METODE BOOTSTRAP AGGREGATING REGRESI LOGISTIK BINER UNTUK KETEPATAN KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI - Diponegoro University | Institutional Repository (UNDIP-IR)

METODE

BOOTSTRAP AGGREGATING

REGRESI LOGISTIK

BINER UNTUK KETEPATAN KLASIFIKASI

KESEJAHTERAAN RUMAH TANGGA DI KOTA PATI

SKRIPSI

Disusun oleh:

RIDHA RAMANDHANI

24010212140071

DEPARTEMEN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

SEMARANG

i

BOOTSTRAP AGGREGATING

24010212140071

kripsi

Disusun Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains

pada Departemen Statistika Fakultas Sains dan Matematika Universitas Diponegoro

DEPARTEMEN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

SEMARANG

ii

Judul

: Metode

Bootstrap Aggregating

Regresi Logistik Biner untuk

Ketepatan Klasifikasi Kesejahteraan Rumah Tangga di Kota Pati

Nama

: Ridha Ramandhani

NIM

: 24010212140071

Departemen : Statistika

Telah diujikan pada sidang Tugas Akhir dan dinyatakan lulus pada tanggal

22 Desember 20016.

Semarang, 29 Desember 2016

Mengetahui,

Ketua Departemen Statistika

Fakultas Sains dan Matematika UNDIP

Dr. Tarno, M.Si

NIP. 196307061991021001

Panitia Penguji Tugas Akhir

Ketua,

J

0102 3

M

45614

Bootstrap Aggregating

R

4 7849 %

L

67%9 5%: ; %<48 0<50:

K

4 54=>5> <

K

2 >9 %?%:> 9 %

K

4 94@>A 548>> <B 0 C>AD> < 77>1 %

K

6 5>

P

> 5%

N

> C> 3

R

%1A>

R

>C><1A> <%

NIM

3

24010212140071

E4=>854 C4 < 3

S

5>5 %9 5%:>

T

42>A1 %0@ %:> <=>1>9%1><7

T

07>9F:A %85> < 77>2

22

E494 CG48

2016.

S

4 C>8>< 7

, 2

HE4 94C G48

2016

P

4 CG%C G%<7

I

E8 9

. S

01>8 <6IJ

.S

%

NIP.1

H

64070

HKHH LM KKM

01

P

4 CG% CG%<7

II

i

v

Puji syukur

penulis panjatkan pada

X Y

lah SWT atas rahmat, hidayah serta

karunia -Nya sehingga penulis dapat menyelesaikan Tugas

X Z[\

r yang diberi judul

Metode

Bootstrap Aggregating

Regresi Logistik Biner u ntuk Ketepatan

Klasifikasi Kesejahteraan Rumah Tangga di Kota Pati

]

Penulis menyadari

bahwa penulisan Tugas

X Z[\

r ini tidak akan berjalan dengan baik tanpa adanya

dukungan dari berbagai pihak

]

Oleh karena itu pada kesempatan ini penulis ingin

mengucapkan terima kasih kepada:

^]

Bapak Dr

]

Tarno, M

]_

i selaku Ketua Departemen Statistika Fakultas Sains dan

Matematika Universitas Diponegoro

]

`]

Bapak Drs

]

Sudarno, M

]_

i selaku dosen pembimbing I atas bimbingan dan arahan

serta waktu yang diberikan

kepada penulis hingga terselesaikannya Tuga

s

X Z[\

r

ini

]

a]

Ibu Diah Safitri, S

]_

i

]bc]_

i selaku dosen pembimbing II atas bimbingan dan

arahan serta waktu yang diberikan

kepada penulis hingga terselesaikannya Tuga

s

X Z[\

r ini

]

4

]

Keluarga dan semua pihak yang telah membantu kelancaran penyusunan

al

Propos

Tugas

X Z[\

r ini, yang tidak dapat penulis sebutkan satu -sat

d]

Tugas

XZ[\

r ini tidak sempurna, oleh karenanya diharapkan dengan sangat

penilaian serta kritik atau saran yang membangun agar Tugas

XZ[\

r ini menjadi lebih

baik dan berguna bagi para pembaca selanjutnya

]

Semarang, Desember

`e^

6

stu tvwxy tzww{| tz}~ww {uw€wxuwy }w u~ t

y

w {‚} }~~t{y ƒ{ } {y} |t{vww „w{|t|…ƒ{wy tzvw „ƒ{

y

wuy w…ƒ€ ƒyw uu† uƒw€ „w{t†{ † |ƒ‡ˆtz… ww ƒ~t{ t€ƒyƒw{

y

w {y t€wx „ƒ€ w} w{ |t{ t{w ƒ tu tvwxy tzww{ |t{ƒ{ „ƒ w u ƒ w{ …wx‰w …w{

y

w Šw y †z

y

w { |t|~t{ wz}x ƒ  tu tvwxytzww{ z} |wx y w{w‡ ‹w y†z Œ Šw y †z

y

w{ | t |~ t{ wz}x ƒ tutvwxy tz ww{ z} |wx yw{w w{ywzw €w ƒ{ vt{ ƒ u t€w | ƒ{ t~w€ w z} |wx yw { w }u ƒw t~w€ w z} |wx y w{w €w ~w{ w{ } uwx w t~ w€w z}|wx y w{w v } |€ wx w{ †y w z} |wx yw{ w…wxw{…ww z}yw |w}{y } |t|w uw~t{ w€ w |w{| t|… t€ƒzw u ƒ{„w{w „wwy w} y ƒ „w{

y

w w{†y w t€ }wzw

y

w { |t{}wu w ƒ ~t{}{w w{ yt€t~†{ u t€}€ tzŽ  ‡ ‘w€ w| ~ t{ t€ ƒyƒw{ƒ{ ƒ„ƒ€w } w{wvƒw{y t{yw{€w u ƒŠƒw uƒtutvwxy tz ww{z} |wxyw{w„ƒs†yw  wy ƒ„t{ w{y}v }w{}{y} |t{ ƒ „t{yƒŠƒw u ƒŠw y†z Œ Šw y †zw~ wuwv w

y

w {| t |~ t{ wz}x ƒ tutvwxy tz ww{ z} |wx y w{w „ƒ s†yw wyƒ‡ ‘wz ƒ xw u ƒ€ wvƒw{ „t{w{ | t{ }{w w{ |ty †„t ’““”

st

•–— ˜™™ •š™– ”› œ™ ’–™™›œ™

)

zt z tu ƒ €†ƒ uyƒ … ƒ{ tz „ƒ~tz†€ tx yƒ w lwzƒw… t€~zt„ƒy†z

y

w{ …tz~ t{w z }x u ƒ{ ƒŠƒw{ ytzxw„w~  tu tv wxytzww{ z}|wx yw{ w „ƒ s†yw wy ƒ

y

wƒy}v t{ ƒu t€w |ƒ{ t~w€wt€}wz w v }|€wxw{ †ywz} |wx y w{ w „w{ ~ t{} w uww{ y t€ t~†{ ut €}€ tz „t{w{ yƒ{ wy w }z wu ƒ u t… tuwz žŸ  ž¡‡ wuƒ€ w{w€ ƒ uƒ u

bagging

z tztu ƒ €† ƒuy ƒ  … ƒ{ tz „t{w{ zt~ € ƒ wu ƒ

bootstrap

u t… tuwz ¢£ ¤ £ ž£  £ Ÿ£ ¥££ ¥¢ £ ¦££ ¤¦¤ „w{ ¥£££ w€ƒ |t{}{v } w{ …wx‰ w ytz „w~ wy †{ u ƒuyt{ u ƒ ~w „w u tyƒw~~ t{}€ w{w{‡

vi

We

°

fare is

±²³

as

´

ect that is

µ¶·

te i

¸´± ¹

ta

²º

t

±¸

ai

²º

ai

²

a

² »

f

±¼

ter the s

± ½

ia

°

a

² »

ec

±²±¸

ic stabi

°

ity

¾ ¿À

ri

±¶¼

studies have bee

²

c

±² »¶ ½

ted regardi

²

g the we

°

fare

i

² »·

cates that

¸

a

²

y fact

± ¹

s affect h

±¶¼

eh

±°

d we

°

fare

¾

Á

act

± ¹

s affecti

²

g h

±¶¼

eh

± °

d

we

°

fare a

¸±²

g

±º

her ge

² »³

r

±Â

h

±¶¼

eh

±°

d head

Ã

age

±Â

h

±¶¼

eh

± °

d heads

Ã

the

¶² »³

rta

Ä·²

g

±Â

the head

±Â

h

±¶¼

eh

± °

d

à ²¶¸

ber

±Â

h

±¶¼

eh

± °

d

¸

e

¸

bers

Ã

the

´ ¹

i

¸

ary

fue

°

f

± ¹

c

±± Ä· ²

g

Ã

buyi

²

g ex

´³

rie

² ½

e

Å

as

Ä·²

a

² »

the

´ ¹

ese

² ½

e

± ¹

abse

²

ce

±Â

fa

¸

i

°

y

¸

e

¸

bers wh

±

c

±²º

r

± °

us e ce

° ° ´Æ±²³ Ç È É¾ ʲ

this research study

±²

h

±¶¼

eh

± °

d

we

°

fare c

°

assificati

±²

i

²É

ati with the ai

¸

t

±

ide

²

tify fact

±

rs that i

²Â°

ue

² ½

e h

±¶¼

eh

± °

d

we

°

fare i

² É

ati

¾ Á

r

±¸

the res

¶ °

ts

±

f studies usi

²

g

˱±º

stra

´

aggregati

²

g

ÌË

aggi

²

g

Í

bi

²À

ry

°±

gistic regressi

±² ± Î

tai

²³

d three

´ ¹

edict

±¹

variab

°

es that sig

²·

fica

²º°

y

i

²Â°

ue

² ½

e h

±¶¼

eh

±°

d we

°

fare i

² É

ati

à ²À¸

e

°

y ge

²

der heads

±Â

h

±¶¼

eh

±°

d

à ²¶¸

ber

±Â

h

±¶¼

eh

± °

d

¸

e

¸

bers

Ã

a

² »¸

astery

±Â¸± η °

e

´Æ±²

es with a high degree

±Â

accuracy at

ÏÐÃ ÑÏÒ ¾ Å

es

¶ °

ts baggi

²

g bi

²À

ry

°±Ó

istic regressi

±²

a

²À°

ysis with b

±±º

stra

´

re

´ °

icati

±²

by

ÔÕÃ ÖÕÃ ÏÕÃ ÑÕÃ ÐÕÃ ×ÕÕÃ ×ÔÕÃ ØÕÕÃ ÖØÖÃ

a

² » ×ÕÕÕ

ti

¸

es i

² »·

cate that

there is c

±²¼

iste

² ½

y

±²

each re

´³

titi

±²¾

!"

t

m

#

s

$#

r

#

m

%

t

%

r

&

o

'%

l

( %)*%

s

+

o

)

st

, -

n

%

r

. / $%0 )12#

n

$#

r

#

m

%

t

%

r

.3 /. 4 2( #

s

o

+,%

l

566' 7428 %

s

%

lur

1 5 #

n

9 .3

/ 4 2

Wald

742:0 ''1 9.;

/< 4 2

Goodness of Fit...

= > $

ros

%'1 * 8 ? #

s

@,#

s

.

3

Bootstrap Aggregatting (Bagging)

A B AC CCDE F GH GI GJCKE LE IC F CB L

<. M

um

N%

r

O #

t

# /

< P #

r

#N%

l

$%

n

%

l

t

#

n

/ << &%

t

6'% Q0 #

l

s

s

3

<R O#)*#

m

Q?

r

;

A B AC SB LB IC T CTHBLKE D A BU BTB L

R. Q0 ), #V #

r

s

8%

m

s

,0 #

n

8#N1 W#

t

%

n

$#

t

X #510=.R <= R Q0 #

l

s

s

( %)

r

%

s

+

o

)

st

, -0%

r

<= R . !"

t

m

#

s

$#

r

#

m

%

t

%

r

<= R 4 2( #

s

o

[

x

\]^]_ ` a[bc

l

de`a[ f c

r

cg

m

t

g

r

hgic

r

c jkd[l[d mnjj]]]]]]]]]]]]]]]]]]]]]]]]o_ \]^]p ` a[qc

s

[

o

r[sg

l

[tuude` a[f c

r

c

m

g

t

g

r

v g

s

g

lur

mtc

n

njjj ]]]]]]]]op \]^]w ` a[bc

l

de`a[fcc

r

m

g

t

g

r

hgic

r

c jkd[l[d mnjjj]]]]]]]]]]]]]]]]]]]]]]ow \]^]x ` a[

Goodness of Fit

e` a[v giuiusc

n

y udg

l

n ]]]]]]]]]]]]]]]]]]]]]]]ox \]^]z yud g

l

{ st[

r

]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]oz \]o vg

t

g|c

t

c

n

v}c

s

[~[sc[

s

]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]\  \]\

Bagging

q g€

r

g

s

[ r

o

€[

st

[s [k g

r

]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]\ ‚ ƒ „ ƒ…†‡ ˆ ‰Š‹Œ  „Ž

vg

s

[

m

pul

x

x

Å

ÐÑÑ

l

m

Ñ

n

ÒÑ

m

ÓÅ

r

Ñ

n

ÔÕÖÑ

t

ÑÐÑÅ

s

l

× Ø×ÙÚÛ×ÜÑÝÞÓÑ

t

ß

n

àÑ

t

Å áÑâÞãäåÔæçÕÕ ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕæè ÒÑ

m

ÓÅ

r

Ñ

n

äÕé Þê

put

à

r

ëìíÑ

m

× à × ×îàß

rt

Ñ

m

Ñï ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕ ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕ ðæ ÒÑ

m

ÓÅ

r

Ñ

n

ñÕé Þê

put

à

r

ëìíÑ

m

× à × ×î ÜßòÞÑï ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕ ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕ ÕÕÕÕÕÕÕÕÕÕÕ ðð ÒÑ

m

ÓÅ

r

Ñ

n

æÕé Þê

put

à

r

ëìíÑ

m

× à × ×î Üß

t

ÅìÑï ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕ ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕ ÕÕÕÕÕÕÕ ðè ÒÑ

m

ÓÅ

r

Ñ

n

óÕÐÑ

s

Å

l

Üß

t

ß

p

Ñ

t

Ñ

n

ÜôÑ

s

ÅõÅöÑ

s

Å÷ÑììÅ

n

ìø ßì

r

ß

s

Å Ò

o

ìÅ

st

Åö ÷Åã ß

r

ÕÕÕÕÕÕÕÕÕ ðù ÒÑ

m

ÓÅ

r

Ñ

n

ðÕ×Å

nt

Ñöú

Bagging

øßì

r

ß

s

Å Ò

o

ìÅ

st

Åö ÷Åã ß

r

ÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕÕ ÕÕÕÕÕÕ ûä ÒÑ

m

ÓÅ

r

Ñ

n

›œ žŸž  ¡ ž¢ ž £ ž¤  ¥ ¦¥ ž¤  § ¦ ž¤  ¦ ¨¤ ¨© ž£ª ¨

r

ž ž¢

r

«¡ ž£

t

ž¢ŸŸž ¬  ­

ot

ž ® ž

t

  ¯¨

r

¬ ž¤ ž

r

¦ ž¢ ¡ ¨

t

°¬ ¨ ±¨Ÿ

r

¨¤  ²

o

Ÿ 

st

  ¦  ¢¨

r

³

´œ žŸž 

m

ž

n

ž£ž¤ ¥¦ ¨

t

¨µ ž

t

ž

n

¦¥ž¤ §  ¦ ž¤  ¦ ¨

s

¨©ž£ª¨

r

ž ž

n rum

ž£

t

ž

n

ŸŸž ¬  ¦°ªž ®ž

t

 ¯¨¬ ž¤ ž

r

r

¦ž

n m

¨°¬ ¨

t

±¨Ÿ

r

¨¤ ²

o

Ÿ 

st

  ¦  ¢¨

r

³

¶œ žŸž 

m

ž

n

ž£ž¤ ¥¦ ¨

t

¨µ ž

t

ž

n

¦¥ž¤ §  ¦ ž¤  ¦ ¨

s

¨©ž£ª¨

r

ž ž

n rum

ž£

t

ž

n

ŸŸž¬  ¦°ªž ®ž

t

  ¯¨

r

¬ ž¤ ž

r

¦ž

n m

¨

to

¬ ¨

Bootstrap Aggregating (Bagging)

±¨Ÿ

r

¨¤  ²

o

Ÿ 

st

 ¦ ¢¨

r

³

1

·¸· ¹º»º¼ º½¾º¼º¿ºÀ

®ž¬ ž µ ¨¢¨¥  

t

 ž

n

 ¢  Á ¬ ž

t

ž

y

žŸ

n

¬ Ÿ«¢ž¦ ž

n

ž¬ ž¥ ž£ ¬ ž

t

ž Â

ur

è    ° ¤  ž¥ Ħ° ¢°

m

  ޤ ° ¢ž¥ ÆÂÇÂÄÅÈÂÉ

t

ž£ «¢ ÊËÌ ´ ¬ ¨

n

Ÿž

n

m

¨

t

°¬ ¨

Bootstrap

Aggregating (Bagging)

± ¨ŸÍ ¨¤ ²

o

Ÿ 

st

 ¦   ¢¨

r

œ

1

·Î· Ï

u

Ð

u

º½ÑÒ½

u

¿Ó¼ º½

Ô«© «ž

n

¬ ž

r

  µ ¨

n

¨¥  

t

 ž

n

  ¢ ž¬ ž¥ž£Õ

̜ Ö¨¢Ÿ ¨

t

ž£ « 

m

°¬ ¨¥ ¬ž

n

¦ ¨¨µ ž

t

t

ž

n

¦¥ž¤ §  ¦ ž¤  ¦ ¨¤ ¨©ž£ª¨

r

žž

n rum

ž£

t

ž¢ŸŸ ž¬ ­

ot

ž®ž

t

  ¯¨

r

¬ ž ¤ ž

r

¦ ž

n

ž

n

ž¥ ¤ 

s

±¨Ÿ

r

¨¤ ² °Ÿ 

st

  ¦  ¢¨

r

œ

ʜ Ö¨¢Ÿ ¨

t

ž£ « 

m

°¬ ¨¥ ¬ž

n

¦ ¨¨µ ž

t

t

ž

n

¦¥ž¤ §  ¦ ž¤  ¦ ¨¤ ¨©ž£ª¨

r

žž

n rum

ž£

t