KARAKTERISTIK PENDUGA MAKSIMUM LIKELIHOOD ESTIMATION PADA ANALISIS KLASIFIKASI METODE REGRESI LOGISTIK ORDINAL DAN NAÏVE BAYES

M. SOLIKHIN, 1717031014 (2022) KARAKTERISTIK PENDUGA MAKSIMUM LIKELIHOOD ESTIMATION PADA ANALISIS KLASIFIKASI METODE REGRESI LOGISTIK ORDINAL DAN NAÏVE BAYES. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG.

Preview	Text 1. ABSTRAK-ABSTRACT.pdf Download (172kB) | Preview
	Text 2. SKRIPSI FULL.pdf Restricted to Repository staff only Download (3MB)
Preview	Text 3. SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2MB) | Preview

Abstract

Klasifikasi merupakan sebuah proses untuk menyelesaikan atau membedakan kelas pada suatu data dengan memprediksi data tersebut. Dalam penelitian ini menggunakan 2 metode klasifikasi yaitu, Regresi Logistik Ordinal dan Naive Bayes. Regresi Logistik Ordinal merupakan suatu metode statistika yang digunakan untuk memprediksi suatu peluang pada variabel respon yang mempunyai karakteristik skala data Ordinal yang memiliki 3 kategori atau lebih. Naïve Bayes merupakan metode klasifikasi yang dimanfaatkan untuk memprediksi suatu peluang data masa depan berdasarkan pengalaman/data yang sudah ada sebelumnya. Parameter dari kedua metode tersebut diduga dengan menggunakan Maksimum Likelihood Estimation. Penduga parameter yang telah didapatkan memiliki karakteristik penduga sebagai berikut, pada Metode Regresi Logistik Ordinal dengan penduga β merupaka penduga yang bias. Pada Metode Naïve Bayes dengan penduga parameter yang dimiliki yaitu μ dan σ^2, dimana penduga parameter μ merupakan penduga yang tak bias, efisien, dan konsisten terhadap parameternya, sedangkan penduga σ^2merupakan penduga yang tak bias asimtotik. Kata kunci : Regresi Logistik Ordinal, Naïve Bayes. Maksimum Likelihood Estimation, Tak Bias, Ragam Minimum, Konsisten.

Item Type:	Other
Subjects:	?? 510 ??
Divisions:	Fakultas MIPA > Prodi Matematika
Depositing User:	2208081498 . Digilib
Date Deposited:	19 Sep 2022 03:30
Last Modified:	19 Sep 2022 03:30
URI:	http://digilib.unila.ac.id/id/eprint/66135

Actions (login required)

View Item