Santy, Monita Vera (2002) Studi Klasifikasi Partisipasi Usia Kerja Dalam Angkatan Kerja Di Kabupaten Kediri Dengan Pendekatan Metode Regresi Logistik, Kernel Dan Artificial Neural Network. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1398100018-Undergraduate Thesis.pdf - Published Version Download (11MB) | Preview |
Abstract
Negara-negara berkembang mempunyai distribusi umur yang muda.
Tingginya tingkat kelahiran kasar menyebabkan persentase penduduk berusia
dibawah 15 tahun jauh lebih tinggi. Proses transisi demografi yang berkaitan
dengan meningkatnya usia harapan hidup penduduk akan merubah distribusi umur
dari muda menjadi tua. Proses ini terjadi berkat adanya perbaikan dibidang
kesehatan bersamaan dengan meningkatnya teknologi kedokteran dan
meningkatnya kesadaran masyarakat (Suwartapradja, 2000). Hal tersebut diatas
memicu meningkatnya jurnlah pengangguran disuatu negara apabila tidak
diimbangi dengan lapangan kerja yang memadai sesuai dengan tingkat pendidikan
yang dimiliki.
Dengan memperhatikan kondisi diatas, maka sangat menarik untuk diteliti
serta dikaji lebih lanjut mengenai partisipasi seseorang dalam angkatan kerja
dengan menggunakan metode klasifikasi yang tidak menggunakan asumsi data
harus berdistribusi nonnal. Hal m1 dilakukan karena banyak kasus
pengklasifikasian yang datanya tidak normal. Metode yang diterapkan adalah
regresi logistik, kernel dan Artificial Neural Network (ANN), dengan pembagian
dua data yaitu data training dan data testing untuk analisanya. Data yang
digunakan adalah data hasil Susenas 2000 untuk daerah kabupaten Kediri.
Hasil analisa data dari ketiga metode terlihat bahwa, untuk data training
metode kernel dengan aswnsi nilai varians sama memiliki ketepatan klasifikasi
yang lebih baik dibandingkan dengan regresi logistik maupun ANN menurut
kriteria MCC dan PCC. Sedangkan tmtuk data testing ternyata Metode ANN
memberikan hasil yang lebih tepat dalam pengklasifikasian dibandingkan dengan
logistik mauptm kemel. Hal ini didukung pula oleh uji kestabilan model yang
menggunakan Press-Q.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSt 519.536 San s |
| Subjects: | Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | ansi aflacha |
| Date Deposited: | 02 Oct 2019 04:37 |
| Last Modified: | 02 Oct 2019 04:37 |
| URI: | http://repository.its.ac.id/id/eprint/70952 |
Actions (login required)
 |
View Item |