Seminar Tugas Akhir. Analisis Klasifikasi Kesejahteraan Rumah Tangga di Propinsi Jawa Timur dengan Pendekatan CART ARCING. Surabaya, Juli 2011
|
|
- Iwan Yohanes Lesmana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Surabaya, Juli 2011 Seminar Tugas Akhir Analisis Klasifikasi Kesejahteraan Rumah Tangga di Propinsi Jawa Timur dengan Pendekatan CART ARCING Ibrahim Widyandono Pembimbing : Dr. Bambang Widjanarko Otok, M.Si Co Pembimbing : Jerry Dwi Trijoyo Purnomo, M.Si Institut Teknologi Sepuluh Nopember Surabaya
2 Latar Belakang Kesejahteraan Rumah Tangga World Bank institute (2002) mengkategorikan karakteristik penduduk miskin. Tuti rumiati (1998) Indikator Kesejahteraan Masyarakat
3 Rumusan Masalah Bagaimana identifikasi karakteristik kesejahteraan rumah tangga di Jawa Timur dari pengeluaran rumah tangga berdasarkan pada konsumsi makanan dan non makanan? Bagaimana klasifikasi kesejahteraan rumah tangga di Jawa Timur dengan pendekatan CART? Bagaimana ketepatan klasifikasi kesejahteraan rumah tangga di Jawa Timur dengan pendekatan dan CART ARCING?
4 Tujuan Mendapatkan gambaran mengenai kondisi masalah kesejahteraan rumah tangga kabupaten dan kota di Jawa Timur. Mendapatkan pengelompokan kesejahteraan rumahtangga di Jawa Timur dengan menggunakan metode klasifikasi CART. Mengkaji ketepatan klasifikasi kesejahteraan rumah tangga di Jawa Timur dengan menggunakan pendekatan CART ARCING.
5 Manfaat Memberikan masukkan kepada Dinas Sosial Propinsi Jawa Timur dalam mengambil kebijakan terhadap penanganan masalah Penyandang Masalah Kesejahteraan Sosial untuk meningkatkan kesejahteraan sosial masyarakat di Jawa Timur
6 Batasan Metode yang digunakan untuk meningkatkan akurasi dari metode CART, yaitu dengan metode ARCING dimana dengan banyaknya kombinasi pohon (K) yang dicobakan adalah 50, 100, 300 dan 500.
7 Tinjauan Statistika Classification and Regression Trees (CART) CART adalah metode statistik nonparametrik yang dapat menggambarkan hubungan antara variabel respon dengan satu atau lebih variabel prediktor. Variabel Respon Data Kontinu Data Kategorik (Breiman dkk, 1984) Hasil Model Pohon Regresi Model Pohon Klasifikasi
8 Tinjauan Statistika Pembentukan Klasifikasi Pohon Menurut Breiman dkk. (1993), proses pembentukan klasifikasi pohon meliputi 3 tahapan yaitu : 1. Pemilihan pemilah a. Fungsi keheterogenan simpul Tujuan : mengurangi keheterogenan pada simpul utama dan memaksimumkan kehomogenan pada simpul anak. b. Pemilahan simpul c. Kriteria Goodness of Split 2. Penentuan simpul terminal 3. Penandaan label kelas
9 Tinjauan Statistika Penghentian Pembentukan Klasifikasi Pohon Menurut Lewis (2000), proses pembentukan pohon dilakukan sampai tidak memungkinkan lagi untuk dilanjutkan. Pemangkasan Klasifikasi Pohon Pemangkasan yaitu suatu penilaian ukuran sebuah pohon tanpa mengorbankan kebaikan ketepatan melalui pengurangan simpul pohon, untuk mendapatkan ukuran pohon yang layak dan berdasarkan pada ukuran cost complexity pruning
10 Tinjauan Statistika Klasifikasi Pohon yang Optimum Klasifikasi pohon yang optimum memiliki ukuran yang sederhana dan nilai penduga pengganti yang cukup kecil. Ada 2 jenis penduga pengganti yaitu (Breiman et. al., 1993) : 1. Penduga sampel uji (test sample estimate). 2. Penduga validasi silang lipat V (cross validation V-fold estimate).
11 Tinjauan Statistika Adaptive resampling and combining (ARcing) Breiman menyebut metode ARCING dengan arc-x4 dimana sebagai cara lain dari AdaBoost yang disebut juga dengan arc-fs. Perbedaan arc-x4 dan arc-fs dalam bagaimana bobot dibangun pada tiap langkah tahapan. Algoritma ARCING menurut breiman (1998).
12 Tinjauan Non Statistika Pengertian penyandang masalah kesejahteraan sosial Penyandang Masalah Kesejahteraan Sosial adalah adanya sesuatu hambatan yang membuat tidak dapat melaksanakan fungsi sosial, sehingga tidak dapat memenuhi kebutuhan hidupnya secara memadai dan wajar
13 Tinjauan Non Statistika Menurut sutaat (2006) Permasalahan kesejahteraan sosial yang menjadi sasaran, terdapat lima sasaran signifikan yaitu: 1. masalah kemiskinan 2. kecacatan 3. keterlantaran 4. ketunaan sosial 5. korban bencana dan pengungsi.
14 Tinjauan Non Statistika Pengertian kemiskinan Kemiskinan menurut BPS adalah ketidakmampuan untuk memenuhi standar dari kebutuhan dasar, baik makanan maupun bukan makanan. Bappenas (2004) mendefinisikan kemiskinan sebagai kondisi di mana seseorang atau sekelompok orang, laki-laki dan perempuan, tidak mampu memenuhi hak dasarnya untuk mempertahankan dan mengembangkan kehidupan yang bermartabat.
15 Tinjauan Non Statistika Faktor-faktor yang mempengaruhi pengeluaran rumah tangga tentang konsep kemiskinan Rochaeni dan Lokollo (2005) yang meneliti tentang Faktor-faktor Yang Mempengaruhi Keputusan Ekonomi Rumah Tangga Petani di Kelurahan Setugede Bogor dan menghasilkan kesimpulan bahwa jumlah anggota rumah tangga berpengaruh positif terhadap konsumsi pangan dan konsumsi nonpangan.
16 Sumber Data Data yang digunakan adalah Survei Sosial Ekonomi Nasional (SUSENAS-2009) Provinsi Jawa Timur.
17 Variabel Penelitian Y= Pengeluaran rumah tangga. X 1 :Jenis kelamin KRT (Kepala Rumah Tangga) X 2 :Umur KRT. X 3 :Status perkawinan KRT X 4 :Ijazah tertinggi oleh KRT. X 5 :Jumlah anggota rumah tangga X 6 :Lapangan usaha utama KRT X 7 :Status pekerjaan utama KRT X 8 :Kegiatan utama KRT
18 Alur Penelitian Mulai Identifikasi metode Analisis Pembuatan Proposal Data SUSENAS Eksplorasi Data Dilakukan permodelan Clasification & Regression Tree (CART) Data Learning Melakukan metode Adaptive Resampling and Combining (Arcing) yaitu melakukan perulangan sebanyak k kali pada permodelan CART yang sudah terbentuk yang nantinya diperoleh pohon optimal Jalankan data testing pada pohon klasifikasi dan hitung ketepatan klasifikasinya Data Testing Kesalahan Klasifikasiny a terkecil? A Ya Tidak Bukan Pohon Klasifikasi terbaik
19 Alur Penelitian A Pohon Klasifikasi terbaik Interpretasi Analisis Kesimpulan dan Saran Selesai
20 Deskripsi Umum Persebaran Penduduk Miskin di Jawa Timur 2001
21 Deskripsi Umum Persebaran Penduduk Miskin di Jawa Timur 2009
22 Deskripsi Umum No. Nama Variabel Kategori Variabel Jumlah 1 Jenis Kelamin (X 1 ) Laki-laki Perempuan Status Pernikahan (X 3 ) Nikah Lainnya Ijazah Tertinggi (X 4 ) Belum Sekolah Tidak Punya Ijazah 6.89 SD SMP SMA Diatas SMA Jenis Pekerjaan (X 6 ) Tidak Bekerja Pertanian Industri Pengolahan Perdagangan Jasa-jasa Lainnya 316
23 Deskripsi Umum No. Nama Variabel Kategori Variabel Jumlah 5 Umur (X 2 ) Umur tahun 120 umur tahun 556 umur tahun umur tahun umur tahun umur tahun umur tahun umur tahun umur tahun umur tahun umur tahun umur tahun umur tahun 760 umur tahun 379 umur tahun 133 umur tahun 29 umur tahun 19
24 Deskripsi Umum No. Nama Variabel Kategori Variabel Jumlah 6 Banyak Anggota Rumah Tangga (X 5 ) 1 Orang Orang Orang Orang Orang Orang Orang Orang Orang Orang Orang Orang 4 14 Orang 2
25 Deskripsi Umum No. Nama Variabel Kategori Variabel Jumlah 7 Status Pekerjaan Utama KRT (X 7 ) Tidak Bekerja Buruh/Karyawan/Pegawai Pengusaha Lainnya Kegiatan Utama Kepala Rumah Tangga (X 8 ) Bekerja Tidak Bekerja 4.583
26 CART Analisis Klasifikasi Pohon / CART Pada penelitian ini data yang digunakan sebanyak pengamatan, yang akan dicoba untuk proporsi dengan pembagian data learning dan Testing antara lain 95%:5%, 90%:10%, 85%:15%, 80%:20%, dan 75%:25%. Kemudian diperoleh data learning yang diambil sebanyak 95% atau pengamatan sedangkan data testing diambil sebanyak 5% atau pengamatan dengan tingkat akurasi terbaik.
27 CART Kemungkinan pemilah pada variabel prediktor: Nama Variabel Kategori Data Banyaknya Kategori Jenis Kelamin KRT (X1) Nominal 2 Usia KRT (X2) Kontinu 84 Status Perkawinan KRT (X3) Ijazah tertinggi KRT (X4) Nominal 2 Nominal 6 Jumlah ART (X5) Kontinu 13 Kegiatan Utama KRT (X6) Lapangan Usaha Utama KRT (X7) Status Pekerjan Utama KRT (X8) Nominal 2 Nominal 5 Nominal 4 Kemungkinan Pemilah = 1 pemilahan 83-1 = 82 pemilah = 1 pemilahan = 31 pemilahan 13-1 = 12 pemilah = 1 pemilahan = 15 pemilahan = 7 pemilahan
28 CART Klasifikasi Pohon Maksimal Klasifikasi pohon maksimal yang terbentuk terdiri atas simpul terminal. Hasil klasifikasi dengan simpul terminal ini menujukkan bahwa pohon maksimal memiliki pengertian yang kompleks sehingga perlu untuk dilakukan pemangkasan.
29 CART Tabulasi Silang antara Klasifikasi rumah tangga dan Prediksi Klasifikasi rumah tangga pada Pohon Maksimal Prediksi Observasi Tidak Total Miskin Miskin Tidak Data Miskin Learning Miskin Tidak Data Miskin Testing Miskin Sensitivity (%) Specifity (%) Jumlah Tingkat Akurasi (%) 72,2% 89,3% 74,7% 68,4% 65,1% 67,9%
30 CART Pemangkasan Pohon Nilai relative cost pohon maksimal adalah sedangkan nilai relative cost pohon optimal adalah sebesar
31 CART Klasifikasi Pohon Optimal
32 CART Tabulasi silang antara klasifikasi rumah tangga dan prediksi klasifikasi rumah tangga pada pohon optimal Data Learning Data Testing Observasi Tidak Miskin Prediksi Total Persentase Kesalahan/ Misklasifik asi (%) Miskin Tidak Miskin ,1% Miskin ,4% Tidak Miskin % Miskin ,4% Jumlah Tingkat Akurasi (%) 70,2% 70,8%
33 CART ARCING Analisis Klasifikasi Pohon / CART dengan ARCING Pada langkah sebelumnya telah dilakukan analisis menggunakan CART untuk mengetahui proporsi ideal dalam pembagian data learnig dan data testing, dimana diperoleh pembagian data dengan kondisi data learning sebesar 95% dan data testing 5%. Selanjutnya dengan proporsi pembagian data learning dan testing akan dibentuk pohon, dengan jumlah pohon yang akan dikombinasikan yaitu 50, 100, 250 dan 500 pohon.
34 CART ARCING Evaluasi Kombinasi Pohon Sensitivity 86,8% 85,8% 85,6% 85,7% Specifity 33,6% 34% 36,6% 36,1% Total akurasi rate 78,4% 77,6% 77,9% 77,9%
35 Perbandingan Perbandingan hasil Klasifikasi CART dengan CART ARCING Ketepatan Klasifikasi CART Data Testing Metode CART ARCING Total Akurasi Rate 70,8% 78,4% 77,6% 77,9% 77,9% Total Error Rate 29,2% 21,6% 22,4% 22,1% 22,1%
36 Kesimpulan Gambaran mengenai kependudukan di provinsi Jawa Timur yaitu Sekitar 80% sampel kepala rumah tangga yang terambil oleh BPS berjenis kelamin laki-laki Sebagian besar berusia produktif yaitu tahun Rata-rata banyak anggota per-rumah tangga 3-4 orang. Pendidikan kepala rumah tangga terlihat rata-rata penduduk Jawa Timur lulusan dari SD dan SMP dengan proporsi terbesar berpendidikan SD. Aspek ketanagakerjaan terdapat 85% kepala rumah tangga memiliki pekerjaan dengan status pekerjaan sebagai pengusaha sebesar 48% untuk lapangan usaha terbesar yaitu pertanian dan jasa-jasa.
37 Kesimpulan CART Model Classification and Regression Trees (CART) menggunakan proporsi data learning 95% dan data testing 5% Variabel pemilah utama yaitu ijazah pendidikan yang dimiliki kepala rumah tangga. Diduga sebanyak 34 simpul terminal untuk rumah tangga miskin dan 36 simpul terminal untuk rumah tangga tidak miskin dari 70 simpul terminal. Metode klasifikasi pohon menghasilkan pohon optimal dengan ketepatan klasifikasi data learning dan testing yaitu sebesar 70,2% dan 70,8%.
38 Kesimpulan CART ARCING Diperoleh tingkat akurasi yang paling tinggi adalah pada kombinasi 50 yaitu sebesar 78,4%. Selain itu ketepatan hasil klasifikasi nilai persentase tingkat akurasi hasil klasifikasi CART ARCING kombinasi 50 sebesar 78,4%, lebih tinggi daripada metode CART dengan persentase tingkat akurasi hasil klasifikasi sebesar 70,8%. Terjadi peningkatan sebesar 7,4%.
39 Saran Untuk menentukan hasil klasifikasi menggunakan CART pada data yang besar seperti kasus kesejahteraan rumah tangga di Jawa Timur ada kemungkinan menghasilkan pohon yang besar dan kompleks, maka sebaiknya di pecah menjadi wilayah administrasi seperti kabupaten/kota dengan data yang relative kecil dari hasil survei SUSENAS dan setiap wilayah memiliki karakteristik sosial ekonomi dan kependudukan yang berbeda.
40
41 3. Penghentian pembentukan pohon klasifikasi. 4. Pemangkasan Pohon Klasifikasi. 5. Pemilihan pohon klasifikasi optimal. 2. Pembentukan pohon klasifikasi yang dibentuk dari masingmasing data learning. 6. Pemilihan model pohon klasifikasi terbaik, menggunakan kriteria test relative cost. 1. Melakukan pemisahan data menjadi dua bagian yaitu data learning dan data testing. Tahapan Pembentukan CART 7. Tahap validasi dengan menggunakan data testing sebanyak 5%, 10%, 15%, 20%, 25% dan 30%.
42 Banyaknya kombinasi pohon (K) yang dicobakan adalah 50, 100, 300 dan 500 Bagi data menjadi 2, data learning (L) dan data testing Ambil sampel dengan pengembalian dari L sebanyak N observasi untuk learning baru L (1) Melihat tingkat akurasi. Menggunakan metode Arcing pada CART Terbentuk model pohon G 1 dari L (1) ). Setelah lengkap, hasil prediksi pada model G 1,,G K di kombinasikan. Jika k < K kembali ke langkah awal. Ulangi langkah pada pengambilan sampel. melihat observasi yang misklasifikasi
Klasifikasi 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 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 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 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 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 terperinciHary Mega Gancar Prakosa Dosen Pembimbing Dr. Suhartono, S.Si, M.Sc Co Pembimbing Dr. Bambang Wijanarko Otok, S.Si, M.
KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI PROVINSI JAWA TIMUR DENGAN PENDEKATAN BOOTSTRAP AGGREGATTING CLASSIFICATION AND REGRESSION TREES Hary Mega Gancar Prakosa 1307 100 077 Dosen Pembimbing Dr. Suhartono,
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 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 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 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 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 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 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 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 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 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 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 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 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 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 terperinciKLASIFIKASI KETAHANAN PANGAN RUMAH TANGGA DI SURABAYA DENGAN PENDEKATAN CART ARCING
TUGAS AKHIR SS141501 KLASIFIKASI KETAHANAN PANGAN RUMAH TANGGA DI SURABAYA DENGAN PENDEKATAN CART ARCING YUSNADA ASA NURANI NRP 1313 100 016 Dosen Pembimbing Dr. Bambang Widjanarko Otok, M. Si. PROGRAM
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 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 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 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 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 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 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 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 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 terperinciPERBANDINGAN ANALISIS KLASIFIKASI NASABAH MENGGUNAKAN REGRESI LOGISTIK BINER DAN (CLASSIFICATION AND REGRESSION TREES)
PERBANDINGAN ANALISIS KLASIFIKASI NASABAH KREDIT MENGGUNAKAN REGRESI LOGISTIK BINER DAN CART (CLASSIFICATION AND REGRESSION TREES) SKRIPSI Oleh : AGUNG WALUYO 24010210141020 JURUSAN STATISTIKA FAKULTAS
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 terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada BAB II ini akan disampaikan materi-materi yang berkaitan dengan konsep data mining, yang merupakan landasan bagi pembahasan klasifikasi untuk evaluasi kinerja pegawai. 2. 1 Tinjauan
Lebih terperinciBambang Widjanarko Otok (1), dan Dian Seftiana (2) (1,2) Jurusan Statistika, FMIPA, Institut Teknologi Sepuluh Nopember (ITS)
1 Klasifikasi Rumah Tangga Sangat Miskin di Kabupaten Jombang Menurut Paket Bantuan Rumah Tangga yang Diharapkan dengan Pendekatan Random Forests Classification and Regression Trees (RF-CART) Bambang Widanarko
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 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 terperinciJurnal Informatika Mulawarman Vol. 12, No. 1, Februari ISSN
Jurnal Informatika Mulawarman Vol. 12, No. 1, Februari 2017 50 APLIKASI KLASIFIKASI ALGORITMA C4.5 (STUDI KASUS MASA STUDI MAHASISWA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS MULAWARMAN
Lebih terperinciPPDAFTAR GAMBAR Gambar Halaman Yuni Melawati, 2013
PPDAFTAR GAMBAR Gambar 2.1 Contoh Pohon Keputusan untuk Mengklasifikasikan Pembelian Komputer... 19 3.1 Diagram CART... 29 3.2 Pohon Keputusan Sementara... 37 3.3 Pohon Keputusan Optimum... 38 3.4 Pohon
Lebih terperinciKLASIFIKASI RUMAH TANGGA MISKIN DI KABUPATEN JOMBANG DENGAN PENDEKATAN RANDOM FOREST CART
KLASIFIKASI RUMAH TANGGA MISKIN DI KABUPATEN JOMBANG DENGAN PENDEKATAN RANDOM FOREST CART Dian Seftiana, Oktiva Dhani Arleina, Giriesa Kinanti S., Rizka Amalia Dewi S., Fachrunisah 1Jurusan Statistika,
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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kesejahteraan umum merupakan salah satu tujuan dari pembangunan nasional Negara Indonesia. Hal ini disebutkan dengan jelas pada Pembukaan Undang-Undang dasar 1945 di
Lebih terperinciKlasifikasi Risiko Infeksi pada Bayi Baru Lahir di Rumah Sakit Umum Daerah Sidoarjo Menggunakan Metode Classification Trees
JURAL SAIS DA SEI ITS Vol. 5, o.1, (2016) 2337-3520 (2301-928X Prin D-26 Klasifikasi Risiko Infeksi pada Bayi Baru Lahir di Rumah Sakit Umum Daerah Sidoarjo Menggunakan Metode Classification Trees Aulia
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 terperinciSKRIPSI. Disusun Oleh : YUSUF ARIFKA RAHMAN
Ketepatan Klasifikasi Status Pemberian Air Susu Ibu (ASI) Menggunakan Multivariate Adaptive Regression Splines (MARS) dan Algoritma C4.5 di Kabupaten Sragen SKRIPSI Disusun Oleh : YUSUF ARIFKA RAHMAN 24010211120011
Lebih terperinciTAKSIRAN MODEL POHON REGRESI PIECEWISE LINEAR DENGAN ALGORITMA GUIDE
TAKSIRAN MODEL POHON REGRESI PIECEWISE LINEAR DENGAN ALGORITMA GUIDE Zerah Aprial Pasimbong*, M. Saleh, AF a, Anna Islamiyati b *Alamat korespondensi e-mail: zerah.statz08@gmail.com a,b Jurusan Matematika
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 terperinciFaktor-Faktor yang Mempengaruhi Pendapatan Angkatan Kerja Perempuan
Faktor-Faktor yang Mempengaruhi Pendapatan Angkatan Kerja Perempuan Oleh : Maulina Rahayuningtyas (1303 109 022) Pembimbing : Dr. Ismaini Zain PENDAHULUAN 1.1 Latar Belakang Partisipasi Angkatan Kerja
Lebih terperinciEKSPLORASI KINERJA DOSEN TERSERTIFIKASI DALAM MELAKSANAKAN TRIDHARMA PERGURUAN TINGGI DI INDONESIA RIZKY NURKHAERANI
i EKSPLORASI KINERJA DOSEN TERSERTIFIKASI DALAM MELAKSANAKAN TRIDHARMA PERGURUAN TINGGI DI INDONESIA RIZKY NURKHAERANI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN
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 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 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 terperinciSKRIPSI. Disusun Oleh : ZULFA WAHYU MARDIKA NIM. J2E
PEMBENTUKAN POHON KLASIFIKASI BINER DENGAN ALGORITMA CART (CLASSIFICATION AND REGRESSION TREES) (STUDI KASUS KREDIT MACET DI PD. BPR-BKK PURWOKERTO UTARA) SKRIPSI Disusun Oleh : ZULFA WAHYU MARDIKA NIM.
Lebih terperinciModel Credit Scoring Menggunakan Metode Classification and Regression Trees (CART) pada Data Kartu Kredit
Prosiding Statistika ISSN: 2460-6456 Model Credit Scoring Menggunakan Metode Classification and Regression Trees (CART) pada Data Kartu Kredit 1 Rifani Yunindya, 2 Abdul Kudus, 3 Teti Sofia Yanti 1,2,3
Lebih terperinciKLASIFIKASI SIFAT CURAH HUJAN BERDASARKAN INDIKATOR ENSO (EL-NINO SOUTHERN OSCILLATION) DI KABUPATEN NGAWI DENGAN MENGGUNAKAN METODE KLASIFIKASI POHON
KLASIFIKASI SIFAT CURAH HUJAN BERDASARKAN INDIKATOR ENSO (EL-NINO SOUTHERN OSCILLATION) DI KABUPATEN NGAWI DENGAN MENGGUNAKAN METODE KLASIFIKASI POHON Putri Sea Paramita, Sutikno Mahasiswa Jurusan Statistika
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 terperinciANALISIS CART KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA DI FEM DAN FAPERTA FIRA NURAHMAH AL AMIN
ANALISIS CART KETEPATAN WAKTU LULUS BERDASARKAN KARAKTERISTIK MAHASISWA DI FEM DAN FAPERTA FIRA NURAHMAH AL AMIN DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR
Lebih terperinciKLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN)
KLASIFIKASI KELOMPOK RUMAH TANGGA DI KABUPATEN BLORA MENGGUNAKAN MULTIVARIATE ADAPTIVE REGRESSION SPLINE (MARS) DAN FUZZY K-NEAREST NEIGHBOR (FK-NN) SKRIPSI Oleh : YANI PUSPITA KRISTIANI 24010211120018
Lebih terperinciPRAKIRAAN SIFAT HUJAN MENGGUNAKAN METODE POHON KLASIFIKASI
Statistika, Vol. 1, No. 1, Mei 2013 PRAKIRAAN SIFAT HUJAN MENGGUNAKAN METODE POHON KLASIFIKASI Dwi Haryo Ismunarti Jurusan Ilmu Kelautan, Fakultas Perikanan dan Ilmu Kelautan, UNDIP Email: dwiharyois@gmail.com
Lebih terperinciBAGGING CLASSIFICATION TREES UNTUK PREDIKSI RISIKO PREEKLAMPSIA (Studi Kasus : Ibu Hamil Kategori Penerima Jampersal di RSUD Dr. Moewardi Surakarta)
Prediksi Risiko (Moch. Abdul Mukid) BAGGING CLASSIFICATION TREES UNTUK PREDIKSI RISIKO PREEKLAMPSIA (Studi Kasus : Ibu Hamil Kategori Penerima Jampersal di RSUD Dr. Moewardi Surakarta) Moch. Abdul Mukid
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 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 terperinciJURNAL SAINS DAN SENI POMITS Vol. 3, No.2, (2014) ( X Print) D-284
JURAL SAIS DA SEI POMITS Vol. 3, o.2, (2014) 2337-3520 (2301-928X Print) D-284 Klasifikasi Rumah Tangga Miskin di Kabupaten Jombang Berdasarkan Faktor-faktor yang Mempengaruhi dengan Pendekatan CART (Classification
Lebih terperinciBAB I PENDAHULUAN. ada tiga, yaitu association rules, classification dan clustering.
BAB I PENDAHULUAN 1.1. Latar Belakang Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data. Informasi yang
Lebih terperinciAPLIKASI ALGORITMA CART UNTUK MENGKLASIFIKASIKAN DATA NASABAH ASURANSI JIWA BERSAMA BUMIPUTERA 1912 SURAKARTA
APLIKASI ALGORITMA CART UNTUK MENGKLASIFIKASIKAN DATA NASABAH ASURANSI JIWA BERSAMA BUMIPUTERA 1912 SURAKARTA oleh LAILA KURNIA DAMAYANTI M0106014 SKRIPSI ditulis dan diajukan untuk memenuhi sebagian persyaratan
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 terperinciANALISIS KLASIFIKASI NASABAH KREDIT MENGGUNAKAN BOOTSTRAP AGGREGATING CLASSIFICATION AND REGRESSION TREES (BAGGING CART)
ANALISIS KLASIFIKASI NASABAH KREDIT MENGGUNAKAN BOOTSTRAP AGGREGATING CLASSIFICATION AND REGRESSION TREES (BAGGING CART) SKRIPSI Disusun Oleh : DESY RATNANINGRUM 24010211140097 JURUSAN STATISTIKA FAKULTAS
Lebih terperinciMETODE PENELITIAN Desain, Tempat, dan Waktu Penelitian Jumlah dan Cara Pengambilan Contoh
16 METODE PENELITIAN Desain, Tempat, dan Waktu Penelitian Penelitian dilaksanakan dengan menggunakan desain cross-sectional study. Data yang digunakan adalah data sekunder hasil Riset Kesehatan Dasar (Riskesdas)
Lebih terperinciMetode Ensemble pada CART untuk Perbaikan Klasifikasi Kemiskinan di Kabupaten Jombang
1 Metode Ensemble pada CART untuk Perbaikan Klasifikasi Kean di Kabupaten Jombang Muhammad Jamal Muttaqin, Bambang W. Otok, dan Santi Puteri Rahayu Jurusan Statistika, Fakultas MIPA, Institut Teknologi
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 terperinciEksplorasi Kinerja Dosen Tersertifikasi dalam Melaksanakan Tridharma Perguruan Tinggi di Indonesia
Xplore, 2013, Vol. 2(1):e2(1-8) c 2013 Departemen Statistika FMIPA IPB Eksplorasi Kinerja Dosen Tersertifikasi dalam Melaksanakan Tridharma Perguruan Tinggi di Indonesia Rizky Nurkhaerani, Hari Wijayanto,
Lebih terperinciBINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI
METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI SKRIPSI Disusun oleh: RIDHA RAMANDHANI 24010212140071 DEPARTEMEN STATISTIKA FAKULTAS
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1 DESAIN PENELITIAN Penelitian ini di desain melalui pendekatan cross-sectional study yaitu rancangan suatu studi epidemiologi yang mempelajari hubungan penyakit dan paparan
Lebih terperinciSKRIPSI. Anita Nur Qomariah NRP
SKRIPSI STUDI KLASIFIKASI KABUPATEN DAN KOTA DI JAWA TIMUR BERDASARKAN VARIABEL - VARIABEL SOSIAL EKONOMI DENGAN PENDEKATAN ANALISIS DISKRIMINAN DAN REGRESI LOGISTIK Oleh : Anita Nur Qomariah NRP.1302.109.017
Lebih terperinciPEMBENTUKAN POHON KLASIFIKASI BINER DENGAN ALGORITMA QUEST (QUICK, UNBIASED, AND EFFICIENT STATISTICAL TREE) PADA DATA PASIEN LIVER
PEMBENTUKAN POHON KLASIFIKASI BINER DENGAN ALGORITMA QUEST (QUICK, UNBIASED, AND EFFICIENT STATISTICAL TREE) PADA DATA PASIEN LIVER SKRIPSI Disusun oleh MUHAMMAD ROSYID ABDURRAHMAN 24010210120036 JURUSAN
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 terperinciPENERAPAN POHON KLASIFIKASI DAN BOOTSTRAP AGGREGATING DALAM KLASIFIKASI USIA MENARCHE (Studi Kasus: SMPN Ragunan dan SMPN 1 Dramaga) IIS ISTIQOMAH
PENERAPAN POHON KLASIFIKASI DAN BOOTSTRAP AGGREGATING DALAM KLASIFIKASI USIA MENARCHE (Studi Kasus: SMPN Ragunan dan SMPN 1 Dramaga) IIS ISTIQOMAH DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN
Lebih terperinciKETEPATAN KLASIFIKASI STATUS KERJA DI KOTA TEGAL MENGGUNAKAN ALGORITMA C4.5 DAN FUZZY K-NEAREST NEIGHBOR IN EVERY CLASS (FK-NNC) SKRIPSI
KETEPATAN KLASIFIKASI STATUS KERJA DI KOTA TEGAL MENGGUNAKAN ALGORITMA C4.5 DAN FUZZY K-NEAREST NEIGHBOR IN EVERY CLASS (FK-NNC) SKRIPSI Disusun Oleh : ATIKA ELSADINING TYAS 24010211120013 JURUSAN STATISTIKA
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 terperinciPersentase guru SD adalah perbandingan antara jumlah
Kenyataan saat ini masyarakat sudah mempunyai kepedulian yang cukup tinggi terhadap upaya peningkatan sumber daya manusia. Variabel-variabel pendidikan yang digunakan antara lain : 1. Persentase guru Taman
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 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 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 terperinciMETODE KLASIFIKASI BERSTRUKTUR POHON BINER (STUDI KASUS PADA PRAKIRAAN SIFAT HUJAN BULANAN DI BOGOR) 1) T
METODE KLASIFIKASI BERSTRUKTUR POHON BINER (STUDI KASUS PADA PRAKIRAAN SIFAT HUJAN BULANAN DI BOGOR) 1) T Aan Kardiana 2), Aunuddin 3), Aji Hamim Wigena 3), Hari Wijayanto 3) 2) Jurusan Teknik Informatika,
Lebih terperinci.: Pohon Klasifikasi - Bagian 1 :.
seri tulisan data mining.: Pohon Klasifikasi - Bagian 1 :. Gambaran Umum dan Algoritma Dasar yang Perlu Diketahui Bagus Sartono bagusco@gmail.com July 20, 2015 Abstract Tulisan ini memamaparkan beberapa
Lebih terperinciIDENTIFIKASI VARIABEL YANG MEMPENGARUHI BESAR PINJAMAN DENGAN METODE POHON REGRESI (Studi Kasus di Unit Pengelola Kegiatan PNPM Mandiri)
IDENTIFIKASI VARIABEL YANG MEMPENGARUHI BESAR PINJAMAN DENGAN METODE POHON REGRESI (Studi Kasus di Unit Pengelola Kegiatan PNPM Mandiri) SKRIPSI Disusun Oleh : SHAUMAL LUQMAN NIM. J2E 009 056 JURUSAN STATISTIKA
Lebih terperinciPENERAPAN ANALISIS POHON REGRESI PADA DATA PERLINDUNGAN SOSIAL PUTRI DWI ANDINI
PENERAPAN ANALISIS POHON REGRESI PADA DATA PERLINDUNGAN SOSIAL PUTRI DWI ANDINI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2012 ABSTRAK PUTRI DWI ANDINI.
Lebih terperinciPemodelan Angka Harapan Hidup dan Angka Kematian Bayi di Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline Birespon
Pemodelan Angka Harapan Hidup dan Angka Kematian Bayi di Jawa Timur dengan Pendekatan Regresi Nonparametrik Spline Birespon Angka Harapan Hidup Angka Kematian Bayi Penyaji: Ni Nyoman Trisna Juliandari
Lebih terperinciPENERAPAN METODE RANDOM FOREST DALAM DRIVER ANALYSIS NARISWARI KARINA DEWI
PENERAPAN METODE RANDOM FOREST DALAM DRIVER ANALYSIS NARISWARI KARINA DEWI DEPARTEMEN STATISTIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2011 RINGKASAN NARISWARI KARINA
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 terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Model Regresi Linier Metode regresi linier merupakan suatu metode yang memodelkan hubungan antara variabel respon dengan variabel prediktor. Tujuannya adalah untuk mengukur
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 terperinciBAB I PENDAHULUAN. seperti Negara Indonesia akan berdampak pada pertumbuhan ekonomi Negara
BAB I PENDAHULUAN 1.1. Latar Belakang Jumlah penduduk yang begitu besar di Negara yang sedang berkembang seperti Negara Indonesia akan berdampak pada pertumbuhan ekonomi Negara tersebut. Dalam Wicaksono
Lebih terperinciMULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK
MULTIVARIATE ADAPTIVE REGRESSION SPLINES (MARS) UNTUK KLASIFIKASI STATUS KERJA DI KABUPATEN DEMAK SKRIPSI Disusun oleh KISHARTINI 24010210141008 JURUSAN STATISTIKA FAKULTAS SAINS DAN MATEMATIKA UNIVERSITAS
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Ayu Wulandary,2014
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Peran teknologi informasi menjadi bagian yang penting dalam dunia perbankan di Indonesia. Perkembangan teknologi menjadi sangat global dengan memperhatikan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Decision Tree Definisi Decision tree adalah sebuah diagram alir yang berbentuk seperti struktur pohon yang mana setiap internal node menyatakan pengujian terhadap suatu atribut,
Lebih terperinciBAB V PROFIL RUMAHTANGGA MISKIN DI DESA BANJARWARU
BAB V PROFIL RUMAHTANGGA MISKIN DI DESA BANJARWARU Secara umum, rumahtangga miskin di Desa Banjarwaru dapat dikatakan homogen. Hal ini terlihat dari karakteristik individu dan rumahtangganya. Hasil tersebut
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan salah satu negara dengan jumlah penduduk terbesar di dunia. Pertumbuhan penduduk yang semakin meningkat selaras dengan pertumbuhan akan kebutuhan
Lebih terperinciKata kunci---beras Keluarga Miskin, regresi logistik biner. I. PENDAHULUAN
1 Analisis Regresi Logistik Biner Untuk Mengidentifikasi Faktor-Faktor Yang Mempengaruhi Status Penerimaan Beras Keluarga Miskin (Raskin) Di Kecamatan Gunung Anyar Faiz Ramadhani Rahman, Ismaini Zain Jurusan
Lebih terperinci