Septian, Muhammad (2023) Analisis Bootstrap Aggregating Multivariate Adaptive Regression Splines Untuk Akreditasi Sekolah SMA/MA Di Kalimantan Barat. Skripsi thesis, Universitas Tanjungpura.
![[img]](http://36.95.239.66/style/images/fileicons/text.png) |
Text (Cover-Bab I)
Cover-Bab1_H1091171011.pdf - Published Version Download (814kB) |
|
Text (H1091171011_MUHAMMAD SEPTIAN)
H1091171011_MUHAMMAD SEPTIAN.pdf - Accepted Version Restricted to Repository staff only Download (2MB) |
Abstract
Multivariate Adaptive Regression Splines (MARS) adalah salah satu model regresi nonparametrik dengan metode klasifikasi yang inovatif dan relatif fleksibel untuk menyelidiki hubungan antara variabel respon dan variabel prediktor tanpa asumsi. MARS merupakan pengembangan dari recursive partition regression (RPR) dengan metode Spline yang mampu menghasilkan prediksi yang akurat dan menghasilkan knot yang kontinu. Tingkat akurasi klasifikasi model MARS dapat ditingkatkan dengan menggunakan metode resampling, salah satunya adalah bootstrap aggregating (bagging). Bagging merupakan metode yang menggabungkan banyak nilai prediktor dan respon untuk memperoleh agregat melalui nilai generalized cross validation (GCV). Penelitian ini menggunakan data akreditasi sekolah SMA/MA di Kalimantan Barat yang diperoleh dari situs Badan Akreditasi Nasional – Sekolah Madrasah (BAN-SM) dengan 8 variabel prediktor dan 2 variabel respon. Hasil penelitian pada metode Bagging MARS dengan GCV minimum didapatkan pada pengulangan ke – 92 dari 100 pengulangan. GCV minimum didapat sebesar 0,038 menghasilkan beberapa variabel yang berpengaruh secara signifikan, antara lain sarana dan prasarana (X5), standar pengajar dan tenaga kerja (X4), standar pengelolaan (X6), standar proses (X2), standar pembiayaan (X7), standar lulusan (X3), standar penilaian (X8), dan standar isi (X1) dengan tingkat kepentingan variabel terhadap model berturut – turut sebesar 100%, 37.515%, 36.290%, 34.542%, 22.300%, 16.180%, 12.183% dan 5.214%, dan ketepatan klasifikasi sebesar 96,07%.
| Item Type: | Thesis (Skripsi) | ||||||
|---|---|---|---|---|---|---|---|
| Creators: |
|
||||||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 001 Ilmu pengetahuan | ||||||
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistik S1 | ||||||
| Depositing User: | Sri Yulihartini | ||||||
| Date Deposited: | 17 Jul 2025 07:36 | ||||||
| Last Modified: | 17 Jul 2025 07:36 | ||||||
| URI: | http://36.95.239.66/id/eprint/3007 |
Actions (login required)
 |
View Item |
