{"title":"支持机绩效比较(SVM)和二元物流回归，对FMIPA UNTAD学生的毕业日期进行分类","authors":"I. T. Utami","doi":"10.22487/2540766x.2018.v15.i2.11361","DOIUrl":null,"url":null,"abstract":"Evaluasi kinerja klasifikasi dapat ditentukan berdasarkan persentase besarnya kesalahan klasifikasi (misclassification rate atau MCR). Penelitian ini bertujuan membandingkan kinerja klasifikasi ketepatan waktu kelulusan mahasiswa FMIPA UNTAD dengan menggunakan metode support vector machine dan regresi logistik biner. Hasil penelitian diperoleh bahwa kesalahan klasifikasi dengan menggunakan metode Support Vector Machine (SVM) dan regresi logistik biner masing-masing sebesar 16.84% dan 19.3%. Berdasarkan perbandingan kinerja kedua metode tersebut, metode dengan kesalahan klasifikasi terkecil adalah metode Support Vector Machine. Metode tersebut dapat digunakan untuk mengklasifikasikan ketepatan waktu kelulusan mahasiswa FMIPA UNTAD","PeriodicalId":259622,"journal":{"name":"JURNAL ILMIAH MATEMATIKA DAN TERAPAN","volume":"51 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2018-12-06","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"4","resultStr":"{\"title\":\"PERBANDINGAN KINERJA KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) DAN REGRESI LOGISTIK BINER DALAM MENGKLASIFIKASIKAN KETEPATAN WAKTU KELULUSAN MAHASISWA FMIPA UNTAD\",\"authors\":\"I. T. Utami\",\"doi\":\"10.22487/2540766x.2018.v15.i2.11361\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Evaluasi kinerja klasifikasi dapat ditentukan berdasarkan persentase besarnya kesalahan klasifikasi (misclassification rate atau MCR). Penelitian ini bertujuan membandingkan kinerja klasifikasi ketepatan waktu kelulusan mahasiswa FMIPA UNTAD dengan menggunakan metode support vector machine dan regresi logistik biner. Hasil penelitian diperoleh bahwa kesalahan klasifikasi dengan menggunakan metode Support Vector Machine (SVM) dan regresi logistik biner masing-masing sebesar 16.84% dan 19.3%. Berdasarkan perbandingan kinerja kedua metode tersebut, metode dengan kesalahan klasifikasi terkecil adalah metode Support Vector Machine. Metode tersebut dapat digunakan untuk mengklasifikasikan ketepatan waktu kelulusan mahasiswa FMIPA UNTAD\",\"PeriodicalId\":259622,\"journal\":{\"name\":\"JURNAL ILMIAH MATEMATIKA DAN TERAPAN\",\"volume\":\"51 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2018-12-06\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"4\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"JURNAL ILMIAH MATEMATIKA DAN TERAPAN\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.22487/2540766x.2018.v15.i2.11361\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"JURNAL ILMIAH MATEMATIKA DAN TERAPAN","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22487/2540766x.2018.v15.i2.11361","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
PERBANDINGAN KINERJA KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) DAN REGRESI LOGISTIK BINER DALAM MENGKLASIFIKASIKAN KETEPATAN WAKTU KELULUSAN MAHASISWA FMIPA UNTAD
Evaluasi kinerja klasifikasi dapat ditentukan berdasarkan persentase besarnya kesalahan klasifikasi (misclassification rate atau MCR). Penelitian ini bertujuan membandingkan kinerja klasifikasi ketepatan waktu kelulusan mahasiswa FMIPA UNTAD dengan menggunakan metode support vector machine dan regresi logistik biner. Hasil penelitian diperoleh bahwa kesalahan klasifikasi dengan menggunakan metode Support Vector Machine (SVM) dan regresi logistik biner masing-masing sebesar 16.84% dan 19.3%. Berdasarkan perbandingan kinerja kedua metode tersebut, metode dengan kesalahan klasifikasi terkecil adalah metode Support Vector Machine. Metode tersebut dapat digunakan untuk mengklasifikasikan ketepatan waktu kelulusan mahasiswa FMIPA UNTAD
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
