Algoritma Genetika Pada Pendugaan Maximum Likelihood Weighted Logistic Regression Untuk Imbalanced Data Dan Rare Event (Studi Kasus : Klasifikasi Status Bekerja Individu Di Kota Malang)

Menufandu, Dahlia Gladiola Rurina and Rahma Fitriani,, S.Si., M.Si., Ph.D and Dr. Eni Sumarminingsih,, S.Si., M.M (2023) Algoritma Genetika Pada Pendugaan Maximum Likelihood Weighted Logistic Regression Untuk Imbalanced Data Dan Rare Event (Studi Kasus : Klasifikasi Status Bekerja Individu Di Kota Malang). Magister thesis, Universitas Brawijaya.

Abstract

Weighted Logistic Regression (WLR) merupakan metode yang digunakan untuk mengatasi imbalanced data atau rare events dengan menggunakan pembobotan dan merupakan bagian pengembangan dari model regresi logistik sederhana. Untuk menduga parameter model WLR menggunakan pendugaan Maximum Likelihood. Nilai penduga pada parameter maximum likelihood diperoleh menggunakan pendekatan optimasi. Algoritma genetika merupakan algoritma komputasi optimasi yang digunakan untuk mengoptimalkan estimasi parameter model. Penelitian ini bertujuan untuk menduga Maximum Likelihood Weighted Logistic Regression dengan algoritma genetika serta menentukan variabel-variabel signifikan yang berpengaruh terhadap status bekerja individu di Kota Malang dengan data yang digunakan merupakan hasil pendataan Survei Angkatan Kerja Nasional (SAKERNAS) Kota Malang tahun 2020. Hasil analisis menunjukkan bahwa algoritma genetika dapat menjadi metode alternatif optimasi numerik untuk mendapatkan nilai penduga parameter Maximum Likelihood Weighted Logistic Regression (WLR).

English Abstract

Weighted Logistic Regression (WLR) is a method used to overcome imbalanced data or rare events by using weighting and is a development part of the simple logistic regression model. To estimate the parameters of the WLR model using Maximum Likelihood estimation. The estimated value of the maximum likelihood parameter is obtained using an optimization approach. The Genetic algorithm is a computational optimization algorithm used to optimize the estimation of model parameters. This study aims to estimate Maximum-Likelihood Weighted Logistic Regression with a genetic algorithm and determine the significant variables that affect the working status of individuals in Malang City with the data used is the result of data collection from the National Labor Force Survey Malang City in 2020. The analysis results show that genetic algorithms can be an alternative numerical optimization method to obtain the value of the Maximum Likelihood Weighted Logistic Regression (WLR) parameter estimator.

Item Type:	Thesis (Magister)
Identification Number:	042309
Subjects:	500 Natural sciences and mathematics > 519 Probabilities and applied mathematics > 519.5 Statistical mathematics
Divisions:	S2/S3 > Magister Statistika, Fakultas MIPA
Depositing User:	PKN 03 UB
Date Deposited:	08 Jun 2023 02:25
Last Modified:	08 Jun 2023 02:25
URI:	http://repository.ub.ac.id/id/eprint/201139

Text (DALAM MASA EMBARGO) Dahlia Gladiola Rurina Menufandu.pdf Restricted to Registered users only until 31 December 2025. Download (2MB)

Actions (login required)

View Item