Peningkatan Performa Klasifikasi pada Regresi Logistik Biner Menggunakan Metode Bootstrap Aggregating (Bagging)

RINA LISTIYOWATI, Drs. Danardono, MPH., Ph.D.

2021 | Skripsi | S1 STATISTIKA

Klasifikasi merupakan salah satu teknik yang digunakan untuk mengelompokkan suatu data yang disusun secara sistematis. Dalam statistika terdapat beberapa metode klasifikasi, salah satunya adalah regresi logistik. Klasifikasi dengan regresi logistik memuat pendugaan parameter yang tidak stabil, artinya jika terdapat perubahan dalam dataset menyebabkan perubahan yang signifikan pada model. Metode bootstrap aggregating (bagging) merupakan salah satu metode ensemble yang bertujuan meningkatkan stabilitas dan performa klasifikasi. Pada penelitian ini digunakan metode bagging untuk klasifikasi pada regresi logistik dengan beberapa kali replikasi bootstrap. Metode regresi logistik tanpa bagging digunakan sebagai pembanding untuk mengetahui metode mana yang memiliki performa lebih baik. Dari hasil analisis menggunakan dua buah dataset yang berbeda diperoleh kesimpulan bahwa penerapan metode bagging pada regresi logistik mampu meningkatkan performa klasifikasi berdasarkan nilai akurasi dan error rate.

Classification is one of the techniques used to classify data that is arranged systematically. In statistics, there are several classification methods, one of which is logistic regression. Classification with logistic regression contains unstable parameter estimates, meaning that if there is a change in the dataset it causes a significant change in the model. The bootstrap aggregating (bagging) method is one of the ensemble methods that aim to improve the stability and performance of the classification. In this study, the bagging method was used for classification in logistic regression with several bootstrap replications. The logistic regression method without bagging was used as a comparison to find out which method had better performance. From the results of the analysis using two different datasets, it was concluded that the application of the bagging method in logistic regression was able to improve classification performance based on the value of accuracy and error rate.

Kata Kunci : Klasifikasi, Regresi Logistik, Bootstrap Aggregating (Bagging)