TY - GEN CY - UNIVERSITAS LAMPUNG ID - eprints29829 UR - http://digilib.unila.ac.id/29829/ A1 - SHINTIA FARAMUDHITA, 1317031078 Y1 - 2017/12/13/ N2 - 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 PB - FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM TI - ANALISIS KLASIFIKASI MENGGUNAKAN METODE REGRESI LOGISTIK ORDINAL DAN KLASIFIKASI NAÏVE BAYES PADA DATA ALUMNI UNILA TAHUN 2016 AV - restricted ER -