BAGGING REGRESI LOGISTIK PADA PENINGKATAN KETEPATAN KLASIFIKASI WAKTU KELULUSAN MAHASISWA STIKOM BALI

Klasifikasi dengan metode regresi logistik digunakan untuk mengetahui pengaruh beberapa variabel bebas yang bersifat numerik atau kategorik terhadap variabel respon. Klasifikasi model regresi logistik memuat pendugaan parameter yang tidak stabil pada perubahan dataset, sehingga diperlukan metode untuk menangangi ketidakstabilan tersebut. Ketidakstabilan dan ketepatan klasifikasi regresi logistik dapat ditingkatkan dengan menggunakan pendekatan bootstrap aggregating (bagging). Bagging regresi logistik bekerja dengan cara melakukan replikasi bootstrap terhadap peubah terikat dan peubah penjelas secara bersama-sama. Penelitian ini bertujuan untuk menangani kestabilan pendugaan parameter dan meningkatkan klasifikasi regresi logistik. Sedangkan kasus yang digunakan dalam penelitian ini adalah klasifikasi ketidaktepatan waktu kelulusan mahasiswa STIKOM Bali. Hasil penelitian menunjukkan bahwa ketepatan waktu lulusan dipengaruhi oleh lama menyusun skripsi, IPK, program studi dan IP semester 6. Hasil bagging regresi logistik mampu menaikkan ketepatan klasifikasi sebesar 1,01% dari dataset tunggal pada replikasi bootstrap 70 kali dengan nilai ketepatan klasifikasi 86,40%