-square Automatic Interaction Detection (CHAID) dengan Metode Klasifikasi Algoritma C4.5 pada Studi Kasus : Penderita Diabetes Melitus Tipe 2 Di Samarinda Tahun
Lebih terperinciPohon Keputusan. 6.1 Inductive Learning
6 Pohon Keputusan Sometimes you make the right decision, sometimes you make the decision right. Phil McGraw Bab ini akan menelaskan salah satu varian pohon keputusan yaitu ID3 oleh Quinlan [27, 28] yang
Lebih terperinciIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI MAHASISWA PASCASARJANA IPB BERHENTI STUDI MENGGUNAKAN ANALISIS CHAID DAN REGRESI LOGISTIK Mohamad Jajuli Teknik Informatika, Fakultas Ilmu Komputer, Universitas
Lebih terperinciE-Jurnal Matematika. Volume 1, No 1, Tahun Table of Contents. Articles. 1 of 2 9/20/ :22 PM. Home > Archives > Volume 1, No 1, Tahun 2012
Volume 1, No 1, Tahun 2012 http://ojs.unud.ac.id/index.php/mtk/issue/view/283 1 of 2 9/20/2013 12:22 PM E-Jurnal Matematika HOME ABOUT LOG IN REGISTER SEARCH CURRENT ARCHIVES Home > Archives > Volume 1,
Lebih terperinciPENERAPAN METODE CHAID (CHI-SQUARED AUTOMATIC INTERACTION DETECTION) DAN CART (CLASSIFICATION AND REGRESSION TREES) PADA KLASIFIKASI PREEKLAMPSIA
PENERAPAN METODE CHAID (CHI-SQUARED AUTOMATIC INTERACTION DETECTION) DAN CART (CLASSIFICATION AND REGRESSION TREES) PADA KLASIFIKASI PREEKLAMPSIA (Studi Kasus: Ibu Hamil di RS PKU Muhammadiyah Yogyakarta)
Lebih terperinciDATA MINING KLASIFIKASI BERBASIS DECISION TREE. Ramadhan Rakhmat Sani, M.Kom
DATA MINING KLASIFIKASI BERBASIS DECISION TREE Ramadhan Rakhmat Sani, M.Kom Text Book Outline 1. Algoritma Data Mining Algoritma ID3 Algoritma C4.5 Algoritma C4.5 Introduction Algoritma C4.5 merupakan
Lebih terperinciUniversitas Putra Indonesia YPTK Padang Fakultas Ilmu Komputer Program Studi Teknik Informatika. Classification Decision Tree
Universitas Putra Indonesia YPTK Padang Fakultas Ilmu Komputer Program Studi Teknik Informatika Classification Decision Tree Classification Decision Tree Pengertian Pohon Keputusan Pohon keputusan adalah
Lebih terperinciPEMODELAN PREFERENSI PENGAJUAN KREDIT USAHA MIKRO (KUM) DI BANK X OLEH PEMILIK USAHA MIKRO DI SURABAYA DENGAN METODE CHAID
PEMODELAN PREFERENSI PENGAJUAN KREDIT USAHA MIKRO (KUM) DI BANK X OLEH PEMILIK USAHA MIKRO DI SURABAYA DENGAN METODE CHAID Niken Ariestanti, Kestrilia Rega Prilianti Departemen MIPA Universitas Surabaya
Lebih terperinciFAKTOR INTERNAL: - Kesehatan - Minat Belajar - Sikap Belajar - Religiusitas PRESTASI BELAJAR (IP)
3 N L P Kontinu FKTOR NTERNL: - Kesehatan - Minat Belajar - ikap Belajar - Religiusitas PRET BELJR (P) P Kategorik N L C R T FKTOR EKTERNL: - Lingkungan Kampus - Lingkungan Tempat Tinggal C H D DBNDNGKN
Lebih terperinciAnalisis Segmentasi dan Persepsi Konsumen Terhadap Susu Pasteurisasi dengan Metode CHAID dan MDS (Studi Kasus pada DAU Fresh Milk )
Analisis Segmentasi dan Persepsi Konsumen Terhadap Susu Pasteurisasi dengan Metode CHAID dan MDS (Studi Kasus pada DAU Fresh Milk ) Usman Effendi 1)*, Siti Asmaul Mustaniroh 1) Anik Nur Habyba 2) 1) Staf
Lebih terperinciBAB III METODE POHON KLASIFIKASI QUEST
BAB III METODE POHON KLASIFIKASI QUEST 3.1 Metode Berstruktur Pohon Istilah pohon dalam matematika dikenal dalam teori graf. Pertama kali konsep pohon digunakan oleh Gustav Kirchhoff (184-1887) dalam bidang
Lebih terperinciPENYAJIAN DATA DUA VARIABEL ATAU LEBIH. Disiapkan untuk Materi Perkuliahan Statistik Sosial Program Sarjana Departemen Ilmu Administrasi
+ PENYAJIAN DATA DUA VARIABEL ATAU LEBIH Disiapkan untuk Materi Perkuliahan Statistik Sosial Program Sarjana Departemen Ilmu Administrasi + 2 Tabel Silang Kekuatan Hubungan Dua variabel Nilai pengamatan
Lebih terperinciPROSIDING ISBN :
APLIKASI METODE CHAID DALAM MENGANALISIS KETERKAITAN FAKTOR RISIKO LAMA PENYELESAIAN SKRIPSI MAHASISWA (Studi Kasus di Jurusan Matematika FMIPA Universitas Sriwijaya) Dian Cahyawati S., Susi Yohana, Putera
Lebih terperinciTREE STRUCTURE (Struktur Pohon)
TREE STRUCTURE (Struktur Pohon) Dalam ilmu komputer, tree adalah sebuah struktur data yang secara bentuk menyerupai sebuah pohon, yang terdiri dari serangkaian node (simpul) yang saling berhubungan. Node-node
Lebih terperinciANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA
Xplore, 2013, Vol. 2(1):e10(1-5) c 2013 Departemen Statistika FMIPA IPB ANALISIS CHAID UNTUK IDENTIFIKASI KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA Rindy Anggun Pertiwi, Indahwati, Farit
Lebih terperinciPENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA
PENERAPAN METODE CHAID DAN REGRESI LOGISTIK DALAM ANALISIS SEGMENTASI PASAR KONSUMEN AQUA DIMAS FAJAR AIRLANGGA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciMODEL BANGKITAN AKTIVITAS BERSAMA BERDASARKAN TIPE RUMAH TANGGA
ISSN 2302-0253 9 Pages pp. 11-19 MODEL BANGKITAN AKTIVITAS BERSAMA BERDASARKAN TIPE RUMAH TANGGA Dessy Amalia Farina 1, Renni Anggraini 2, Sofyan M. Saleh 3, 1) Magister Teknik Sipil Program Banda Aceh
Lebih terperinciHEAP. Heap dan Operasinya. Oleh Andri Heryandi
HEAP Heap adalah sebuah binary tree dengan ketentuan sebagai berikut : Tree harus complete binary tree - Semua level tree mempunyai simpul maksimum kecuali pada level terakhir. - Pada level terakhir, node
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Metode statistik non parametrik atau sering juga disebut metode bebas sebaran
BAB 2 TINJAUAN TEORITIS 2.1 Statistik non Parametrik Metode statistik non parametrik atau sering juga disebut metode bebas sebaran (distribution free) adalah test yang modelnya tidak menetapkan syarat-syarat
Lebih terperinciMENGUAK KEYAKINAN KONSUMEN PANGKALPINANG Pendekatan CHAID Analysis
SUPLEMEN 1 MENGUAK KEYAKINAN KONSUMEN PANGKALPINANG Pendekatan CHAID Analysis Tingkat keyakinan konsumen dalam triwulan I-2009 mengalami penurunan meskipun masih berada dalam level otpimis. Tingkat keyakinan
Lebih terperinciDASAR- DASAR RISET PEMASARAN
EDISI KEEMPAT DASAR- DASAR RISET PEMASARAN Jilid 2 GILBERT A. CHURCHILL, JR. BAGIAN VI ANALISIS DATA Bab 19 Analisis Data: Langkah-langkah Pendahuluan TUJUAN PEMBELAJARAN 1-5 1. Menjelaskan tujuan edit
Lebih terperinciBAB I PENDAHULUAN. masih jauh dari target yang ditetapkan untuk Indonesia, baik target Millennium
1 BAB I PENDAHULUAN 1.1 Latar Belakang Berdasarkan hasil Survei Demografi dan Kesehatan Indonesia tahun 2007, Angka Kematian Ibu (AKI) di Indonesia masih cukup tinggi, yaitu 228 per 100.000 kelahiran hidup
Lebih terperinciKLASIFIKASI FAKTOR PENENTU WANITA BERPOTENSI DIABETES MENGGUNAKAN DECISION TREE CHAID
KLASIFIKASI FAKTOR PENENTU WANITA BERPOTENSI DIABETES MENGGUNAKAN DECISION TREE CHAID Muhammad Maulana Ramadhan 1, Irwan Budiman 2, Heru Kartika Chandra 3 1,2,3Prodi Ilmu Komputer FMIPA ULM Jl. A. Yani
Lebih terperinciAlgoritma Data Mining (2) Tugas Klasifikasi
Algoritma Data Mining (2) Tugas Klasifikasi Anief Fauzan Rozi, S. Kom., M. Eng. 1 Kompentensi Mahasiswa mengetahui algoritma data mining pada tugas klasifikasi 2 Pokok Bahasan Algoritma C4.5 3 Supervised
Lebih terperinciANALISIS PENGUKURAN PERILAKU MASYARAKAT TENTANG OBAT DAN MAKANAN ILEGAL MELALUI PENDEKATAN ANALISIS CHAID SARI WASMANA
ANALISIS PENGUKURAN PERILAKU MASYARAKAT TENTANG OBAT DAN MAKANAN ILEGAL MELALUI PENDEKATAN ANALISIS CHAID SARI WASMANA DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
Lebih terperinciANALISIS SEGMENTASI NASABAH PEMBIAYAAN MURABAHAH JANGKA MENENGAH (Studi Kasus pada PT. BPR Syariah AMANAH UMMAH) VIEN SYAFRINA NASUTION
ANALISIS SEGMENTASI NASABAH PEMBIAYAAN MURABAHAH JANGKA MENENGAH (Studi Kasus pada PT. BPR Syariah AMANAH UMMAH) VIEN SYAFRINA NASUTION DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
Lebih terperinciBAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) Odds Ratio
21 BAB III REGRESI LOGISTIK BINER DAN CLASSIFICATION AND REGRESSION TREES (CART) 3.1 Regresi Logistik Biner Regresi logistik berguna untuk meramalkan ada atau tidaknya karakteristik berdasarkan prediksi
Lebih terperinciID3 : Induksi Decision Tree
ID3 : Induksi Decision Tree Singkatan: Iterative Dichotomiser 3 Induction of Decision "3" (baca: Tree Pembuat: Ross Quinlan, sejak akhir dekade 70-an. Pengembangan Lanjut: Cikal bakal algoritma C4.5, pada
Lebih terperinciPohon (Tree) Universitas Gunadarma Sistem Informasi 2012/2013
Pohon (Tree) Universitas Gunadarma Sistem Informasi 2012/2013 Pohon (Tree) Pohon (Tree) didefinisikan sebagai graf terhubung yang tidak mengandung sirkuit. Karena merupakan graf terhubung, maka pohon selalu
Lebih terperinciBAB III PROSEDUR PENELITIAN. Penelitian ini dilakukan di Kecamatan Baleendah, Kabupaten Bandung,
41 BAB III PROSEDUR PENELITIAN 3.1 Lokasi Penelitian Penelitian ini dilakukan di Kecamatan Baleendah, Kabupaten Bandung, Provinsi Jawa Barat. Kecamatan Baleendah dipilih karena merupakan salah satu kecamatan
Lebih terperinciBAB III METODOLOGI PENELITIAN. berhasil tidaknya suatu penelitian. Arikunto (2006: 26) mengemukakan bahwa
27 BAB III METODOLOGI PENELITIAN A. Metode Penelitian Pemilihan dan penggunaan metode sangatlah berpengaruh terhadap berhasil tidaknya suatu penelitian. Arikunto (2006: 26) mengemukakan bahwa metode penelitian
Lebih terperinciResume Regresi Linear dan Korelasi
Rendy Dwi Ardiansyah Putra 7410040018 / 2 D4 IT A Statistika Resume Regresi Linear dan Korelasi 1. Regresi Linear Regresi linear merupakan suatu metode analisis statistik yang mempelajari pola hubungan
Lebih terperinciBAB 2 LANDASAN TEORI. digunakan untuk menganalisa data dengan cara mendeskripsikan atau menggambarkan
BAB 2 LANDASAN TEORI 2.1 Teori yang Relevan 2.1.1 Statistik Deskriptif Menurut Sugiyono (2004: 142), Statistik deskriptif adalah statistik yang digunakan untuk menganalisa data dengan cara mendeskripsikan
Lebih terperinciPERBANDINGAN METODE CHI-SQUARE AUTOMATIC INTERACTION DETECTION
PERBANDINGAN METODE CHI-SQUARE AUTOMATIC INTERACTION DETECTION (CHAID) DAN CLASSIFICATION AND REGRESSION TREE (CART) DALAM MENENTUKAN KLASIFIKASI ALUMNI UIN SUNAN KALIJAGA BERDASARKAN MASA STUDI SKRIPSI
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Desain Penelitian Desain dan tahapan yang dilakukan dalam penelitian ini dapat dilihat pada gambar berikut: Rumusan Masalah Pengembangan Perangkat Lunak Analisis Data Model
Lebih terperinciMETODE QUEST DAN CHAID PADA KLASIFIKASI KARAKTERISTIK NASABAH KREDIT [SKRIPSI] KOMPETENSI STATISTIKA
METODE QUEST DAN CHAID PADA KLASIFIKASI KARAKTERISTIK NASABAH KREDIT (Studi Kasus: Nasabah Adira Kredit Elektronik Cabang Denpasar) [SKRIPSI] KOMPETENSI STATISTIKA NUR FAIZA 0908405045 JURUSAN MATEMATIKA
Lebih terperinciEVALUASI PRESTASI AKADEMIK LULUSAN MELALUI TRACER STUDY PROGRAM SARJANA ALIH JENIS MANAJEMEN IPB LIDYA RIZKY APRILIA
EVALUASI PRESTASI AKADEMIK LULUSAN MELALUI TRACER STUDY PROGRAM SARJANA ALIH JENIS MANAJEMEN IPB LIDYA RIZKY APRILIA DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT PERTANIAN BOGOR BOGOR 2015
Lebih terperinciBAB 1 PENDAHULUAN. saat ini. Pengguna komputer tidak terbatas pada golongan tertentu saja. Baik anak
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Komputer merupakan salah satu contoh alat teknologi yang paling banyak digunakan saat ini. Pengguna komputer tidak terbatas pada golongan tertentu saja. Baik
Lebih terperinciIMPLEMENTASI DECISION TREE UNTUK MEMPREDIKSI JUMLAH MAHASISWA PENGAMBIL MATAKULIAH DENGAN MENGGUNAKAN STUDI KASUS DI JURUSAN TEKNIK INFORMATIKA ITS
IPLEENTASI DECISION TREE UNTUK EPREDIKSI JULAH AHASISWA PENGABIL ATAKULIAH DENGAN ENGGUNAKAN STUDI KASUS DI JURUSAN TEKNIK INFORATIKA ITS Romauli anullang - 5108100501 Latar Belakang Pembuatan jadwal pada
Lebih terperinciESTIMASI NILAI WILLINGNESS TO PAY BERDASARKAN CONTINGENT VALUATION METHOD TERHADAP RENCANA PENINGKATAN KUALITAS
ESTIMASI NILAI WILLINGNESS TO PAY BERDASARKAN CONTINGENT VALUATION METHOD TERHADAP RENCANA PENINGKATAN KUALITAS dan KUANTITAS PELAYANAN GUNA MENINGKATKAN JUMLAH PENUMPANG KA KOMUTER SURABAYA SIDOARJO Julistyana
Lebih terperinciBAB 1 PENDAHULUAN. ini mengalami spesialisasi dan melembaga dengan pendidikan formal yang senantiasa
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pendidikan adalah suatu aktivitas sosial yang memungkinkan masyarakat tetap ada dan berkembang. Di dalam masyarakat yang kompleks, fungsi pendidikan ini mengalami spesialisasi
Lebih terperinciBAB V PEMBAHASAN. Data dikumpulkan dari 239 alumni Prodi Statistika FMIPA UII, sebagai
32 BAB V PEMBAHASAN Klasifikasi lama penyeesaian skripsi Prodi Statistika FMIPA UII akan digunakan sebagai contoh penerapan I-CHAID dalam klasifikasi. Data alumni diambil dari Bagian Akademik FMIPA UII
Lebih terperinciDATA MINING UNTUK MEMPREDIKSI PRESTASI SISWA BERDASARKAN SOSIAL EKONOMI, MOTIVASI, KEDISIPLINAN DAN PRESTASI MASA LALU
222 Jurnal Pendidikan Vokasi DATA MINING UNTUK MEMPREDIKSI PRESTASI SISWA BERDASARKAN SOSIAL EKONOMI, MOTIVASI, KEDISIPLINAN DAN PRESTASI MASA LALU Heri Susanto SMK Negeri 4 Surakarta heri.smk4@gmail.com
Lebih terperinciBAB I PENDAHULUAN 1.1.Latar Belakang Masalah
BAB I PENDAHULUAN 1.1.Latar Belakang Masalah Mengingat kondisi perekonomian saat ini sedang tumbuh dan berkembang secara signifikan, di negara khususnya Indonesia, memiliki peningkatan permintaan produk
Lebih terperinciBAB III OBJEK DAN DESAIN PENELITIAN
BAB III OBJEK DAN DESAIN PENELITIAN III.1 Objek Penelitian Objek dalam penelitian ini adalah mengambil data 120 laporan keuangan perusahaan manufaktur yang terdaftar di Bursa Efek Indonesia selama tiga
Lebih terperinciMAKALAH UJI PERLUASAN MEDIAN
MAKALAH UJI PERLUASAN MEDIAN Disusun untuk Memenuhi Tugas Mata Kuliah Pengolahan Data Penelitian Dosen Pengampu : Dr. Nur Karomah Dwidayati, M.Si. Oleh: Sulis Rinawati (0401516042) Retno Indarwati (0401516049)
Lebih terperinciBAB IX ANALISIS REGRESI
BAB IX ANALISIS REGRESI 1. Model Analisis Regresi-Linear Analisis regresi-linear adalah metode statistic yang dapat digunakan untuk mempelajari hubungan antarsifat permasalahan yang sedang diselidiki.
Lebih terperinciIDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS ANEMIA PADA IBU HAMIL MENGGUNAKAN METODE CHAID DAN RANDOM FOREST AZYL YUNIA KOMALA SARI
IDENTIFIKASI FAKTOR-FAKTOR YANG MEMPENGARUHI STATUS ANEMIA PADA IBU HAMIL MENGGUNAKAN METODE CHAID DAN RANDOM FOREST AZYL YUNIA KOMALA SARI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciMKB3462 KECERDASAN BUATAN. Muhammad Zidny Naf an, M.Kom.
MKB3462 KECERDASAN BUATAN Muhammad Zidny Naf an, M.Kom. Decision Tree (DT) Learning Menemukan fungsi2 pendekatan yang bernilai diskrit Jenis decision tree: ID3 (iterative dychotomizer version 3) ASSISTANT
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Rancangan Penelitian Jenis penelitian ini adalah deskriptif korelasional dengan pendekatan cross sectional untuk mengetahui hubungan antara status gizi balita dengan kejadian
Lebih terperinciHASIL DAN PEMBAHASAN. Setiap tahapan di dalam penelitian ini akan ditunjukkan di dalam Tabel 2.
6 tahap ini, pola yang telah ditemukan dipresentasikan ke pengguna dengan teknik visualisasi agar pengguna dapat memahaminya. Deskripsi aturan klasifikasi akan dipresentasikan dalam bentuk aturan logika
Lebih terperinciIII METODE PENELITIAN. observasi, atau pengumpulan data sekaligus pada suatu saat ( point time
33 III METODE PENELITIAN A. Desain Penelitian Penelitian ini merupakan penelitian deskriptif analitik dengan pendekatan cross sectional, yaitu penelitian yang dilakukan dengan pendekatan, observasi, atau
Lebih terperinciPenerapan Pohon dan Himpunan dalam Klasifikasi Bahasa
Penerapan Pohon dan Himpunan dalam Klasifikasi Bahasa Jeremia Jason Lasiman - 13514021 1 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha
Lebih terperinciANALISIS EVALUASI AKADEMIK BERDASARKAN TRACER STUDY DAN PENILAIAN EVALUASI DIRI PROGRAM SARJANA DEPARTEMEN MANAJEMEN IPB LENGGO GENI TANJUNG
ANALISIS EVALUASI AKADEMIK BERDASARKAN TRACER STUDY DAN PENILAIAN EVALUASI DIRI PROGRAM SARJANA DEPARTEMEN MANAJEMEN IPB LENGGO GENI TANJUNG DEPARTEMEN MANAJEMEN FAKULTAS EKONOMI DAN MANAJEMEN INSTITUT
Lebih terperinciUJI CHI SQUARE. (Uji data kategorik)
UJI CHI SQUAR (Uji data kategorik) A. Pendahuluan Uji statistik nonparametrik ialah suatu uji statistik yang tidak memerlukan adanya asumsi-asumsi mengenai sebaran data populasinya (belum diketahui sebaran
Lebih terperinciTree. Perhatikan pula contoh tree di bawah ini : Level. Level 2. Level 3. Level 4. Level 5
TR (POHON) Tree/pohon merupakan struktur data yang tidak linear/non linear yang digunakan terutama untuk merepresentasikan hubungan data yang bersifat hierarkis antara elemenelemennya. efinisi tree : Kumpulan
Lebih terperinciBAB I PENDAHULUAN. Universitas Pendidikan Indonesia repository.upi.edu
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Kehadiran bank syariah di Indonesia didorong oleh keinginan masyarakat Indonesia (terutama masyarakat Islam) yang berpandangan bahwa bunga merupakan hal yang
Lebih terperinciMETODE PENELITIAN. Bentuk penelitian yang digunakan peneliti adalah penelitian deskriptif
22 III. METODE PENELITIAN A. Desain Penelitian Bentuk penelitian yang digunakan peneliti adalah penelitian deskriptif analitik dengan pendekatan cross sectional, yaitu penelitian yang dilakukan dengan
Lebih terperinci