Studi Klasifikasi Partisipasi Usia Kerja Dalam Angkatan Kerja Di Kabupaten Kediri Dengan Pendekatan Metode Regresi Logistik, Kernel Dan Artificial Neural Network

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.

[img]
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
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: https://repository.its.ac.id/id/eprint/70952

Actions (login required)

View Item View Item