@misc{eprints29829,
           month = {Desember},
           title = {ANALISIS KLASIFIKASI MENGGUNAKAN METODE REGRESI
LOGISTIK ORDINAL DAN KLASIFIKASI NA{\"I}VE BAYES PADA
DATA ALUMNI UNILA TAHUN 2016},
          author = { 1317031078 SHINTIA FARAMUDHITA},
         address = { UNIVERSITAS LAMPUNG},
       publisher = {FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM},
            year = {2017},
             url = {http://digilib.unila.ac.id/29829/},
        abstract = {Klasifikasi adalah bentuk analisis data yang mencari sekumpulan pola, model
atau fungsi yang menggambarkan dan membedakan objek data untuk
dikelompokan kedalam kelas tertentu dari sejumlah kelas yang tersedia. Pada
penelitian ini akan dilakukan klasifikasi tingkat kelancaran alumni unila tahun
2016 yang dibagi menjadi tiga kelas bertingkat, yaitu kelas Tidak Lancar (TL),
kelas Kurang Lancar (KL) dan kelas Lancar (L). Metode analisis yang digunakan
adalah Regresi Logistik Ordinal yang merupakan metode pengklasifikasi dengan
teknik statistika dan Na?ve Bayes yang merupakan metode pengklasifikasi dengan
menggabungkan teknik statistika dan data mining. Penelitian ini bertujuan untuk
mengetahui metode mana yang mempunyai tingkat akurasi yang lebih baik dalam
mengkalsifikasi tingkat kelancaran alumni unila tahun 2016 dalam mencari
pekerjaan. Dengan melakukan sepuluh kali pengulangan klasifikasi dari masingmasing
metode, didapat bahwa Regresi Logistik Ordinal mempunyai rata-rata
tingkat error yang lebih kecil dibandingkan Na?ve Bayes akan tetapi pada
pengujian dua rata-rata tidak ada perbedaan secara signifikan penggunaan
kedua metode dalam mengklasifikasi tingkat kelancaran alumni Unila tahun 2016
dalam mencari pekerjaan.
Kata Kunci : Klasifikasi, Regresi Logistik Ordinal, Klasifikasi Na?ve Bayes

ABSTRACT

Classification is a form of data analysis that seeks a set of patterns, models or
functions which describe and distinguish data objects to be grouped into specific
classes of available classes. In this research will be classified alumni Unila in the
classes Not Well, Less Smoothly and Smooth in finding job. The analytical method
used is Ordinal Logistic Regression which is a classifier method with statistical
techniques and Na?ve Bayes which is a classifier method by combining statistical
techniques and data mining. This study aims to determine which method has a
better accuracy rate in classify the smoothness of alumni Unila 2016 in finding
job. By performing ten repetitions of each method, obtained that Ordinal Logistic
Regression has an average error rate smaller than Na?ve Bayes, but in the two-
Means test there is no significant difference of both methods in classifying the
level of smoothness of alumni Unila 2016 in finding job.
Key Word : Classification, Ordinal Logistic Regression, Na?ve Bayes Classifier}
}