%0 Generic
%A SHINTIA FARAMUDHITA,  1317031078
%C  UNIVERSITAS LAMPUNG
%D 2017
%F eprints:29829
%I FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
%T ANALISIS KLASIFIKASI MENGGUNAKAN METODE REGRESI  LOGISTIK ORDINAL DAN KLASIFIKASI NAÏVE BAYES PADA  DATA ALUMNI UNILA TAHUN 2016
%U http://digilib.unila.ac.id/29829/
%X 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 Naϊve 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 Naϊve 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 Naϊve 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 Naϊve 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 Naϊve 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, Naϊve Bayes Classifier