Melola Discovery

← Melola Discovery

Akses terbuka Jurnal

Misclassification Analysis of Elementary School Accreditation Data in Ambon City Using Multivariate Adaptive Regression Spline

Analisis Misklasifikasi Data Akreditasi Sekolah Dasar Di Kota Ambon Menggunakan Metode Multivariate Adaptive Regression Spline

Jurnal Matematika, Statistika dan Komputasi · Vol. 18 No. 3 (2022) · hlm. 394–406

DOI
10.20956/j.v18i3.19451
ISSN
2614-8811, 1858-1382
Terbit
2022-05-15
Penerbit
Department of Mathematics, Hasanuddin University
Bahasa
en
Lisensi
creativecommons.org/licenses/by/4.0

Abstrak

Inggris

Many classification methods have been developed, one of which is the Multivariate Adaptive Regression Spline (MARS) method. MARS is one of the classification methods in the form of a combination of Recursive Partitioning Regression (RPR) and the spline method that is able to process high-dimensional and large-sized data and process data with continuous or binary response variables. The purpose of this study was to measure the misclassification of elementary school accreditation in Ambon city using the MARS method. This study uses accreditation data with the results of eight components of accreditation in elementary schools that have accreditation A (group 1) and accreditation B (group 2) in Ambon city. To evaluate the classification method used the APER classification error measure. The best classification result from the MARS method is when using a combination of BF=32, MI=3, MO=1 because it produces a minimum Generalized Cross Validation (GCV) of 0.066 and information is obtained that the correct classification data is 181 and the misclassified data is 10. Based on the results of the analysis, the size of the APER classification error is 5.23%, which can be said that the MARS method is good or statistically significant for classifying elementary schools in Ambon City based on their accreditation rating.

Bahasa Indonesia

Metode klasifikasi telah banyak dikembangkan dimana salah satu diantaranya adalah metode Multivariate Adaptive Regression Spline (MARS). Tujuan penelitian ini adalah menganalisis misklasifikasi akreditasi Sekolah Dasar di kota Ambon dengan metode MARS. Penelitian ini menggunakan data akreditasi dengan hasil delapan komponen akreditasi di sekolah dasar yang memiliki akreditasi A (kelompok 1) dan akreditasi B (kelompok 2) di kota Ambon. Untuk mengevaluasi metode klasifikasi digunakan ukuran kesalahan klasifikasi APER. Hasil klasifikasi terbaik dari metode MARS adalah ketika menggunakan kombinasi BF=32, MI=3, MO=1 karena menghasilkan Generalized Cross Validation (GCV) minimum sebesar 0,066 dan diperoleh informasi bahwa data klasifikasi yang benar adalah 181 dan data yang salah klasifikasi adalah 10. Berdasarkan hasil analisis, diperoleh ukuran kesalahan klasifikasi APER sebesar 5,23% dimana dapat dikatakan bahwa metode MARS sudah baik atau signifikan secara statistik untuk mengklasifikasikan Sekolah Dasar di Kota Ambon berdasarkan peringkat akreditasinya.

Kata kunci

Jaringan kolaborasi para penulis

26 penulis · 56 tautan kepenulisan bersama · 2 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Universitas Pattimura
  • Universitas Halu Oleo
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Dorteus L. RahakbauwUniversitas Pattimura2
Elvinus R. PersulessyUniversitas Pattimura2
Mozart Winston TalakuaUniversitas Pattimura2
Henry W. M. PattyUniversitas Pattimura2
Zeth Arthur LeleuryUniversitas Pattimura2
Herman DjidinUniversitas Pattimura1
Muh. Yahya MatdoanAfiliasi tidak diketahui1
Angelia C. LeunupunUniversitas Pattimura1
Thomas PenturyUniversitas Pattimura1
Riana WattimenaUniversitas Pattimura1
Trisnawaty TrisnawatyUniversitas Pattimura1
Yuniasih MJ TaihuttuUniversitas Pattimura1
Safriyani TomiaUniversitas Pattimura1
Abraham Z. WattimenaUniversitas Pattimura1
Christy TahyaUniversitas Pattimura1
B. TuasikalUniversitas Pattimura1
L. TehuayoUniversitas Pattimura1
Noval KasimUniversitas Halu Oleo1
Francis Yunito RumlawangUniversitas Pattimura1
Christof F. RomerUniversitas Pattimura1
Norisca LewaherillaUniversitas Pattimura1
Johan Bruiyf BensionUniversitas Pattimura1
Nurul Fadillah IdrisUniversitas Pattimura1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unhas.ac.id/index.php/jmsk/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 8 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Misclassification Analysis of Elementary School Accreditation Data in Ambon City Using Multivariate Adaptive Regression Spline</dc:title>
	<dc:title xml:lang="id">Analisis Misklasifikasi Data Akreditasi Sekolah Dasar Di Kota Ambon Menggunakan Metode Multivariate Adaptive Regression Spline </dc:title>
	<dc:creator xml:lang="en">Risambessy, Sarah </dc:creator>
	<dc:creator xml:lang="en">Aulele, Salmon Notje</dc:creator>
	<dc:creator xml:lang="en">Lembang, Ferry Kondo </dc:creator>
	<dc:subject xml:lang="en"> Missclassification</dc:subject>
	<dc:subject xml:lang="en">Accreditation</dc:subject>
	<dc:subject xml:lang="en">GCV</dc:subject>
	<dc:subject xml:lang="en"> MARS</dc:subject>
	<dc:subject xml:lang="en">APER</dc:subject>
	<dc:description xml:lang="en">Many classification methods have been developed, one of which is the Multivariate Adaptive Regression Spline (MARS) method. MARS is one of the classification methods in the form of a combination of Recursive Partitioning Regression (RPR) and the spline method that is able to process high-dimensional and large-sized data and process data with continuous or binary response variables. The purpose of this study was to measure the misclassification of elementary school accreditation in Ambon city using the MARS method. This study uses accreditation data with the results of eight components of accreditation in elementary schools that have accreditation A (group 1) and accreditation B (group 2) in Ambon city. To evaluate the classification method used the APER classification error measure. The best classification result from the MARS method is when using a combination of BF=32, MI=3, MO=1 because it produces a minimum Generalized Cross Validation (GCV) of 0.066 and information is obtained that the correct classification data is 181 and the misclassified data is 10. Based on the results of the analysis, the size of the APER classification error is 5.23%, which can be said that the MARS method is good or statistically significant for classifying elementary schools in Ambon City based on their accreditation rating.
 </dc:description>
	<dc:description xml:lang="id">Metode klasifikasi telah banyak dikembangkan dimana salah satu diantaranya adalah metode Multivariate Adaptive Regression Spline (MARS). Tujuan penelitian ini adalah menganalisis misklasifikasi akreditasi Sekolah Dasar di kota Ambon dengan metode MARS. Penelitian ini menggunakan data akreditasi dengan hasil delapan komponen akreditasi di sekolah dasar yang memiliki akreditasi A (kelompok 1) dan akreditasi B (kelompok 2) di kota Ambon. Untuk mengevaluasi metode klasifikasi digunakan ukuran kesalahan klasifikasi APER. Hasil klasifikasi terbaik dari metode MARS adalah ketika menggunakan kombinasi BF=32, MI=3, MO=1 karena menghasilkan Generalized Cross Validation (GCV) minimum sebesar 0,066 dan diperoleh informasi bahwa data klasifikasi yang benar adalah 181 dan data yang salah klasifikasi adalah 10. Berdasarkan hasil analisis, diperoleh ukuran kesalahan klasifikasi APER sebesar 5,23% dimana dapat dikatakan bahwa metode MARS sudah baik atau signifikan secara statistik untuk mengklasifikasikan Sekolah Dasar di Kota Ambon berdasarkan peringkat akreditasinya.</dc:description>
	<dc:publisher xml:lang="en">Department of Mathematics, Hasanuddin University</dc:publisher>
	<dc:date>2022-05-15</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unhas.ac.id/index.php/jmsk/article/view/19451</dc:identifier>
	<dc:identifier>10.20956/j.v18i3.19451</dc:identifier>
	<dc:source xml:lang="en">Jurnal Matematika, Statistika dan Komputasi; Vol. 18 No. 3 (2022): MAY, 2022; 394-406</dc:source>
	<dc:source>2614-8811</dc:source>
	<dc:source>1858-1382</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://journal.unhas.ac.id/index.php/jmsk/article/view/19451/8141</dc:relation>
	<dc:relation>10.20956/j.v18i3.19451.g8141</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2022 Author and publisher</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by/4.0</dc:rights>
</oai_dc:dc>