Metode Classification And Regression Trees Dan Analisis Regresi Logistik Biner Untuk Klasifikasi Anak Putus Sekolah Di Provinsi Jawa Timur Tahun 2017
| Main Author: | Arista, Eta Prilia |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/183531/1/0520090283-%20Eta%20Prilia%20Arista.pdf http://repository.ub.ac.id/183531/ |
Daftar Isi:
- CART merupakan metode statistika nonparametrik yang dikembangkan untuk analisis klasifikasi dalam bentuk pohon, baik data untuk variabel respon kategorik ataupun kontinu. Regresi logistik biner adalah analisis yang digunakan untuk menganalisa hubungan antara variabel penjelas bersifat dikotomi yaitu y = 0 (sukses) dan y = 1 (gagal) dengan variabel penjelas. Digunakan metode CART dan analisis regresi logistik biner untuk mengetahui ketepatan klasifikasi pada kedua metode tersebut. Data yang digunakan merupakan data sekunder dan data simulasi, dengan variabel respon pada data simulasi berupa hasil bangkitan mengikuti distribusi binomial, pada data simulasi digunakan ukuran sampel sebesar n = 200, 300 dan 400 dengan proporsi p = 10%, 25% dan 50%. Hasil penelitian menggunakan data simulasi, ketepatan klasifikasi metode CART lebih baik dibandingkan dengan ketepatan klasifikasi pada analisis regresi logistik. Sehingga, analisis menggunakan data simulasi memiliki hasil yang sama dengan data sekunder. Hasil ketepatan klasifikasi menunjukkan metode CART lebih baik dibandingkan analisis regresi logistik biner dengan nilai akurasi sebesar 97.88% dan 69.67%. Berdasarkan metode CART, faktor yang paling mempengaruhi putus sekolah adalah pendidikan terakhir ayah, sedangkan berdasarkan analisis regresi logistik, faktor yang paling mempengaruhi putus sekolah adalah Program Indonesia Pintar (PIP).