Hary Mega Gancar Prakosa Dosen Pembimbing Dr. Suhartono, S.Si, M.Sc Co Pembimbing Dr. Bambang Wijanarko Otok, S.Si, M.
|
|
- Handoko Darmali
- 6 tahun lalu
- Tontonan:
Transkripsi
1 KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN BOOTSTRAP AGGREGATTING CLASSIFICATION AND REGRESSION TREES Hary Mega Gancar Prakosa Dosen Pembimbing Dr. Suhartono, S.Si, M.Sc Co Pembimbing Dr. Bambang Wijanarko Otok, S.Si, M.Si
2 Kemiskinan Kemiskinan adalah sasaran strategis dalam usaha peningkatan kesejahteraan (Sutaat, 2006 Jumlah penduduk miskin di Indonesia pada bulan Maret 2010 mencapai jiwa (13,33 persen. Sementara itu daerah dengan jumlah penduduk miskin terbanyak adalah Jawa Timur, yaitu sebesar jiwa (BPS Kesejahteraan
3 Faturokhman dan Molo_1995 ( Meneliti karakteristik rumah tangga miskin di Jogjakarta Rahmawati_1999 (Meneliti kesempatan kerja penduduk miskin di DKI Jakarta BPS dan World Bank Institute_2002 (Menyusun dasar-dasar analisis kemiskinan Cahyat dkk_2007 (mengkaji kemiskinan dan kesejahteraan rumah tangga
4 Banyak faktor yang mempengaruhi kesejahteraan rumah tangga dilihat dari sudut pandang kemiskinan Klasifikasi Kesejahteraan Rumah Tangga Bagging CART
5 1 Bagaimana model kesejahteraan rumah tangga di Propinsi Jawa Timur dengan pendekatan CART? 2 Bagaimana model kesejahteraan rumah tangga di Propinsi Jawa Timur dengan pendekatan bagging CART? 3 Bagaimana model kesejahteraan rumah tangga di Propinsi Jawa Timur dengan pendekatan regresi logistik? 4 Bagaimana perbandingan model kesejahteraan rumah tangga di Propinsi Jawa Timur dengan pendekatan CART, bagging CART, dan regresi logistik?
6 BPS Kemampuan untuk memenuhi kebutuhan komoditas secara umum KESEJAHTERAAN RUU SKSN kondisi sosial ekonomi yang memungkinkan bagi setiap warga negara untuk dapat memenuhi kebutuhan yang bersifat jasmani, rohani dan sosial sesuai dengan harkat dan martabat manusia
7 KEMISKINAN BPS ketidakmampuan untuk memenuhi standar dari kebutuhan dasar, baik makanan maupun bukan makanan Bappenas kondisi di mana seseorang atau sekelompok orang, lakilaki dan perempuan, tidak mampu memenuhi hak dasarnya untuk mempertahankan dan mengembangkan kehidupan yang bermartabat
8 Tingkat Konsumsi Memiliki kaidah-kaidah Statistik yang harus dijalankan sehingga lebih bisa dipertanggungjawabkan (Cahyat, 2004 Model Pengukuran Kemiskinan Kesejahteraan Keluarga Pembangunan Manusia
9 Kemiskinan Pengeluaran Perkapita
10 CART metode nonparametrik yang dikembangkan untuk topik analisis klasifikasi, baik untuk variabel respon kategorik maupun kontinu Breiman et al (1993 Lewis dan Roger (2000 Keunggulan CART Tidak ada asumsi yang harus dipenuhi Dapat mengeksplorasi data berstruktur kompleks dan multivariabel Hasil lebih mudah untuk dinterpretasi kan Memudahkan eksplorasi dan pengambilan keputusan
11
12 LANGKAH-LANGKAH PENERAPAN CART Pembentukan Pohon Klasifikasi Pemilihan Pemilah Penentuan Simpul Terminal Penandaan Label Kelas Pemangkasan Pohon Klasifikasi Test Sample Estimate Cross Validation V-fold Estimate Pohon Klasifikasi Optimal
13 Regresi Logistik Biner 1. Model regresi logistik dengan k variabel prediktor exp( 0 1x1... kx k π(x 1 exp( x... x 2. Bentuk logit g(x x1 kxk... 1 k 3. Penaksiran Parameter Menggunakan metode MLE (Maximum Likelihood Estimation, dengan memaksimumkan fungsi Likelihood (Agresti, k
14 LANGKAH-LANGKAH PENERAPAN REGRESI LOGISTIK Penaksiran Parameter Pengujian Signifikansi Paramter Uji Individu Uji Serentak Uji Kesesuaian Model Menghitung Ketepatan Klasifikasi
15 Data Survei Sosial Ekonomi Nasional (SUSENAS tahun 2009 Provinsi Jawa Timur. Jumlah sampel sebesar rumah tangga.
16 Y Kemiskinan Rumah Tangga Jenis Kelamin KRT Usia KRT Status Perkawinan KRT Ijazah Tertinggi KRT Jumlah ART Kegiatan Utama KRT Lapangan Usaha Utama KRT Status Pekerjaan Utama KRT 1 : Tidak Miskin 2 : Miskin 1 : Laki-laki 2 : Perempuan 1 : Kawin 2 : Lainnya 1 : Belum Sekolah 2 : Tidak Tamat SD 3 : Tamat SD/Sederajat 4 : Tamat SLTP/Sederajat 5 : Tamat SLTA/Sederajat 6 : Tamat di atas SLTA 1 : Bekerja 2 : Tidak Bekerja 1 : Pertanian 2 : NonPertanian 3 : Tidak Bekerja 1 : Buruh/karyawan 2 : Pengusaha 3 : Lainnya 4 : Tidak Bekerja
17 DESKRIPTIF Jumlah dan Persentase Rumah Tangga di Jawa Timur tahun 2009 Berdasarkan Status Kemiskinan Kesejahteraan Rumah Tangga n p (% Miskin Tidak Miskin Total
18 ASPEK SOSIAL DEMOGRAFI Tabel 1. Deskripsi Karakteristik Sosial Demografi Rumah Tangga di Provinsi Jawa Timur tahun 2009 Variabel Sosial Demografi Miskin Tidak Miskin mean stdev mean stdev Jumlah anggota rumah tangga 4,32 1,60 3,44 1,491 Usia kepala rumah tangga 50,42 14,39 49,40 13,96 Keterangan : signifikan berbeda pada α = 5% Tabel 2. Deskripsi Karakteristik Sosial Demografi Kepala Rumah Tangga di Provinsi Jawa Timur tahun 2009 Variabel Sosial Demografi Proporsi (% Miskin Tidak miskin Jenis kelamin kepala rumah tangga Laki-laki 86,27 82,77 Wanita 13,73 17,23 Status perkawinan kepala rumah tangga Kawin 84,53 79,66 Lainnya 15,47 20,34 Keterangan : signifikan berbeda pada α = 5%
19 ASPEK PENDIDIKAN Tabel 3. Deskripsi Karakteristik Pendidikan Kepala Rumah Tangga di Provinsi Jawa Timur tahun 2009 Kategori Miskin Tidak Miskin Pendidikan n p (% n p (% Total , , , , , , , , , , , , Total Persentase Ijazah Tertinggi Kepala Rumah Tangga Miskin Tidak Miskin
20 ASPEK KETENAGAKERJAAN Tabel 4. Deskripsi Karakteristik Ketenagakerjaan Kepala Rumah Tangga di Provinsi Jawa Timur tahun 2009 Karakteristik Miskin Tidak Miskin n p (% n p (% Total Kegiatan Utama - Bekerja , , Tidak Bekerja , , Total , , Lapangan Usaha Utama - Pertanian , , Non Pertanian , , Tidak Bekerja , , Total , , Status Pekerjaan Utama - Buruh/karyawan , , Pengusaha , , Lainnya , , Tidak Bekerja , , Total , ,
21 Tabel 5. Deskripsi Karakteristik Pengeluaran Perkapita Perbulan Rumah Tangga di provinsi Jawa Timur tahun 2009 Komponen Miskin Tidak Miskin Pengeluaran Mean Koef Var Mean Koef Var Makanan , ,41 Nonmakanan , ,59
22 CART Tabel 6. Perbandingan Ketepatan Klasifikasi Antar Kombinasi Data No Ketepatan Kombinasi Data (% Klasifikasi (% L T L T Jumlah Node Terminal ,5 68, ,7 69, ,1 69, ,2 69, ,0 68, ,5 72, ,7 67,9 185
23 Ilustrasi Proses Pemilahan Pada Pohon Klasifikasi Optimal SIMPUL TERMINAL SIMPUL UTAMA
24 Plot antara relative cost dan jumlah node Pohon Klasifikasi Optimal
25 Tabel 7. Ketepatan Klasifikasi Data Learning Pada Pohon Optimal Kelas Aktual Prediksi Kelas Tidak Miskin Miskin Ketepatan Klasifikasi (% Miskin ,05 Tidak Miskin ,60 Ketepatan Klasifikasi Total 69,00
26 Tabel 8. Ketepatan Klasifikasi Data Testing Pada Pohon Optimal Kelas Aktual Prediksi Kelas Tidak Miskin Miskin Ketepatan Klasifikasi (% Miskin ,97 Tidak Miskin ,01 Ketepatan Klasifikasi Total 68,6
27 NO Bagging CART Tabel 9. Perbandingan Ketepatan Klasifikasi dari Berbagai Variasi Jumlah Sampel Bootstrap Banyaknya Replikasi Sampel Bootstrap Ketepatan Klasifikasi (% , , , , , , , ,3
28 Tabel 10. Perbandingan Ketepatan Klasifikasi dari Metode CART dan bagging CART Metode Ketepatan Klasifikasi (% CART (tanpa bagging 69,00 Bagging CART (replikasi 150 kali 74,30 Perbedaan 5,3
29 REGRESI LOGISTIK Tanpa Interaksi Hasil Uji Regresi Logistik Individu Variabel Respon vs Variabel Prediktor Variabel Prediktor β p-value 1 : Jenis Kelamin KRT Laki-laki 0,294 0,000 Konstanta -1,992 0,000 2 : Usia KRT 0,006 0,000 Konstanta -2,032 0,000 3 : Status Perkawinan KRT Lainnya -0,345 0,000 Konstanta -1,682 0,000 4 : Ijazah Tertinggi KRT Tidak Punya Ijazah -0,391 0,000 Tamat SD/Sederajat -0,672 0,000 Tamat SLTP/Sederajat -1,574 0,000 Tamat SLTA/Sederajat -2,163 0,000 Tamat di atas SLTA -4,546 0,000 Konstanta -0,965 0,000 5 : Jumlah ART 0,357 0,000 Konstanta -3,124 0,000 6 : Kegiatan Utama KRT Bekerja 0,213 0,000 Konstanta -1,926 0,000 7 : Lapangan Usaha Utama KRT Non Pertanian -1,200 0,000 Tidak Bekerja -0,766 0,000 Konstanta -1,159 0,000 8 : Status Pekerjaan Utama KRT Pengusaha 0,783 0,000 Lainnya 1,060 0,000 Tidak Bekerja 0,445 0,000 Konstanta -2,371 0,000
30 Hasil Uji Regresi Logistik Serentak Variabel Respon vs Variabel Prediktor Variabel Prediktor β p-value 2 : Usia KRT -0,016 0,000 3 : Status Perkawinan KRT 0,058 Lainnya -0,118 0,058 4 : Ijazah Tertinggi KRT 0,000 Tidak Punya Ijazah -0,727 0,000 Tamat SD/Sederajat -1,135 0,000 Tamat SLTP/Sederajat -1,860 0,000 Tamat SLTA/Sederajat -2,437 0,000 Tamat di atas SLTA -4,728 0,000 5 : Jumlah ART 0,416 0,000 6 : Kegiatan Utama KRT 0,000 Bekerja 0,279 0,002 7 : Lapangan Usaha Utama KRT 0,000 Non Pertanian -0,789 0,000 8 : Status Pekerjaan Utama KRT 0,000 Pengusaha 0,043 0,500 Lainnya 0,310 0,000 Konstanta -1,451 0,000 G=3491,864 2 (8;0.05 =
31 model logistik g ( x ,016( 2 0,118( 3,2 0,727( 4,2 1,135( 4,3 1,860( 4,4 2,437( 4,5 4,728( 4,6 0,416( 5 0,279( 6,1 0,789( 7,2 0,310( 8,3 Uji Kesesuaian Model C = 52,213 > 2 (8;0.05 =
32 Odds Ratio Model Regresi Logistik Tanpa Interaksi Variabel β OR 2 : Usia KRT -0,016 0,984 3 : Status Perkawinan KRT Lainnya -0,118 0,889 4 : Ijazah Tertinggi KRT Tidak Punya Ijazah -0,727 0,484 Tamat SD/Sederajat -1,135 0,321 Tamat SLTP/Sederajat -1,860 0,156 Tamat SLTA/Sederajat -2,437 0,087 Tamat di atas SLTA -4,728 0,009 5 : Jumlah ART 0,416 1,516 6 : Kegiatan Utama KRT Bekerja 0,279 1,321 7 : Lapangan Usaha Utama KRT Non Pertanian -0,789 0,454 8 : Status Pekerjaan Utama KRT Pengusaha 0,043 1,044 Lainnya 0,310 1,364 Konstanta -1,451 0,234
33 Tabel Klasifikasi Model Regresi Logistik Observasi Prediksi Tidak Miskin Miskin Ketepatan Klasifikasi (% Tidak Miskin ,6 Miskin ,6 Ketepatan Klasifikasi Total (% 85,3
34 REGRESI LOGISTIK Dengan Interaksi Uji Independensi Terdapat hubungan antarsemua variabel prediktor Uji Individu Semua interaksi antar variabel prediktor signifikan berpengaruh kecuali interaksi antara variabel usia KRT dan kegiatan utama KRT
35 Hasil Uji Regresi Logistik Serentak Interaksi antar Variabel Prediktor Variabel Prediktor p-value (4 (1 0,023 (4,1 (1,1 0,756 4 vs 1 (4,2 (1,1 0,108 (4,3 (1,1 0,010 (4,4 (1,1 0,343 (4,5 (1,1 0,029 (1 (7 0,000 1 vs 7 (1,1 (7,1 0,023 (1,1 (7,2 0,000 (5 (3 0,000 5 vs 3 (5,1 (3,1 0,000 (5,2 (3,1 0,184 (5,3 (3,1 0,133 Variabel Prediktor p-value (2 (4 0,000 (2,2 (4,1 0,699 2 vs 4 (2,2 (4,2 0,002 (2,2 (4,3 0,000 (2,2 (4,4 0,604 (2,2 (4,5 0,997 (2 (5 0,000 2 vs 5 (2,2 (5,1 0,000 (2,2 (5,2 0,916 (2,2 (5,3 0,674 (7 (2 0,000 7 vs 2 (7,1 (2,2 0,000 (7,2 (2,2 0,257 (4 (7 0,000 (4,1 (7,1 0,726 (4,1 (7,2 0,000 4 vs 7 (4,2 (7,1 0,015 (4,2 (7,2 0,000 (4,3 (7,1 0,001 (4,3 (7,2 0,000 (4,4 (7,1 0,108
36 4 vs 7 6 vs 4 4 vs 8 (4,4 (7,2 0,000 (4,5 (7,1 0,122 (4,5 (7,2 0,995 (6 (4 0,000 (6,1 (4,1 0,002 (6,1 (4,2 0,000 (6,1 (4,3 0,000 (6,1 (4,4 0,001 (6,1 (4,5 0,997 (4 (8 0,000 (4,1 (8,1 0,862 (4,1 (8,2 0,713 (4,2 (8,1 0,000 (4,2 (8,2 0,411 (4,3 (8,1 0,075 (4,3 (8,2 0,000 (4,4 (8,1 0,025 (4,4 (8,2 0,018 (4,5 (8,1 0,513 (4,5 (8,2 0,999 5 vs 6 5 vs 7 (5 (6 0,000 (5,1 (6,1 0,000 (5,2 (6,1 0,000 (5,3 (6,1 0,009 (5 (7 0,000 (5,1 (7,1 0,786 (5,1 (7,2 0,000 (5,2 (7,1 0,809 (5,2 (7,2 0,000 (5,3 (7,1 0,521 (5,3 (7,2 0,051 Konstanta 0,000 Keterangan : signifikan pada α = 10 persen Sumber : Data sekunder Susenas 2009, diolah peneliti Nilai C = 0,129 dimana nilai ini kurang dari 2 (8;0.10 =
37
38 Perbandingan Ketepatan Klasifikasi dari Penerapan Metode Regresi Logistik Biner, CART dan bagging CART Metode Misklasifikasi (% Regresi Logistik Biner 14,70 CART (tanpa bagging 31,00 Bagging CART (replikasi 150 kali 25,70
39 KESIMPULAN DAN SARAN 1. Analisis menggunakan metode CART menunjukkan bahwa variabel prediktor yang berpengaruh terhadap kesejahteraan rumah tangga : ijazah kepala rumah tangga, lapangan usaha utama kepala rumah tangga, usia kepala rumah tangga, dan jumlah anggota rumah tangga. Variabel ijazah tertinggi kepala rumah tangga merupakan variabel yang paling dominan berpengaruh. Tiga kelompok terbesar rumah tangga miskin adalah sebagai berikut. - Simpul terminal 13 terdiri dari 1226 rumah tangga dengan karakteristik ijazah tertinggi kepala rumah tangga adalah tidak tamat SD, lapangan usaha utama kepala rumah tangga adalah tidak bekerja atau bekerja di sektor nonpertanian, dan usia kepala rumah tangga 49,5 tahun. - Simpul terminal 12 terdiri dari 1182 rumah tangga dengan karakteristik ijazah tertinggi kepala rumah tangga adalah di atas SMA dan jumlah anggota rumah tangga > 1,5 orang. - Simpul terminal 3 terdiri dari 525 rumah tangga dengan karakteristik ijazah tertinggi kepala rumah tangga adalah SD/Sederajat, SLTP/Sederajat, atau SMA/Sederajat, lapangan usaha utama kepala rumah tangga adalah pertanian, jumlah anggota rumah tangga > 3,5 orang, dan usia kepala rumah tangga 55,5 tahun.
40 2. Penerapan metode bagging pada CART mampu meningkatkan ketepatan klasifikasi hingga 5,3 persen menjadi 74,3 persen dibandingkan dengan metode CART biasa. 3. Analisis regresi logistik biner tanpa interaksi menunjukkan bahwa variabel prediktor yang berpengaruh signifikan terhadap klasifikasi kesejahteraan rumah tangga adalah usia kepala rumah tangga, status perkawinan kepala rumah tangga, ijazah tertinggi kepala rumah tangga, jumlah anggota rumah tangga, kegiatan utama kepala rumah tangga, lapangan usaha kepala rumah tangga, dan status pekerjaan utama kepala rumah tangga. Ketepatan klasifikasi sebesar 85,30 persen. Akan tetapi model tidak sesuai digunakan untuk menjelaskan seberapa besar peluang sebuah rumah tangga di Provinsi Jawa Timur tahun 2009 termasuk rumah tangga miskin. g ( x ,016( 2 0,118( 3,2 0,727( 4,2 1,135( 4,3 1,860( 4,4 2,437( 4,5 4,728( 4,6 0,416( 5 0,279( 6,1 0,789( 7,2 0,310( 8,3
41 1,1 4,3 0,264( 1,1 4,2 0,041( 1,1 4,1 0,554( 0,377 ( x g 7,2 5,3 0,097( 7,1 5,3 1,176( 7,2 5, ( 7,1 5,2 1,417( 7,2 5, ( 7,1 5,1 0,461( 6,1 5,3 1,170( 6,1 5,2 1,780( 6,1 5,1 15,952( 8,2 4, ( 8,1 4, ( 8,2 4, ( 8,1 4, ( 8,2 4, ( 8,1 4, ( 8,2 4,2 0,368( 8,1 4,2 0,051( 8,2 4,1 0,021( 8,1 4,1 35,373( 4,5 6,1 2,702( 4,4 6,1 3,313( 4,3 6,1 1,011( 4,2 6,1 0,513( 4,1 6,1 0,214( 7,2 4,5 2,198( 7,1 4,5 3,839( 7,2 4,4 0,525( 7,1 4,4 4,425( 7,2 4,3 0,631( 7,1 4,3 2,194( 7,2 4,2 0,386( 7,1 4,2 0,859( 7,2 4,1 0,055( 7,1 4,1 17,007( 2,2 7,2 0,589( 2,2 7,1 14,427( 5,3 2,2 0,014( 5,2 2,2 0,620( 5,1 2,2 0,524( 4,5 2,2 0,399( 4,4 2,2 1,837( 4,3 2,2 0,519( 4,2 2,2 0,050( 4,1 2,2 0,063( 3,1 5,3 0,142( 3,1 5,2 0,547( 3,1 5,1 0,164( 7,2 1,1 0,346( 7,1 1,1 2,535( 1,1 4,5 0,604( 1,1 4,4 0,663(
42 Diketahui faktor-faktor yang berpengaruh terhadap status kemiskinan rumah tangga di provinsi Jawa Timur tahun 2009 adalah interaksi antara variabel ijazah tertinggi kepala rumah tangga dengan jenis kelamin kepala rumah tangga, jenis kelamin kepala rumah tangga dengan lapangan usaha utama kepala rumah tangga, jumlah anggota rumah tangga dengan status perkawinan kepala rumah tangga, usia kepala rumah tangga dengan ijazah tertinggi kepala rumah tangga, lapangan usaha utama kepala rumah tangga dengan usia kepala rumah tangga, ijazah tertinggi kepala rumah tangga dengan lapangan usaha utama kepala rumah tangga, ijazah tertinggi kepala rumah tangga dengan kegiatna utama kepala rumah tangga, ijazah tertinggi kepala rumah tangga dengan status pekerjaan utama kepala rumah tangga, jumlah anggota rumah tangga dengan kegiatan utama kepala rumah tangga, dan jumlah anggota rumah tangga dengan lapangan usaha utama kepala rumah tangga. Model sudah sesuai digunakan untuk menjelaskan seberapa besar peluang sebuah rumah tangga di Provinsi Jawa Timur tahun 2009 termasuk rumah tangga miskin dengan ketepatan klasifikasi sebesar 85,30 persen. 4. Dilihat dari besarnya misklasifikasi maka model regresi logistik lebih baik dibandingkan dengan metode CART dan bagging CART karena menghasilkan nilai misklasifikasi paling kecil, yaitu 14,7 persen.
43 Untuk kepentingan penelitian selanjutnya bisa ditambahkan variabel prediktor lain atau modifikasi variabel prediktor yang telah digunakan dalam penelitian ini demi mendapatkan hasil klasifikasi yang lebih baik. Selain itu bisa dicoba menggunakan fungsi keheterogenan simpul yang lain (selain indeks gini
44 DAFTAR PUSTAKA Agresti, A., Categorical Data Analysis. John Wiley and Sons. New York. Anonim, Kesejahteraan. Badan Pusat Statistika, Berita Resmi Statistik : Profil Kemiskinan di Indonesia Maret Jakarta. Breiman, L., Friedman, J., Olshen, R. and Stone, C., Classification and Regression Trees. Chapman Hall, New York London. Breiman L, Friedman J.H, Olshen R.A, dan Stone C.J., Classification And Regression Trees. Chapman And Hall. New York. Breiman, L., Bagging Predictors, Machine Learning, Vol Cahyat, A., Bagaimana Kemiskinan Diukur? Beberapa Model Penghitungan Kemiskinan di Indonesia. Bogor : CIFOR. Hosmer, D. W. and Lemeshow, S., Applied Logistic Regression. John Wiley and Sons, Inc. USA. Hosmer, W. dan Lemeshow, S., Applied Logistic Regression. Canada: John Wiley&Sons Johnson, R. A. and Wichern, D. W., Applied Multivariate Statistical Analysis. Prentice Hall. New Jersey. Le, C. T., Applied Categorical Data Analysis. John Wiley and Sons, Inc. USA. Lewis dan Roger J An Introduction to Classification And Regression Trees (CART Analysis. Presented at the Steinberg, D., dan Colla, P., CART: Tree-structured nonparametric data analysis. San Diego, Calif., U.S.A.: Salford Systems. Steinberg D. dan Phillip C CART Classification and Regression Trees. CA: Salford System, San Diego. Sutaat, Hasil-hasil Penelitian Tahun 2006 Puslitbang Kesejahteraan Sosial. Jakarta : Pusat Penelitian dan Pengembangan Kesejahteraan Sosial, Badan Pendidikan dan Kesejahteraan Sosial, Departemen Sosial, Republik Indonesia. Sutton, C.D., Classification and regression trees, Bagging, and Boosting, Handbook of statistics, Vol. 24. hal
45 TERIMA KASIH
46 1. Pemilihan Pemilah (Classifier Fungsi Keheterogenan Himpunan bagian yang dihasilkan dari pemilahan harus lebih homogen debandingkan dengan pemilahan sebelumnya Indeks Gini i j t i p t j p t i ( ( ( Breiman et al (1993 Ø (s, t = ( ( (, ( R R L L t i p t i p t i t s i
47 2. Penentuan Simpul Terminal 1 Pada simpul t tidak terdapat penurunan keheterogenan yang berarti 2 Hanya terdapat satu pengamatan (n=1 pada tiap simpul anak atau adanya batasan minimum n 3 Adanya batasan jumlah level atau tingkat kedalaman pohon maksimal
48 3. Penandaan Label Kelas Aturan Jumlah Terbanyak p(j 0 t = max p j t = max j N j (t N (t p j t N j (t N (t = proporsi kelas j pada simpul t = jumlah pengamatan kelas j pada simpul t = jumlah pengamatan pada simpul t
49 Pemangkasan Pohon Klasifikasi Ukuran pemangkasan yang digunakan = complexity minimum (Breiman et al, 1984 R ~ ( T R( T T = kompleksitas parameter (cost bagi penambahan satu simpul akhir pada pohon T R (T = penduga pengganti (resubstitution estimate T ~ = banyaknya simpul terminal pada pohon T
50 Uji Signifikansi Parameter a. Model Univariat H 0 : j = 0, j = 1,2,...,k H 1 : j 0 Statistik Uji (Le, 1998 : Daerah kritis : W Z / 2 Wald (W ˆ j SÊ( ˆ j b. Model Multivariat H 0 : β 0 H 1 : β 0 Statistik Uji (Hosmer and Lemeshow, 1989 : 2 n G i i i i i1 Daerah kritis : y lnˆπ x 1 y ln1 ˆπ x n lnn n lnn nlnn G 2 ( db,
51 Goodness-of-fit H 0 : Model sesuai H 1 : Model tidak sesuai Statistik Uji (Hosmer and Lemeshow, 1989: Ĉ Hosmer Lemeshow 2 Cˆ Daerah kritis : ( g 2 g k1 o n k k n ' k Interpretasi Model Regresi Logistik Odds rasio : ψ exp 1 Rata-rata besar kecenderungan variabel respon bernilai tertentu jika x = 1 dibandingkan x = 0 (Hosmer and Lemeshow, k ' π k 1 π 2 k
52 Prosedur Klasifikasi Evaluasi yang melihat peluang kesalahan klasifikasi yang dilakukan oleh suatu fungsi klasifikasi (Johnson and Wichern, Tabel klasifikasi Hasil Observasi Taksiran y 1 y 2 y 1 n 11 n 12 y 2 n 21 n 22 APER (apparent error rate = n 11 n n n n n 22
Seminar Tugas Akhir. Analisis Klasifikasi Kesejahteraan Rumah Tangga di Propinsi Jawa Timur dengan Pendekatan CART ARCING. Surabaya, Juli 2011
Surabaya, Juli 2011 Seminar Tugas Akhir Analisis Klasifikasi Kesejahteraan Rumah Tangga di Propinsi Jawa Timur dengan Pendekatan CART ARCING Ibrahim Widyandono 1307 100 001 Pembimbing : Dr. Bambang Widjanarko
Lebih terperinciKlasifikasi Kegiatan Partisipasi Ekonomi Perempuan Di Jawa Timur Dengan Pendekatan CART (Classification And Regression Trees)
1 Klasifikasi Kegiatan Partisipasi Ekonomi Perempuan Di Jawa Timur Dengan Pendekatan CART (Classification And Regression Trees) Sharfina Widyandini dan Vita Ratnasari Jurusan Statistika, Fakultas MIPA,
Lebih terperinciMETODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 121-130 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN
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 terperinciMETODE POHON GABUNGAN PADA CART UNTUK ANALISA KESEJAHTERAAN RUMAH TANGGA DI BANJARMASIN
Technologia Vol 7, No.1, Januari Maret 2016 15 METODE POHON GABUNGAN PADA CART UNTUK ANALISA KESEJAHTERAAN RUMAH TANGGA DI BANJARMASIN Galih Mahalisa, S.Kom, M.Kom (galih.mahalisa@gmail.com) ABSTRAK Kemiskinan
Lebih terperinciPENENTUAN KONDISI OPTIMUM PADA PEMBENTUKAN POHON TERBAIK DENGAN METODE POHON KLASIFIKASI (CLASSIFICATION TREE)
Natural Vol. 11, No. 2, Mei 2007, hal. 112-118. PENENTUAN KONDISI OPTIMUM PADA PEMBENTUKAN POHON TERBAIK DENGAN METODE POHON KLASIFIKASI (CLASSIFICATION TREE) A. Efendi dan H. Kusdarwati Program Studi
Lebih terperinciAnalisis CART (Classification And Regression Trees) pada Faktor-Faktor yang Mempengaruhi Kepala Rumah Tangga di Jawa Timur Melakukan Urbanisasi
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-928X D-100 Analisis CART (Classification And Regression Trees) pada Faktor-Faktor yang Mempengaruhi Kepala Rumah Tangga di Jawa Timur Melakukan
Lebih terperinciEKO ERTANTO PEMBIMBING
UJIAN TUGAS AKHIR Faktor-faktor yang Mempengaruhi Kelengkapan Pemberian Imunisasi Untuk Bayi Dengan Metode Regresi Logistik (Kasus di Kelurahan Keputih Surabaya) YUDHA EKO ERTANTO 1307030054 PEMBIMBING
Lebih terperinciPENDEKATAN CART UNTUK MENDAPATKAN FAKTOR YANG MEMPENGARUHI TERJANGKITNYA PENYAKIT DEMAM TIFOID DI ACEH UTARA
PENDEKATAN CART UNTUK MENDAPATKAN FAKTOR YANG MEMPENGARUHI TERJANGKITNYA PENYAKIT DEMAM TIFOID DI ACEH UTARA Dina Yuanita Mahasiswa Jurusan Statistika FMIPA-ITS (1306 100 056) M. Syahid Akbar, S.Si, M.Si
Lebih terperinciLOGO. Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si
LOGO Prof. Dra. Susanti Linuwih, M.Stat, PhD Wibawati, S.Si, M.Si PENDAHULUAN 1 2 3 4 Latar Belakang Tujuan Manfaat Batasan Masalah Latar Belakang Kesempatan memperoleh pendidikan merupakan prioritas utama
Lebih terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) ( X Print) D-54
JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) 2337-3520 (2301-928X Print) D-54 Klasifikasi Pengangguran Terbuka Menggunakan CART (Classification and Regression Tree) di Provinsi Sulawesi Utara Febti
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 terperinciANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK
LAPORAN TUGAS AKHIR ANALISIS REGRESI LOGISTIK ORDINAL PADA FAKTOR-FAKTOR BERPENGARUH TERHADAP PENYAKIT MATA KATARAK BAGI PASIEN PENDERITA DI KLINIK MATA UTAMA GRESIK Latar Belakang Katarak Indonesia Klinik
Lebih terperinciKlasifikasi Nilai Peminat SBMPTN (Seleksi Bersama Masuk Perguruan Tinggi Negeri) ITS dengan Pendekatan Classification and Regression Trees (CART)
D193 Klasifikasi Nilai Peminat SBMPTN (Seleksi Bersama Masuk Perguruan Tinggi Negeri) ITS dengan Pendekatan Classification and Regression Trees (CART) Lely Dwi Bhekti Pratiwi, Wahyu Wibowo, dan Ismaini
Lebih terperinciANALISIS KLASIFIKASI NASABAH KREDIT MENGGUNAKAN BOOTSTRAP AGGREGATING CLASSIFICATION AND REGRESSION TREES (BAGGING CART)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 1, Tahun 2016, Halaman 81-90 Online di: http://eournal-s1.undip.ac.id/index.php/gaussian ANALISIS KLASIFIKASI NASABAH KREDIT MENGGUNAKAN BOOTSTRAP AGGREGATING
Lebih terperinciKegiatan Anak Usia Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran
Kegiatan Anak Usia 10-15 Tahun di Jawa Timur Menggunakan Regresi Logistik Multinomial: Suatu Peranan Urutan Kelahiran Rudi Salam Badan Pusat Statistik, Tinggi Ilmu Statistik, Jakarta, Indonesia rudisalam@stis.ac.id
Lebih terperinciModel Machine Learning CART Diabetes Melitus
Prosiding SI MaNIs (Seminar Nasional Integrasi Matematika dan Nilai Islami) Vol.1, No.1, Juli 2017, Hal. 485-491 p-issn: 2580-4596; e-issn: 2580-460X Halaman 485 Ria Dhea Layla Nur Karisma 1, Bambang Widjanarko
Lebih terperinciKLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN CART ARCING
KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN CART ARCING 1 Ibrahim Widyandono 2 Bambang Widjanarko Otok 3 Jerry Dwi Trijoyo Purnomo 1 Mahasiswa Jurusan Statistika FMIPA-ITS
Lebih terperinciBAGGING CART PADA KLASIFIKASI ANAK PUTUS SEKOLAH
Seminar Nasional Statistika IX Institut Teknologi Sepuluh Nopember, 7 November 2009 XVI-1 BAGGING CART PADA KLASIFIKASI ANAK PUTUS SEKOLAH Oleh: Bambang Widjanarko Otok 1) & Sumarmi 2) 1) Jurusan Statistika,FMIPA-ITS,
Lebih terperinciPENERAPAN METODE CART
E-ISSN 2527-9378 Jurnal Statistika Industri dan Komputasi Volume 2, No. 2, Juli 2017, pp. 78-83 PENERAPAN METODE CART (CLASSIFICATION AND REGRESSION TREES) UNTUK MENENTUKAN FAKTOR-FAKTOR YANG MEMPENGARUHI
Lebih terperinciPENDEKATAN CART UNTUK MENDAPATKAN FAKTOR YANG MEMPENGARUHI TERJANGKITNYA PENYAKIT DEMAM TIFOID DI ACEH UTARA
PENDEKATAN CART UNTUK MENDAPATKAN FAKTOR YANG MEMPENGARUHI TERJANGKITNYA PENYAKIT DEMAM TIFOID DI ACEH UTARA Muhammad Sjahid Akbar 1, Dina Yuanita, dan Sri Harini 3 1, Jurusan Statistika ITS 3 Jurusan
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR
FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS KESEHATAN KABUPATEN DAN KOTA DI PROVINSI JAWA TIMUR Oleh AUDDIE VIENEZA M. NRP 1310030043 DOSEN PEMBIMBING Dr. Vita Ratnasari,M.Si DOSEN PENGUJI Dr. Dra. Ismaini
Lebih terperinciPemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal
Pemodelan Angka Putus Sekolah Tingkat SLTP dan sederajat di Jawa Timur Tahun 2012 dengan Menggunakan Analisis Regresi Logistik Ordinal Oleh: DELTA ARLINTHA PURBASARI 1311030086 Dosen Pembimbing: Dr. Vita
Lebih terperinciPEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL
1 PEMODELAN DISPARITAS GENDER DI JAWA TIMUR DENGAN PENDEKATAN MODEL REGRESI PROBIT ORDINAL Uaies Qurnie Hafizh, Vita Ratnasari Jurusan Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut
Lebih terperinciPERBANDINGAN KLASIFIKASI NASABAH KREDIT MENGGUNAKAN REGRESI LOGISTIK BINER DAN CART (CLASSIFICATION AND REGRESSION TREES) Abstract
Perbandingan Klasifikasi (Agung Waluyo) PERBANDINGAN KLASIFIKASI NASABAH KREDIT MENGGUNAKAN REGRESI LOGISTIK BINER DAN CART (CLASSIFICATION AND REGRESSION TREES) Agung Waluyo 1, Moch. Abdul Mukid 2, Triastuti
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 terperinciPERBANDINGAN ANALISIS KLASIFIKASI NASABAH KREDIT MENGGUNAKAN REGRESI LOGISTIK BINER DAN CART (CLASSIFICATION AND REGRESSION TREES)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 2, Tahun 2015, Halaman 215-225 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ANALISIS KLASIFIKASI NASABAH KREDIT MENGGUNAKAN
Lebih terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK Kishartini 1, Diah Safitri 2, Dwi Ispriyanti 3
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 3, Nomor 4, Tahun 2014, Halaman 711-718 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI
Lebih terperinciMETODE ENSEMBLE PADA CART UNTUK PERBAIKAN KLASIFIKASI KEMISKINAN DI KABUPATEN JOMBANG
METODE ENSEMBLE PADA CART UNTUK PERBAIKAN KLASIFIKASI KEMISKINAN DI KABUPATEN JOMBANG MUHAMMAD JAMAL MUTTAQIN 1311 201 205 PEMBIMBING DR. BAMBANG WIDJANARKO OTOK, M.SI. SANTI PUTERI RAHAYU, M.SI., PH.D.
Lebih terperinciSEMINAR TUGAS AKHIR. Oleh : Arief Yudissanta ( ) Pembimbing : Dra. Madu Ratna, M.Si
Oleh : Arief Yudissanta (1310 105 018) Pembimbing : Dra. Madu Ratna, M.Si Analisis Pemakaian Kemoterapi Pada Kasus Kanker Payudara dengan Menggunakan Metode Regresi Logistik Multinomial (Studi Kasus Pasien
Lebih terperinciMemodelkan regresi logistik biner data set hasil sampel bootstrap B.
B O O T S T R A P A G G R E G A T I N G 1 2 3 4 5 6 7 Tinjauan Pustaka Algoritma Bagging Regresi Logistik Biner Mengambil sampel bootstrap sebanyak n dari data set dengan pengulangan sebanyak n. Pengambilan
Lebih terperinciKlasifikasi Kesejahteraan Rumah Tangga di Jawa Timur dengan Pendekatan Multivariate Adaptive Regression Spline Bootstrap Aggregating (MARS Bagging)
Klasifikasi Kesejahteraan Rumah Tangga di Jawa Timur dengan Pendekatan Multivariate Adaptive Regression Spline Bootstrap Aggregating (MARS Bagging) Dimas Arvian Pandu Pratama 1 (1307100059), dan Bambang
Lebih terperinciANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER
ANALISIS PELUANG STATUS GIZI ANAK DENGAN MENGGUNAKAN METODE REGRESI LOGISTIK MULTINOMIAL BERBASIS KOMPUTER Kimmy Octavian Yongharto Binus University, DKI Jakarta, Jakarta, Indonesia Abstrak Salah satu
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 6, Nomor 1, Tahun 2017, Halaman 111-120 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PEMBANGUNAN
Lebih terperinciMOCH. FAUZI PEMBIMBING : MUHAMMAD SJAHID AKBAR
Faktor-faktor yang Mempengaruhi Peranan Ibu Rumah Tangga Nelayan Terhadap Pemenuhan Kebutuhan Rumah Tangga di Kelurahan Tebul Bangkalan dengan Metode Regresi Logistik Biner MOCH. FAUZI 1307 030 056 PEMBIMBING
Lebih terperinciFAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK
FAKTOR-FAKTOR YANG MEMPENGARUHI RUMAH TANGGA NELAYAN BERPERILAKU HIDUP BERSIH DAN SEHAT DENGAN ANALISIS REGRESI LOGISTIK Oleh: Agista Dyah Prabawati (1308 100 026) Dosen Pembimbing: Dra. Destri Susilaningrum,
Lebih terperinciPENENTUAN FAKTOR-FAKTOR MEMILIH MEREK DENGAN METODE CART DAMAS ESMU HAJI
PENENTUAN FAKTOR-FAKTOR MEMILIH MEREK DENGAN METODE CART DAMAS ESMU HAJI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2012 ABSTRAK DAMAS ESMU HAJI.
Lebih terperinciKLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN)
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 4, Tahun 2015, Halaman 1077-1085 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN
Lebih terperinciKata Kunci: Penciri Tingkat Kesejahteraan, Kemiskinan, bagging MARS
Jurnal Matematika UNAND Vol. 2 No. 4 Hal. 34 42 ISSN : 2303 2910 c Jurusan Matematika FMIPA UNAND IDENTIFIKASI FAKTOR-FAKTOR PENCIRI TINGKAT KESEJAHTERAAN RUMAH TANGGA MENGGUNAKAN BOOTSTRAP AGREGATING
Lebih terperinciDosen Pembimbing : Dr. Purhadi, M.Sc
Citra Fatimah Nur / 1306 100 065 Dosen Pembimbing : Dr. Purhadi, M.Sc Outline 1 PENDAHULUAN TINJAUAN PUSTAKA 3 METODOLOGI PENELITIAN 4 ANALISIS DAN PEMBAHASAN 5 KESIMPULAN Latar Belakang 1960-1970 1970-1980
Lebih terperinciSeminar Hasil Tugas Akhir
Seminar Hasil Tugas Akhir Pendekatan Metode Classification and Regression Tree untuk Diagnosis Tingkat Keganasan Kanker pada pasien Kanker Tiroid Sri Hartati Selviani Handayani 1311106007 Pembimbing :
Lebih terperinciJurnal Gradien Vol 8 No 2 Juli 2012: Yuli Andriani, Uxti Mezulianti, dan Herlina Hanum
Jurnal Gradien Vol 8 No 2 Juli 2012:809-814 Model Tingkat Kelancaran Pembayaran Kredit Bank Menggunakan Model Regresi Logistik Ordinal (Studi Kasus: Bank Rakyat Indonesia Tbk Unit Pasar Bintuhan) Yuli
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar belakang
BAB 1 PENDAHULUAN 1.1 Latar belakang Metode klasifikasi merupakan salah satu metode statistika untuk mengelompok atau mengklasifikasi suatu data yang disusun secara sistematis ke dalam suatu kelompok sehingga
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Menurut Kamus Besar Bahasa Indonesia, Kesejahteraan adalah hal atau keadaan sejahtera, keamanan, keselamatan, ketentraman. Dalam istilah umum, sejahtera menunjuk ke
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 1, Tahun 2015, Halaman 11-20 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG
Lebih terperinciPendekatan Metode Classification and Regression Tree untuk Diagnosis Tingkat Keganasan Kanker pada Pasien Kanker Tiroid
Pendekatan Metode Classification and Regression Tree untuk Diagnosis Tingkat Keganasan Kanker pada Pasien Kanker Tiroid Sri Hartati Selviani Handayani dan Santi Wulan Purnami Jurusan Statistika, Fakultas
Lebih terperinciPOHON KLASIFIKASI DAN POHON REGRESI KEBERHASILAN MAHASISWA PASCASARJANA PROGRAM STUDI STATISTIKA IPB
Forum Statistika dan Komputasi, April 2005, p: 15 21 ISSN : 08538115 Vol. 10 No. 1 POHON KLASIFIKASI DAN POHON REGRESI KEBERHASILAN MAHASISWA PASCASARJANA PROGRAM STUDI STATISTIKA IPB Ida Mariati H. 1),
Lebih terperinciPENGARUH PERAN DOSEN PEMBIMBING TERHADAP KUALITAS TUGAS AKHIR (Studi Kasus : Mahasiswa Fmipa Unsyiah)
BIAStatistics (2016) Vol. 10, No. 1, hal. 8-16 PENGARUH PERAN DOSEN PEMBIMBING TERHADAP KUALITAS TUGAS AKHIR (Studi Kasus : Mahasiswa Fmipa Unsyiah) Nany Salwa 1, Fitriana A.R. 2, and Junita Aiza 3 1,
Lebih terperinciANALISIS KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA FEM DAN FAPERTA MENGGUNAKAN METODE CHART
Xplore, 2013, Vol. 2(1):e3(1-8) c 2013 Departemen Statistika FMIPA IPB ANALISIS KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA FEM DAN FAPERTA MENGGUNAKAN METODE CHART Fira Nurahmah Al Amin,Indahwati,Yenni
Lebih terperinciPemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner
SEMINAR MATEMATIKA DAN PENDIDIKAN MATEMATIKA UNY 017 Pemodelan Ketahanan Pangan Rumah Tangga Penderita Tuberkulosis Paru Menggunakan Regresi Logistik Biner S - 1 Ayu Febriana Dwi Rositawati 1, Sri Pingit
Lebih terperinciPREFERENSI KARAKTERISTIK KOPI 3 IN 1 MENGGUNAKAN METODE POHON REGRESI DAN KLASIFIKASI FITRIYANTO
PREFERENSI KARAKTERISTIK KOPI 3 IN 1 MENGGUNAKAN METODE POHON REGRESI DAN KLASIFIKASI FITRIYANTO DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2010
Lebih terperinciPendekatan Metode Classification and Regression Tree untuk Diagnosis Tingkat Keganasan Kanker pada Pasien Kanker Tiroid
JURNAL SAINS DAN SENI POMITS Vol. 3, No.1, (2014) 2337-3520 (2301-928X Print) D-24 Pendekatan Metode Classification and Regression Tree untuk Diagnosis Tingkat Keganasan Kanker pada Pasien Kanker Tiroid
Lebih terperinciPREDIKSI NASABAH POTENSIAL MENGGUNAKAN METODE KLASIFIKASI POHON BINER
PREDIKSI NASABAH POTENSIAL MENGGUNAKAN METODE KLASIFIKASI POHON BINER Ari Wibowo Program Studi Teknik Informatika Politeknik Negeri Batam Jl. Parkway No 1, Batam Center, Batam Telp 0778-469856, Fax 0778-463620
Lebih terperinciPENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR
PENDEKATAN REGRESI TOBIT PADA FAKTOR-FAKTOR YANG MEMPENGARUHI PENGELUARAN RUMAH TANGGA UNTUK PENDIDIKAN DI JAWA TIMUR Neser Ike Cahyaningrum 1307100012 Dosen Pembimbing Dr. Dra. Ismaini Zain, M.Si AGENDA
Lebih terperinciKata Kunci Keparahan Korban Kecelakaan Lalu Lintas, Model Log Linier, Regresi Logistik Multinomial. H 1 Ada hubungan antara dua variabel yang diamati
Pemodelan Faktor Penyebab Keparahan Korban Kecelakaan Lalu Lintas Dengan Metode Regresi Logistik Multinomial (Studi Kasus Kecelakaan Lalu Lintas di Provinsi DKI Jakarta) Weny Rahmayanti, dan Vita Ratnasari
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
J u r n a l E K B I S / V o l. V I / N o. / e d i s i M a r e t 2 0 2 379 ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI KEPUTUSAN KONSUMEN MEMBELI SUATU PRODUK DENGAN METODE ANALISIS REGRESI LOGISTIK ORDINAL
Lebih terperinciPEMBENTUKAN POHON KLASIFIKASI BINER DENGAN ALGORITMA CART ( CLASSIFICATION AND REGRESSION TREES ) ( STUDI KASUS PENYAKIT DIABETES SUKU PIMA INDIAN )
PEMBENTUKAN POHON KLASIFIKASI BINER DENGAN ALGORITMA CART ( CLASSIFICATION AND REGRESSION TREES ) ( STUDI KASUS PENYAKIT DIABETES SUKU PIMA INDIAN ) PT Jasa Marga ro) C abang Semarang SKRIPSI Disusun Oleh
Lebih terperinciKlasifikasi Hasil Pap Smear Test Kanker Serviks Berdasarkan Faktor Resiko (Studi Kasus Di Rumah Sakit Swasta Surabaya
1 Klasifikasi Hasil Pap Smear Test Kanker Serviks Berdasarkan Faktor Resiko (Studi Kasus Di Rumah Sakit Swasta Surabaya Yuristian Ramdani dan Santi Wulan Purnami Jurusan Statistika, Fakultas Matematika
Lebih terperinciPemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kerja (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit
1 Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kera (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit Rizky Amalia Yulianti*, Vita Ratnasari*. Jurusan Statistika, FMIPA, Institut
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-254 JURNAL GAUSSIAN, Volume 4, Nomor 3, ahun 205, Halaman 44-45 Online di: http://ejournal-s.undip.ac.id/index.php/gaussian KEEPAAN KLASIFIKASI INGKA KEPARAHAN KORBAN KECELAKAAN LALU LINAS MENGGUNAKAN
Lebih terperinciBINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA
BINARY LOGISTIC REGRESSION (BLR) TERHADAP STATUS BEKERJA DI KOTA SURABAYA Moh. Yamin Darsyah 1 Arianto Wijaya 2 1,2 Program Studi S1 Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas
Lebih terperinciKLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA MALANG DENGAN PENDEKATAN BAGGING REGRESI LOGISTIK
KLSIFIKSI KSJHTRN RUMH TNGG DI KOT MLNG DNGN PNDKTN BGGING RGRSI LOGISTIK Oleh : ry Surya Ningrum (1308 100 107) Pembimbing : Dr. Bambang Widjanarko Otok, M.Si Seminar Hasil Tugas khir Selasa, 13 Desember
Lebih terperinciStatistik Deskriptif. Perumahan. Seminar Hasil Tugas Akhir
Statistik Deskriptif Perumahan Sebagian besar status penguasaan bangunan tempat tinggal rumah tangga miskin dan tidak miskin di Kota Malang tahun 2009 adalah milik sendiri dengan persentase jauh lebih
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 terperinci(M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT
Univeitas Padjadjaran, 3 November 00 (M.9) PEMODELAN MELEK HURUF DAN RATA-RATA LAMA STUDI DENGAN PENDEKATAN MODEL BINER BIVARIAT Vita Ratnasari, Purhadi, Ismaini, Suhartono Mahasiswa S3 Jurusan Statistika
Lebih terperinciPemodelan Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan
D181 Logit, Probit dan Complementary Log-Log pada Studi Kasus Partisipasi Perempuan dalam Pembangunan Ekonomi di Kalimantan Selatan Rizfanni Cahya Putri dan Vita Ratnasari Jurusan Statistika, Fakultas
Lebih terperinciPENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA
Saintia Matematika Vol. 1, No. 1 (2013), pp. 51 61. PENERAPAN ANALISIS REGRESI LOGISTIK PADA PEMAKAIAN ALAT KONTRASEPSI WANITA (Studi kasus di desa Dolok Mariah Kabupaten Simalungun) Oktani Haloho, Pasukat
Lebih terperinciBAB III METODE PENELITIAN
17 BAB III METODE PENELITIAN 3.1.Waktu dan Tempat Penelitian ini dilaksanakan pada bulan februari 2009-Juni 2009 di beberapa wilayah terutama Jakarta, Depok dan Bogor untuk pengambilan sampel responden
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Regresi Logistik Menurut Hosmer dan Lemeshow (2000) tujuan melakukan analisis data kategori menggunakan regresi logistik adalah mendapatkan model terbaik dan sederhana untuk
Lebih terperinciAnalisis dan Pembahsan. Statistika Deskriptif. Regresi Logistik Biner. Uji Independensi
Analisis dan Pembahsan Statistika Deskriptif Regresi Logistik Biner Uji Independensi H 0 : Tidak ada hubungan antara variabel prediktor dengan variabel respon H 1 : Ada hubungan antara variabel prediktor
Lebih terperinciPemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kerja (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan Model Probit
JURNAL SAINS DAN SENI POMITS Vol. 2, No. 2, (2013) ISSN: 2337-3520 (2301-928X Print) D-159 Pemetaan dan Pemodelan Tingkat Partisipasi Angkatan Kera (TPAK) Perempuan di Provinsi Jawa Timur dengan Pendekatan
Lebih terperinciIr. Sri Pingit Wulandari, M.Si
Pemodelan Angka Kejadian Penyakit Kaki Gajah (Filariasis) di Kabupaten Aceh Timur Menggunakan Multivariate Adaptive Regression Splines (MARS) Oleh: Yustiva Drisma Kurniasari 1307100034 Dosen Pembimbing
Lebih terperinciFaktor-Faktor yang Mempengaruhi Keparahan Korban Kecelakaan Lalu Lintas di Kota Surabaya dengan Pendekatan Bagging Regresi Logistik Ordinal
JURNAL SAINS DAN SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-928X D-253 Faktor-Faktor yang Mempengaruhi Keparahan Korban Kecelakaan Lalu Lintas di Kota Surabaya dengan Pendekatan Bagging Regresi Logistik
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 651-659 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI TINGKAT KELANCARAN NASABAH DALAM MEMBAYAR PREMI
Lebih terperinciGeneralized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017
Prosiding Statistika ISSN: 2460-6456 Generalized Ordinal Logistic Regression Model pada Pemodelan Data Nilai Pesantren Mahasiswa Baru FMIPA Universitas Islam Bandung Tahun 2017 Generalized Ordinal Logistic
Lebih terperinciAnalisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit
Analisis Faktor-Faktor yang Mempengaruhi Anggaran Pembelian Barang Tahan Lama Rumah Tangga di Jawa Timur dengan Menggunakan Regresi Tobit Nama : Margareth G. Shari NRP : 1307 100 026 JURUSAN STATISTIKA
Lebih terperincipendekatan regresi logistik biner Oleh :Wida Suliasih ( )
Analisis kepuasan karyawan pt. x dengan pendekatan regresi logistik biner Oleh :Wida Suliasih (1308 030 059) Pembimbing : Wibawati, S.Si, M.Si 1 2 Latar belakang permasalahan Tujuan manfaat Batasan penelitian
Lebih terperinciPerbandingan Analisis Diskriminan dan Analisis Regresi Logistik Ordinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank
Perbandingan Analisis Diskriminan dan Analisis Regresi Logistik Ordinal dalam Prediksi Klasifikasi Kondisi Kesehatan Bank Fajri Zufa Alumni Program Studi Statistika, FMIPA, Universitas Bengkulu e-mail
Lebih terperinciPEMODELAN TERHADAP KELULUSAN SISWA MASUK KELAS AKSELERASI MENGGUNAKAN ANALISIS REGRESI LOGISTIK DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS)
ARIKA, Vol. 04, No. 2 Agustus 2010 ISSN: 1978-1105 PEMODELAN TERHADAP KELULUSAN SISWA MASUK KELAS AKSELERASI MENGGUNAKAN ANALISIS REGRESI LOGISTIK DAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) Fentje
Lebih terperinciKETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI REGRESI LOGISTIK MULTINOMIAL
KETEPATAN KLASIFIKASI PEMILIHAN METODE KONTRASEPSI DI KOTA SEMARANG MENGGUNAKAN BOOSTSTRAP AGGREGATTING REGRESI LOGISTIK MULTINOMIAL SKRIPSI Oleh : Ahmad Reza Aditya 24010210130055 JURUSAN STASTISTIKA
Lebih terperinciBAB V KESIMPULAN DAN SARAN
BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan hasil analisis dan pembahasan dapat diambil kesimpulan sebagai berikut, 1. Karakteristik perempuan yang bekerja di bidang informal mayoritas pada perempuan
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 terperinciAnalisis Faktor-Faktor yang Mempengaruhi Tingkat Kelahiran di Kabupaten Brebes dengan Pendekatan Regresi Logistik Biner
Analisis Faktor-Faktor yang Mempengaruhi di Kabupaten Brebes dengan Pendekatan Regresi Logistik Biner Roni Guntara 1), Safa at Yulianto 2) 1,2 Akademi Statistika (AIS) Muhammadiyah Semarang roniguntara@gmail.com
Lebih terperinciKLASIFIKASI PASIEN HASIL PAP SMEAR TEST
KLASIFIKASI PASIEN HASIL PAP SMEAR TEST SEBAGAI PENDETEKSI AWAL UPAYA PENANGANAN DINI PADA PENYAKIT KANKER SERVIKS DI RS. X SURABAYA DENGAN METODE BAGGING LOGISTIC REGRESSION Oleh : Ida Ayu Sevita Intansari
Lebih terperinciPENERAPAN METODE REGRESI BERSTRUKTUR POHON PADA PENDUGAAN LAMA PENYUSUNAN SKRIPSI MAHASISWA ARTIKEL ILMIAH
PENERAPAN METODE REGRESI BERSTRUKTUR POHON PADA PENDUGAAN LAMA PENYUSUNAN SKRIPSI MAHASISWA ARTIKEL ILMIAH Artikel Ilmiah Ini Diambil Dari Sebagian Skripsi Untuk Memenuhi Persyaratan Penyelesaian Program
Lebih terperinciBOOTSTRAP AGGREGATING (BAGGING) REGRESI LOGISTIK ORDINAL UNTUK MENGKLASIFIKASIKAN STATUS GIZI BALITA DI KABUPATEN KLUNGKUNG
E-Jurnal Matematika Vol. 5 (3), Agustus 2016, pp. 103-110 ISSN: 2303-1751 BOOTSTRAP AGGREGATING (BAGGING) REGRESI LOGISTIK ORDINAL UNTUK MENGKLASIFIKASIKAN STATUS GIZI BALITA DI KABUPATEN KLUNGKUNG Palupi
Lebih terperinciIDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK
IDENTIFIKASI KARAKTERISTIK ANAK PUTUS SEKOLAH DI JAWA BARAT DENGAN REGRESI LOGISTIK Tina Aris Perhati 1, Indahwati 2, Budi Susetyo 3 1 Dept. of Statistics, Bogor Agricultural University (IPB), Indonesia,
Lebih terperinciANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010
ANALISIS STATISTIK FAKTOR-FAKTOR YANG MEMPENGARUHI INDEKS PRESTASI (IP) MAHASISWA DIPLOMA PENERIMA BEASISWA BIDIK MISI DI SURABAYA TAHUN 2010 Disusun Oleh: Hanna Silia Karti (1308030043) Dosen Pembimbing:
Lebih terperinciModel Probit Untuk Ordinal Response
SEMINAR NASIONAL MAEMAIKA DAN PENDIDIKAN MAEMAIKA UNY Model Probit Untuk Ordinal Response S - 4 Defi Yusti Faidah, Resa Septiani Pontoh, Departemen Statistika FMIPA Universitas Padadaran defi.yusti@unpad.ac.id
Lebih terperinciSEMINAR HASIL TESIS. Disusun oleh : EKO WIYONO NRP : DOSEN PEMBIMBING Dr. Bambang Widjanarko Otok, M.Si.
SEMINAR HASIL TESIS Disusun oleh : EKO WIYONO NRP : 39 7 DOSEN PEMBIMBING Dr. Bambang Widjanarko Otok, M.Si. PROGRAM MAGISTER JURUSAN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT TEKNOLOGI
Lebih terperinciKLASIFIKASI TUBERKULOSIS DENGAN PENDEKATAN METODE SUPPORTS VECTOR MACHINE (SVM)
KLASIFIKASI UBERKULOSIS DENGAN PENDEKAAN MEODE SUPPORS VECOR MACHINE (SVM) Moh. Yamin Darsyah Program Studi Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Muhammadiyah Semarang Alamat
Lebih terperinciANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK SMA NEGERI 2 SEMARANG MENGGUNAKAN METODE REGRESI LOGISTIK ORDINAL
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 5, Nomor 3, Tahun 2016, Halaman 405-416 Online di: http://ejournal-s1undipacid/indexphp/gaussian ANALISIS FAKTOR-FAKTOR YANG MEMPENGARUHI PENERIMAAN PESERTA DIDIK
Lebih terperinciPENERAPAN METODE RANDOM FOREST DALAM DRIVER ANALYSIS (The Application of Random Forest in Driver Analysis)
, April 2011 p : -43 ISSN : 0853-811 Vol 16 No.1 PENERAPAN METODE RANDOM FOREST DALAM DRIVER ANALYSIS (The Application of Random Forest in Driver Analysis) Nariswari Karina Dewi 1, Utami Dyah Syafitri
Lebih terperinciOleh: Dian Cahyawati S. Jurusan Matematika FMIPA Universitas Sriwijaya ABSTRAK
(M.3) ANALISIS HUBUNGAN FAKTOR-FAKTOR YANG BERKAITAN DENGAN RISIKO ANAK PUTUS SEKOLAH PENDIDIKAN DASAR (Kasus : Wilayah Kabupaten Ogan Ilir Provinsi Sumatera Selatan) Oleh: Dian Cahyawati S. Jurusan Matematika
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 2014, Halaman Online di:
ISSN: 339-541 JURNAL GAUSSIAN, Volume 3, Nomor 3, Tahun 014, Halaman 313-3 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian PERBANDINGAN ANALISIS KLASIFIKASI MENGGUNAKAN METODE K-NEAREST NEIGHBOR
Lebih terperinciAnalisis Regresi Logistik Terhadap Faktor yang Mempengaruhi Penggunaan Kontrasepsi pada Survey Demografi Kesehatan Indonesia 2012
Analisis Regresi Logistik Terhadap Faktor yang Mempengaruhi Penggunaan Kontrasepsi pada Survey Demografi Kesehatan Indonesia 2012 Faikul Fahmi 1*, Laelatul Khikmah 2 1 Statistika, Akademi Statistika (AIS
Lebih terperinciStatistika ITS Surabaya
SEMINAR TUGAS AKHIR POLA HUBUNGAN ANTARA STATUS GIZI BALITA DAN FAKTOR- FAKTOR SOSIAL EKONOMI TERHADAP TINGKAT KESEJAHTERAAN KELUARGA PADA KELUARGA NELAYAN DI SURABAYA TIMUR Oleh : Rindyanita Rizky K.
Lebih terperinciVI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN
VI. FAKTOR-FAKTOR YANG MEMPENGARUHI PERSEPSI DAN SIKAP RESPONDEN TERHADAP PRODUK OREO SETELAH ADANYA ISU MELAMIN Penelitian ini menggunakan regresi logistik untuk mengetahui faktorfaktor yang mempengaruhi
Lebih terperinciKLASIFIKASI ANAK PUTUS SEKOLAH DENGAN MELIBATKAN PEUBAH JARINGAN SOSIAL MENGGUNAKAN CART DI SULAWESI DINA SRIKANDI
KLASIFIKASI ANAK PUTUS SEKOLAH DENGAN MELIBATKAN PEUBAH JARINGAN SOSIAL MENGGUNAKAN CART DI SULAWESI DINA SRIKANDI SEKOLAH PASCASARJANA INSTITUT PERTANIAN BOGOR BOGOR 2015 PERNYATAAN MENGENAI TESIS DAN
Lebih terperinciMODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI TENGAH
JIMT Vol. 13 No. 1 Juni 2016 (Hal. 24 37) Jurnal Ilmiah Matematika dan Terapan ISSN : 2450 766X MODEL REGRESI LOGISTIK BINER UNTUK MENENTUKAN FAKTOR YANG BERPENGARUH TERHADAP ANAK PUTUS SEKOLAH DI SULAWESI
Lebih terperinci