Bootstrap Aggregating Multivariate Adaptive Regression Splines Bagging MARS) untuk Klasifikasi Pasien HIV/AIDS di Kabupaten Pasuruan - ITS Repository
Teks penuh
Gambar
Dokumen terkait
Hasil pendugaan luas area kebakaran hutan dengan menggunakan MARS menghasilkan beberapa variabel yang berpengaruh secara signifikan antara lain : FFMC, hari, temperatur,
Berdasarkan dari permasalahan diatas, maka tujuan dari penelitian ini adalah mendapatkan perbandingan model terbaik antara model regresi spline dan model MARS untuk
Metode MARS merupakan pendekatan untuk regresi nonparametrik yang berguna untuk mengatasi data berdimensi tinggi dan menghasilkan prediksi variabel respon yang akurat dengan
Berdasarkan hasil model terbaik pada langkah (2), variabel respon yang harus digunakan dalam boosting MARS harus dirubah berdasarkan kategorinya, yaitu kadar
Tingkat akurasi dari suatu metode klasifikasi dapat ditingkatkan dengan tujuan memberikan hasil klasifikasi yang lebih baik dan menurunkan tingkat kesalahan klasifikasi maka
Berdasarkan kombinasi fungsi basis (BF), maksimum interaksi (MI), dan minimum observasi (MO) diperoleh beberapa model Multivariate Adaptive Regression Splines (MARS)
Tujuan dari penelitian ini yaitu untuk mengklasifikasikan dan menganalisis kejadian konstipasi terhadap pemberian ASI eksklusif dan pemberian susu formula pada bayi usia 6-12
Untuk tingkat kesalahan klasifikasi dengan metode boosting MARS adalah sebesar 38,07%, sehingga jika dibandingkan dengan tingkat kesalahan pada klasifikasi
