Fajri, Mohammad (2015) Splitting Rule Dan Penerapan Bagging Pada Pohon Klasifikasi. Studi Kasus: Pekerja Anak di Provinsi Sulawesi Tengah. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1313201027-Master _Theses.pdf - Published Version Download (6MB) | Preview |
Preview |
Text
1313201027-Presentation.pdf - Published Version Download (744kB) | Preview |
Abstract
Pengklasifikasian merupakan metode statistika yang digunakan untuk
mengelompokkan suatu pengamatan. Dalam statistika terdapat beberapa metode
klasifikasi, salah satunya adalah pohon klasifikasi yang merupakan metode
klasifikasi yang menghasilkan model pohon. Pembentukan pohon klasifikasi
ditentukan oleh proses splitting rule yang didasarkan pada ukuran keheterogenan.
Ukuran yang digunakan dalam tesis ini adalah kriteria indeks Gini dan indeks
Twoing. Pohon klasifikasi memiliki beberapa keunggulan terkait model dan hasil
klasifikasinya, tetapi juga memiliki kekurangan pada stabilitas model dan
keakuratan prediksi. Guna mengatasi kelemahan tersebut, bagging (bootstrap
aggregating) diterapkan pada pohon klasifikasi untuk meningkatkan stabilitas dan
keakuratan prediksi. Metode ini diaplikasikan pada data pekerja anak di provinsi
Sulawesi Tengah. Indeks Gini dan indeks Twoing memiliki konsep dan bentuk
yang berbeda namun memiliki keuntungan masing-masing dalam penggunaannya.
Pada kasus pekerja anak di Sulawesi Tengah, kedua indeks ini menghasilkan
pohon klasifikasi optimal yang identik dengan enam variabel pembentuk, yaitu
partisipasi sekolah anak, umur anak, jenis kelamin anak, umur kepala rumah
tangga, jumlah anggota rumah tangga, pendapatan perkapita dan tingkat
pendidikan kepala rumah tangga. Penerapan teknik bagging pada pohon
klasifikasi dalam kasus ini mampu meningkatkan ketepatan klasifikasinya. ========== Classification is statistical method that used to classify an observation. In
statistics, there are several classification methods, one of the methods is
classification tree that resulted classification trees model. Classification tree’s
formation determined by splitting rule process based on impurity measure. In this
thesis, the used measure are Gini index and Twoing index criteria. Classification
tree has some advantages related with the model and the classification result,
although it has a weakness on stability model that resulted and classification
accuracy. To solve this weakness, bagging (bootstrap aggregating) technique was
applied on classification tree method to increase the stability and classification
accuracy. This method applied on child labor’s case in Central Sulawesi province.
Gini index and Twoing index have different concept and form, however both
index have each advantage on its use. On child labor’s case in Central Sulawesi,
both index resulted identic optimal classification tree with six formed variables,
child’s school participation, child’s age, child’s sex, number of household
member, income per capita and head of household’s education level. Bagging
technique on classification tree resulted higher classification accuracy.
Item Type: | Thesis (Masters) |
---|---|
Uncontrolled Keywords: | Bagging; klasifikasi; pekerja anak; pohon klasifikasi; splitting rule; bagging; child labor; classification; classification tree; splitting rule. |
Subjects: | H Social Sciences > HA Statistics H Social Sciences > HD Industries. Land use. Labor > HD108 Classification (Theory. Method. Relation to other subjects ) |
Divisions: | Faculty of Mathematics and Science > Statistics > 49101-(S2) Master Thesis |
Depositing User: | - Davi Wah |
Date Deposited: | 30 May 2018 06:43 |
Last Modified: | 30 May 2018 06:43 |
URI: | http://repository.its.ac.id/id/eprint/51957 |
Actions (login required)
![]() |
View Item |