Decision tree is a algorithm used as a reasoning procedure to get answers from problems are entered. Many methods can be used in decision trees, including the C5.0 algorithm and Classification and Regression Tree (CART). C5.0 algorithm is a non-binary decision tree where the branch of tree can be more than two, while the CART algorithm is a binary decision tree where the branch of tree consists of only two branches. This research aims to determine the classification results of the C5.0 and CART algorithms and to determine the comparison of the accuracy classification results from these two methods. The variables used in this research are the average monthly income (Y), employment (X1), number of family members (X2), last education (X3) and gender (X4). After analyzing the results obtained that the accuracy rate of C5.0 algorithm is 79,17% while the accuracy rate of CART is 84,63%. So it can be said that the CART method is a better method in classifying the average income of the people of Teluk Baru Village in Muara Ancalong District in 2019 compared to the C5.0 algorithm method. Keywords: C5.0 Algorithm, CART, Classification, Decision Tree.
Penelitian ini menggunakan model regresi nonparametrik birespon dengan pendekatan spline truncated. Model tersebut digunakan untuk menyelesaikan permasalahan analisis regresi yang bentuk kurvanya tidak diketahui. Pendekatan spline truncated memiliki fungsi polinomial tersegmen yang memberikan sifat fleksibilitas. Data yang digunakan dalam penelitian ini terdiri dari dua variabel respon yaitu Angka Harapan Hidup (AHH) dan Angka Kematian Bayi (AKB) di Pulau Kalimantan. Tujuan penelitian adalah untuk menentukan model regresi nonparametrik spline truncated birespon pada data AHH dan AKB dan mengetahui faktor-faktor yang mempengaruhi AHH dan AKB. Hasil penelitian diperoleh model terbaik yaitu model regresi nonparametrik spline linier birespon dengan nilai R2 sebesar 80,51 persen dan model spline tiga titik knot dengan nilai Generalized Cross Validation (GCV) minimum 7,1454. Faktor-faktor yang mempengaruhi AHH dan AKB adalah persentase keluarga menerapkan Perilaku Hidup Bersih dan Sehat (PHBS), persentase bayi diberi Air Susu Ibu (ASI) usia 0-6 bulan, laju pertumbuhan ekonomi, persentase persalinan yang dibantu oleh tenaga medis dan persentase penduduk miskin.
Fuzzy Time Series (FTS) adalah metode peramalan yang digunakan untuk mengolah data aktual yang dibentuk ke dalam nilai-nilai linguistik. Salah satu metode dalam FTS yaitu FTS berbasis Algoritma Novel. FTS berbasis Algoritma Novel merupakan perkembangan dari metode FTS sebelumnya dimana pada langkah peramalannya menggunakan kecenderungan peramalan untuk menentukan nilai peramalannya. Metode ini akan diaplikasikan pada data Indeks Harga Konsumen (IHK) Kota Samarinda periode Januari 2018 - Desember 2019 dengan penentuan panjang intervalnya menggunakan metode average based length. IHK adalah indikator ekonomi yang sangat penting dan memiliki pengaruh terhadap laju inflasi ekonomi. Penelitian ini bertujuan untuk memperoleh tingkat akurasi peramalan dengan menggunakan Mean Absolute Percentage Error (MAPE) serta memperoleh nilai peramalan IHK di Kota Samarinda pada bulan Januari 2020. Berdasarkan hasil penelitian, diperoleh tingkat akurasi peramalan dengan menggunakan MAPE untuk data IHK Kota Samarinda bulan Januari 2018 – Desember 2019 adalah sebesar 0,038%. Hasil peramalan untuk bulan Januari 2020 sebesar 140,00. Kata Kunci: algoritma novel, FTS, IHK, MAPE
Ekspor merupakan aktivitas perdagangan atau penjualan barang dari dalam negeri ke luar negeri. Ekspor nonmigas sebagai salah satu komponen pembentuk Produk Domestik Regional Bruto (PDRB) sehingga perlu adanya suatu peramalan nilai di masa mendatang. Fuzzy Time Series (FTS) merupakan metode peramalan dengan berdasarkan teori himpunan fuzzy, logika fuzzy, serta hasil peramalan yang dapat dibahasakan (linguistik). Metode Weighted Fuzzy Time Series (WFTS) Lee merupakan perluasan dari metode FTS dengan penambahan pembobotan pada tiap pola relasi yang terbentuk. Tujuan penelitian ini adalah memperoleh nilai peramalan ekspor nonmigas Provinsi Kalimantan Timur pada bulan November 2020 serta memperoleh nilai akurasi peramalan berdasarkan metode Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Berdasarkan hasil analisis diperoleh nilai akurasi peramalan untuk data Ekspor Nonmigas Provinsi Kalimantan Timur bulan Januari 2019 – Oktober 2020 dengan konstanta pembobot menggunakan metode MAPE diperoleh hasil keseluruhan dibawah 10% sehingga diperoleh konstanta pembobot terbaik yaitu dengan nilai MAPE terminimum yaitu sebesar 3,62% dan RMSE minimum sebesar 50,67. Dari hasil tersebut, diperoleh hasil peramalan untuk bulan November 2020 dengan menggunakan kontanta pembobot terbaik yaitu sebesar 850,96 juta USD.
Pembangunan merupakan salah satu cara untuk meningkatkan kualitas kehidupan demi terciptanya masyarakat yang sejahtera. Pemerintah terus melakukan pembangunan di segala aspek seperti aspek pendidikan, kesehatan, dan kehidupan yang layak. Untuk mengukur keberhasilan pembangunan salah satu indikator yang bisa digunakan adalah Indeks Pembangunan Manusia (IPM). Dalam perhitungan IPM, telah melibatkan komponen ekonomi maupun non ekonomi. Penelitian ini bertujuan untuk meneliti faktor-faktor yang mempengaruhi IPM Kalimantan pada tahun 2014-2017. Karena data yang digunakan merupakan data panel yaitu gabungan antara data cross-section dan data time-series, maka IPM dimodelkan dengan regresi panel. Untuk mengestimasi model digunakan pendekatan Fixed Effect Model (FEM). Pemodelan IPM menghasilkan nilai sebesar 99,54 persen. Hasil penelitian menunjukkan bahwa untuk meningkatkan IPM dapat dilakukan dengan cara meningkatakan angka harapan hidup, rata-rata lama sekolah, harapan lama sekolah, dan pengeluaran per kapita.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.