METODE RARE EVENT WEIGHTED LOGISTIC REGRESSION UNTUK MENGKLASIFIKASIKAN KASUS MULTICLASS DENGAN DATA TIDAK SEIMBANG : Studi Kasus Klasifikasi Tingkat Risiko Penularan COVID-19 di Provinsi Jawa Barat

• Main Author: Syifaul Hidayah, - (Author)
• Format: Book
• Published: 2022-08-25.
• Subjects: Thesis; NonPeerReviewed
• Online Access: Link Metadata

Summary

Salah satu teknik penting dalam data mining adalah klasifikasi data. Ada berbagai macam metode klasifikasi, salah satunya menggunakan regresi logistik. Keunggulan metode regresi logistik dalam klasifikasi adalah memperoleh informasi berupa pengaruh beberapa variabel bebas yang bersifat numerik atau kategorik terhadap variabel terikat yang bersifat kategorik dan memberikan nilai ambang probabilitas dalam menentukan kelas. Salah satu metode regresi logistik yang efektif untuk mengklasifikasikan data adalah metode Rare Event Weighted Logistic (RE-WLR) untuk mengklasifikasikan kasus multiclass dengan data tidak seimbang. Pada penelitian ini bertujuan memperoleh model untuk mengklasifikasikan kasus tingkat risiko penularan COVID-19 di Provinsi Jawa Barat yang menyumbang sekitar 16,5% dari kasus terkonfirmasi COVID-19 di Indonesia. Tingkat risiko penularan COVID-19 direkategorisasi menjadi 2 (dua) yaitu zona risiko (0) dengan 5.634 (95%) Desa/Kelurahan dan zona tanpa risiko (1) dengan 23 (5%) Desa/Kelurahan pada bulan Desember 2021. Hasil penelitian menunjukkan bahwa model RE-WLR terpilih terletak pada skema partisi data 70:30 dengan λ sebesar 0,5. Faktor-faktor yang secara signifikan mempengaruhi tingkat risiko penularan COVID-19 adalah tingkat kepadatan transportasi, kepadatan penduduk, titik keramaian, dan jumlah kasus terkonfirmasi COVID-19. Berdasarkan nilai AUC, model RE-WLR terbaik untuk klasifikasi kasus tingkat risiko penularan COVID-19 di Jawa Barat menghasilkan akurasi klasifikasi sebesar 0,930485 dan termasuk dalam Klasifikasi Sangat Baik. One of the important techniques in data mining is data classification. There are various classifications, one of which uses logistic regression. The advantage of logistics in classification is to obtain information in the form of the influence of several independent variables that are numeric or categorical on categorical variables and provide a probability threshold value in determining the class. One of the effective logistic regression methods for classifying data is the Rare Event Weighted Logistic (RE-WLR) method to classify multiclass cases with unbalanced data. This study aims to obtain a model for classifying risk cases of COVID-19 transmission in West Java Province which discusses about 16.5% of confirmed cases of COVID-19 in Indonesia. The risk level of COVID-19 distribution is categorized into 2 (two) namely risk zone (0) with 5,634 (95%) Villages/Kelurahan and no risk zone (1) with 23 (5%) Villages/Kelurahan in December 2021. The result of this study show that the selected RE-WLR model lies in the 70:30 data partition scheme with λ is used 0.5. Factors that significantly influence the risk factors for COVID-19 transmission are the level of population density, crowd points, and the number of confirmed cases of COVID-19. Based on the AUC value, the best RE-WLR model for the classification of risk cases of COVID-19 transmission in West Java resulted in a classification accuracy of 0.930485 and was included in the Very Good Classification. Keywords: Classification, Logistics Regression, RE-WLR, Transmission Risk of COVID-19.

Item Description

http://repository.upi.edu/77701/1/S_MAT_1800364_Title.pdf
http://repository.upi.edu/77701/2/S_MAT_1800364_Chapter%201.pdf
http://repository.upi.edu/77701/3/S_MAT_1800364_Chapter%202.pdf
http://repository.upi.edu/77701/4/S_MAT_1800364_Chapter%203.pdf
http://repository.upi.edu/77701/5/S_MAT_1800364_Chapter%204.pdf
http://repository.upi.edu/77701/6/S_MAT_1800364_Chapter%205.pdf
http://repository.upi.edu/77701/7/S_MAT_1800364_Appendix.pdf