Text
Klasifikasi jangka waktu mendapatkan kerja di DKI Jakarta dengan metode bootstrap aggregating regresi logistik ordinal
Regresi logistik ordinal merupakan metode untuk mengetahui hubungan antara peubah penjelas dengan peubah respon yang bersifat kategorik bertingkat. Metode ini juga dapat digunakan sebagai proses pengklasifikasian. Namun metode pengklasifikasian ini memberikan pendugaan parameter yang tidak stabil, untuk memperoleh parameter yang stabil pada model regresi logistik ordinal digunakan metode bootstrap aggregating (bagging). Ketepatan klasifikasi regresi logistik juga dapat ditingkatkan dengan metode bootstrap aggregating (bagging). Tujuan dari penelitian ini adalah untuk mengetahui faktor-faktor apa saja yang berpengaruh terhadap jangka waktu mendapat kerja di DKI Jakarta dan menghitung ketepatan klasifikasi. Hasil penelitian ini menunjukkan bahwa peubah umur, status pernikahan, tingkat pendidikan terakhir, dan penghasilan sebelumnya berpengaruh terhadap jangka waktu mendapat kerja di DKI Jakarta dengan nilai ketepatan klasifikasi regresi logistik ordinal yaitu sebesar 57.33 %. Sedangkan nilai ketepatan klasifikasi bagging regresi logistik ordinal yaitu sebesar 61.33 %. Hal ini berarti bagging dapat meningkatkan nilai ketepatan klasifikasi.Kata kunci : regresi logistik ordinal, bootstrap aggregating (bagging), ketepatan klasifikasi, jangka waktu mendapatkan kerja.
Ordinal logistic regression is a method to know the relationship between the independent variables with categorical dependent variables. This method also is used as a classification process. However, this classification method provides unstable parameter estimation, so to obtain a stable parameter in ordinal logistic regression model used bootstrap aggregating (bagging). The purpose of this study is to find some factors that affect the time phase to getting a job in DKI Jakarta and to count classification accuracy. The result of this study indicates that the variables of age, marriage status, last education level, and last salary have an effect on the time phase to getting a job in DKI Jakarta with value of classification accuracy in ordinal logistic regression is 57.33 %. While the value of classification accuracy in bagging ordinal logistic regression is 61.33 %. It is mean bagging can increase the value of classification accuracy.Keywords : ordinal logistic regression, bootstrap aggregating (bagging), classification accuracy, time phase to getting a job.
SS00014093 | SK 14093 | UPT Perpustakaan UNJ | Tersedia |
Tidak tersedia versi lain