Melola Discovery

← Melola Discovery

Journal No SINTA rank

Ketepatan Klasifikasi Metode Regresi Logistik dan CHAID dengan Pembobotan Sampel

PRISMA, Prosiding Seminar Nasional Matematika · Vol. 1 (2018) · pp. 684–695

ISSN
2613-9189
Published
2018-02-01
Publisher
Jurusan Matematika FMIPA UNNES
Language
eng

Abstract

Tujuan penelitian ini adalah menentukan ketepatan metode regresi logistik dan CHAID dengan pembobotan sampel pada klasifikasi status angkatan kerja Kabupaten Temanggung 2015. Populasi dalam penelitian ini adalah angkatan kerja Kabupaten Temanggung 2015. Data dalam penelitian ini diperoleh dari Sakernas Kabupaten Temanggung 2015. Variabel dependen dalam penelitian ini adalah angkatan kerja, sedangkan variabel independennya adalah klasifikasi desa/kelurahan, hubungan dengan kepala rumah tangga, jenis kelamin, umur, status pernikahan, pendidikan, pelatihan kerja, dan pengalaman kerja. Dari analisis regresi logistik diperoleh persamaan, sedangkan anlalisi CHAID menghasilkan pohon klasifikasi. Persamaan dan pohon klasifikasi tersebut dapat digunakan untuk memprediksi variabel dependen. Kesalahan klasifikasi dihitung menggunakan APER (Apparent Error Rate), kemudian ketepatan klasifikasi dapat diperoleh dengan rumus 1 – APER. Ketepatan regresi logistik dan CHAID dengan pembobotan sampel secara berturut-turut adalah 96,4% dan 96,6%. Hal ini menunjukkan ketepatan metode CHAID pada klasifikasi status angkatan kerja Kabupaten Temanggung 2015 lebih tinggi dibandingkan regresi logistik.

Collaboration network of the authors

40 authors · 90 co-authorship links · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • State University of Semarang
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Scolastika MarianiState University of Semarang12
Emi PujiastutiState University of Semarang7
Arief AgoestantoAffiliation unknown7
Amin SuyitnoState University of Semarang6
Nurkaromah DwidayatiState University of Semarang4
Sunarmi SunarmiAffiliation unknown3
Masrukan MasrukanState University of Semarang3
Walid WalidAffiliation unknown3
Riza ArifudinState University of Semarang2
Yuninda Diah PratiwiAffiliation unknown2
Aisyah Fany AchmaliaAffiliation unknown2
Sugeng NugrohoAffiliation unknown2
Isti HidayahState University of Semarang2
hengky tri ikhsanto hengky tri ikhsantoAffiliation unknown2
Muhammad KharisAffiliation unknown2
Zaenuri ZaenuriState University of Semarang2
Nur Karomah DwidayantiAffiliation unknown2
Raras Setya AstutiAffiliation unknown1
Feri FarkhanAffiliation unknown1
Much Aziz MuslimState University of Semarang1
Dedy PurnawanAffiliation unknown1
Dedeh KurniasihAffiliation unknown1
Dwi Prisita AnggriningrumAffiliation unknown1
Zaenal AbidinAffiliation unknown1
Noni NofiyahAffiliation unknown1
Putri Dwi PradinaAffiliation unknown1
Yuliyanti KaromahAffiliation unknown1
Leili UlfiatiAffiliation unknown1
SELY AGUSTINAAffiliation unknown1
RIZA SILVIA FAUSTINAAffiliation unknown1
Tias SafitriAffiliation unknown1
Sri PujilestariAffiliation unknown1
Eko SupriyadiAffiliation unknown1
Siti Ma'unahAffiliation unknown1
Addinul AssidiqAffiliation unknown1
Andhina SaraswatiAffiliation unknown1
Novia Nilam NurlazuardiniAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/prisma/oai, first harvested 6 Nov 2026, last seen 6 Nov 2026.
Original metadata (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-US">Ketepatan Klasifikasi Metode Regresi Logistik dan CHAID dengan Pembobotan Sampel</dc:title>
	<dc:creator>Juwita, Puspa</dc:creator>
	<dc:creator>Sugiman, Sugiman</dc:creator>
	<dc:creator>Hendikawati, Putriaji</dc:creator>
	<dc:description xml:lang="en-US">Tujuan penelitian ini adalah menentukan ketepatan metode regresi logistik dan CHAID dengan pembobotan sampel pada klasifikasi status angkatan kerja Kabupaten Temanggung 2015. Populasi dalam penelitian ini adalah angkatan kerja Kabupaten Temanggung 2015. Data dalam penelitian ini diperoleh dari Sakernas Kabupaten Temanggung 2015. Variabel dependen dalam penelitian ini adalah angkatan kerja, sedangkan variabel independennya adalah klasifikasi desa/kelurahan, hubungan dengan kepala rumah tangga, jenis kelamin, umur, status pernikahan, pendidikan, pelatihan kerja, dan pengalaman kerja. Dari analisis regresi logistik diperoleh persamaan, sedangkan anlalisi CHAID menghasilkan pohon klasifikasi. Persamaan dan pohon klasifikasi tersebut dapat digunakan untuk memprediksi variabel dependen. Kesalahan klasifikasi dihitung menggunakan APER (Apparent Error Rate), kemudian ketepatan klasifikasi dapat diperoleh dengan rumus 1 – APER. Ketepatan regresi logistik dan CHAID dengan pembobotan sampel secara berturut-turut adalah 96,4% dan 96,6%. Hal ini menunjukkan ketepatan metode CHAID pada klasifikasi status angkatan kerja Kabupaten Temanggung 2015 lebih tinggi dibandingkan regresi logistik.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Matematika FMIPA UNNES</dc:publisher>
	<dc:date>2018-02-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/prisma/article/view/20215</dc:identifier>
	<dc:source xml:lang="en-US">PRISMA, Prosiding Seminar Nasional Matematika; Vol 1 (2018): PRISMA, Prosiding Seminar Nasional Matematika; 684-695</dc:source>
	<dc:source>2613-9189</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/prisma/article/view/20215/9590</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2018 PRISMA, Prosiding Seminar Nasional Matematika</dc:rights>
</oai_dc:dc>