Tinjauan Pustaka
BA OG
OG TR S E TG
RA
AT P I
N G
Algoritma Bagging Regresi Logistik Biner
1
• Mengambil sampel bootstrap sebanyak n dari data set dengan pengulangan sebanyak n. Pengambilan sampel sedemikian hingga setiap variabel aggregate dalam setiap observasi.
2
• Memodelkan regresi logistik biner data set hasil sampel bootstrap B .
4
• Mengulang langkah 1 sampai langkah 4 sebanyak B kali (replikasi bootstrap).
3
5 6 7
• Menghitung peluang respon untuk setiap observasi dan menghitung ketepatan klasifikasi. Kesalahan klasifikasi pada langkah ini disebut eB. • Memperoleh ketepatan klasifikasi bagging dari rata-rata ketepatan klasifikasi setiap pengambilan sampel sampai B, sehingga kesalahan klasifikasi bagging untuk replikasi B kali adalah B. • Membentuk model bagging regresi logistik biner dari rata-rata setiap parameter pada setiap pengambilan sampel sampai B. • Untuk memperoleh hasil yang lebih baik, maka replikasi bootstrap dilakukan sebanyak mungkin (Efron dan Tibshirani, 1993). Replikasi bootstrap yang biasa digunakan adalah 50 sampai 200.
Seminar Hasil Tugas Akhir 2011
20
Sumber Data
Data yang digunakan dalam penelitian ini merupakan data sekunder yang diperoleh dari hasil Survey Sosial Ekonomi Nasional (SUSENAS-2009) Jawa Timur. SUSENAS adalah survey yang dirancang BPS untuk mengumpulkan data sosial ekonomi kependudukan dengan cakupan yang luas, mulai dari aspek pendidikan, kesehatan, perumahan, dan variabel sosial ekonomi lainnya yang umumnya berkaitan dengan kesejahteraan rumah tangga.
Seminar Hasil Tugas Akhir 2011
21
Variabel Penelitian Variabel Respon Variabel respon dalam penelitian ini adalah kesejahteraan rumah tangga, dimana rumah tangga dibagi menjadi 2 kategori, yaitu : 1 = miskin 2 = tidak miskin Pengelompokkan tersebut didasarkan pada besarnya pengeluaran perkapita rumah tangga per bulan. Pada tahun 2009, BPS telah menetapkan angka Rp 200.262,00 sebagai garis kemiskinan. Apabila suatu rumah tangga memiliki pengeluaran perkapita per bulan di bawah nilai garis kemiskinan tersebut, maka rumah tangga tersebut digolongkan sebagai rumah tangga miskin, dan sebaliknya.
Seminar Hasil Tugas Akhir 2011
22
Variabel Penelitian
Seminar Hasil Tugas Akhir 2011
23
Variabel Penelitian
Seminar Hasil Tugas Akhir 2011
24
Metode Analisis 1. 2. 3. 4. 5. 6. 7. 8.
Analisis statistik deskriptif untuk masing-masing faktor-faktor yang mempengaruhi kesejahteraan rumah tangga di Kota Malang. Melakukan analisis regresi logistik biner dengan pengujian secara individu terhadap masing-masing variabel prediktor. Menentukan model regresi logistik biner dengan memasukkan seluruh variabel prediktor yang signifikan berpengaruh pada pengujian secara individu. Mendapatkan variabel prediktor yang signifikan berpengaruh terhadap model regresi logistik biner. Melakukan bootstrap aggregating untuk prediktor dari model logistik biner, dengan 50 sampai 80 replikasi bootstrap. Menentukan ketepatan klasifikasi pada setiap pengambilan sampel B replikasi bootstrap, sehingga diperoleh kesalahan klasifikasi eB. Menentukan kesalahan klasifikasi bagging B. Membentuk model bagging regresi logistik biner dari rata-rata setiap parameter pada setiap pengambilan sampel sampai B. Seminar Hasil Tugas Akhir 2011
25
Statistik Deskriptif Pengeluaran Perkapita
Nilai pengeluaran perkapita rumah tangga per bulan yang terkecil adalah sebesar Rp 126.100,00, sedangkan yang terbesar sebesar Rp 4.299.393,00. Nilai rata-rata pengeluaran perkapita rumah tangga per bulan di Kota Malang dari 736 rumah tangga adalah sebesar Rp 710.387,00.
Rumah Tangga
2,04% rumah tangga di Kota Malang termasuk dalam kelompok miskin karena memiliki pengeluaran perkapita per bulan di bawah garis kemiskinan. Sedangkan 97,96% sisanya termasuk dalam kelompok tidak miskin.
Seminar Hasil Tugas Akhir 2011
26
Statistik Deskriptif Kependudukan
Rata-rata rumah tangga miskin di Kota Malang memiliki anggota rumah tangga sebanyak 5,667 ~ 6 orang. Sedangkan rata-rata jumlah anggota rumah tangga tidak miskin sebesar 3,6158 ~ 4 orang. Hal ini menunjukkan bahwa rata-rata jumlah anggota rumah tangga miskin di Kota Malang tahun 2009 lebih tinggi dibandingkan dengan rumah tangga tidak miskin.
Persentase perempuan yang berperan sebagai kepala rumah tangga tidak miskin lebih besar daripada rumah tangga miskin, yaitu mencapai 24%. Sementara itu, persentase kepala rumah tangga dengan status kawin lebih banyak ditemukan pada kelompok rumah tangga miskin.
Seminar Hasil Tugas Akhir 2011
27
Statistik Deskriptif Pendidikan
Persentase kepala rumah tangga tidak miskin yang pendidikannya tamat di atas SLTA sebesar 100%. Sedangkan persentase kepala rumah tangga miskin yang pendidikannya tamat di atas SLTA hanya sebesar 0%. Jadi, dapat dikatakan bahwa semakin tinggi pendidikan kepala rumah tangga, semakin menunjukkan bahwa rumah tangga tersebut tidak miskin. Sebaliknya, semakin rendah pendidikan kepala rumah tangga, semakin menunjukkan bahwa rumah tangga tersebut miskin.
Seminar Hasil Tugas Akhir 2011
28
