Ketepatan Klasifikasi Metode Regresi Logistik dan Metode Chaid dengan Pembobotan Sampel

Puspa Juwita, Sugiman Sugiman, Putriaji Hendikawati

Abstract


Tujuan penelitian ini adalah menentukan ketepatan metode regresi logistik dan CHAID dengan pembobotan sampel pada klasifikasi status angkatan kerja Kabupaten Temanggung 2015. Populasi dalam penelitian ini adalah angkatan kerja Kabupaten Temanggung 2015. Data dalam penelitian ini diperoleh dari Sakernas Kabupaten Temanggung 2015. Variabel dependen dalam penelitian ini adalah angkatan kerja, sedangkan variabel independennya adalah klasifikasi desa/kelurahan, hubungan dengan kepala rumah tangga, jenis kelamin, umur, status pernikahan, pendidikan, pelatihan kerja, dan pengalaman kerja. Dari analisis regresi logistik diperoleh persamaan, sedangkan anlalisi CHAID menghasilkan pohon klasifikasi. Persamaan dan pohon klasifikasi tersebut dapat digunakan untuk memprediksi variabel dependen. Kesalahan klasifikasi dihitung menggunakan APER (Apparent Error Rate), kemudian ketepatan klasifikasi dapat diperoleh dengan rumus 1 – APER. Ketepatan regresi logistik dan CHAID dengan pembobotan sampel secara berturut-turut adalah 96,4% dan 96,6%. Hal ini menunjukkan ketepatan metode CHAID pada klasifikasi status angkatan kerja Kabupaten Temanggung 2015 lebih tinggi dibandingkan regresi logistik.

The purpose of this study is to determine the accuracy of logistic regression and CHAID with sample weighting on Temanggung regency labor status classification in 2015. The population of this study is labor of Temanggung Regency in 2015. The data of this study is obtained from Sakernas of Temanggung Regency in 2015. The dependent variable of this study is labor status, whereas the independent variables of this study are domicile region, relation with family head, gender, age, marriage status, education level, job training, and job experience. Logistic regression analysis results a mathematic equation, and CHAID method result a classification tree. Those result can predict the dependent variable. Classification error is calculated using APER (Apparent Error Rate), then the accuracy can be calculated by 1- APER. Accuracy of logistic regression and CHAID with sample weighting respectively are 96,4% and 96,6%. This show that accuracy of CHAID is greater than logistic regression.


Keywords


logistic regression, CHAID, sample weighting

Full Text:

PDF


DOI: https://doi.org/10.15294/ijmns.v44i1.32699

Refbacks

  • There are currently no refbacks.




Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.