Klasifikasi Jenis Kecelakaan Kerja Yang Ditangani Oleh Bpjs Ketenagakerjaan Menggunakan Pendekatan Multinomial Logistic Regression Dan Random Forest

Imania, Lailiya Risky (2022) Klasifikasi Jenis Kecelakaan Kerja Yang Ditangani Oleh Bpjs Ketenagakerjaan Menggunakan Pendekatan Multinomial Logistic Regression Dan Random Forest. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 06311840000009_Undergraduate_Thesis.pdf Download (1MB)

Abstract

Kecelakaan kerja merupakan masalah yang serius dimana suatu Negara harus menjamin adanya perlindungan tenaga kerja untuk memberikan perlindungan keselamatan bagi pekerja/buruh pada saat bekerja. Badan Penyelenggara Jaminan Sosial merupakan badan hukum yang dibentuk untuk menyelenggarakan program jaminan sosial sebagai salah satu bentuk perlindungan sosial untuk menjamin seluruh rakyat agar dapat memenuhi kebutuhan dasar hidupnya yang layak sehingga mendukung program jaminan sosial khususnya dalam pembangunan ketenagakerjaan. Banyaknya kasus kecelakaan kerja di Indonesia menjadi salah satu alasan untuk melakukan penelitian tentang klasifikasi kasus kecelakaan kerja berdasarkan jenis kecelakaan yang ditangani oleh BPJS Ketenagakerjaan wilayah Mojokerto. Variabel respon adalah jenis kecelakaan kerja yang merupakan variabel kategorik dengan kategori sebanyak 3, sedangkan variabel prediktor juga merupakan variabel kategorik. Sehingga analisis yang digunakan metode regresi logistik multinomial, selain itu dilakukan pula analisis menggunakan random forest yang nantinya digunakan untuk perbandingan. Hasil analisis didapatkan variabel jenis kelamin, jabatan, dan umur berpengaruh signifikan terhadap kecelakaan kerja. Ketepatan klasifikasi jenis kecelakaan kerja dengan regresi logistik multinomial data training sebesar 74,03% dan data testing sebesar 70,31%, sedangakan untuk random forest data training sebesar 87,63% dan data testing sebesar 78,72% sehingga dapat diambil kesimpulan bahwa metode yang terbaik dalam kasus ini adalah random forest.
==============================================================================================================================
Work accidents are a serious problem where a country must ensure the protection of workers to provide safety protection for workers/laborers at work. The Social Security Administering Body is a legal entity established to administer social security programs as a form of social protection to ensure that all people can meet their basic needs for a decent life so as to support social security programs, especially in employment development. The number of work accident cases in Indonesia is one reason to conduct research on the classification of work accident cases based on the type of accident handled by BPJS Ketenagakerjaan in the Mojokerto region. The response variable is the type of work accident which is a categorical variable with 3 categories, while the predictor variable is also a categorical variable. So that the analysis used the multinomial logistic regression method, besides that an analysis was also carried out using a random forest which would later be used for comparison. The results of the analysis showed that gender, position, and age had a significant effect on work accidents. The accuracy of the classification of work accident types with multinomial logistic regression of training data is 74.03% and testing data is 70.31%, while for random forest training data is 87.63% and testing data is 78.72%, so it can be concluded that the method the best in this case is random forest.

Item Type:	Thesis (Other)
Additional Information:	RSAk 519.536 Ima k-1 2022
Uncontrolled Keywords:	Kecelakaan kerja, Badan Penyelenggara Jaminan Sosial (BPJS), klasifikasi, regresi logistik multinomial (multinomial logistic regression), random forest' Work accidents, Badan Penyelenggara Jaminan Sosial (BPJS), classification, multinomial logistic regression, random forest
Subjects:	H Social Sciences > HA Statistics > HA31.3 Regression. Correlation. Logistic regression analysis.
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Actuaria > 94203-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	21 Nov 2024 06:54
Last Modified:	21 Nov 2024 06:54
URI:	http://repository.its.ac.id/id/eprint/115813

Actions (login required)

View Item