Splitting Rule Dan Penerapan Bagging Pada Pohon Klasifikasi. Studi Kasus: Pekerja Anak di Provinsi Sulawesi Tengah

Pengklasifikasian merupakan metode statistika yang digunakan untuk mengelompokkan suatu pengamatan. Dalam statistika terdapat beberapa metode klasifikasi, salah satunya adalah pohon klasifikasi yang merupakan metode klasifikasi yang menghasilkan model pohon. Pembentukan pohon klasifikasi ditentukan oleh proses splitting rule yang didasarkan pada ukuran keheterogenan. Ukuran yang digunakan dalam tesis ini adalah kriteria indeks Gini dan indeks Twoing. Pohon klasifikasi memiliki beberapa keunggulan terkait model dan hasil klasifikasinya, tetapi juga memiliki kekurangan pada stabilitas model dan keakuratan prediksi. Guna mengatasi kelemahan tersebut, bagging (bootstrap aggregating) diterapkan pada pohon klasifikasi untuk meningkatkan stabilitas dan keakuratan prediksi. Metode ini diaplikasikan pada data pekerja anak di provinsi Sulawesi Tengah. Indeks Gini dan indeks Twoing memiliki konsep dan bentuk yang berbeda namun memiliki keuntungan masing-masing dalam penggunaannya. Pada kasus pekerja anak di Sulawesi Tengah, kedua indeks ini menghasilkan pohon klasifikasi optimal yang identik dengan enam variabel pembentuk, yaitu partisipasi sekolah anak, umur anak, jenis kelamin anak, umur kepala rumah tangga, jumlah anggota rumah tangga, pendapatan perkapita dan tingkat pendidikan kepala rumah tangga. Penerapan teknik bagging pada pohon klasifikasi dalam kasus ini mampu meningkatkan ketepatan klasifikasinya. ========== Classification is statistical method that used to classify an observation. In statistics, there are several classification methods, one of the methods is classification tree that resulted classification trees model. Classification tree’s formation determined by splitting rule process based on impurity measure. In this thesis, the used measure are Gini index and Twoing index criteria. Classification tree has some advantages related with the model and the classification result, although it has a weakness on stability model that resulted and classification accuracy. To solve this weakness, bagging (bootstrap aggregating) technique was applied on classification tree method to increase the stability and classification accuracy. This method applied on child labor’s case in Central Sulawesi province. Gini index and Twoing index have different concept and form, however both index have each advantage on its use. On child labor’s case in Central Sulawesi, both index resulted identic optimal classification tree with six formed variables, child’s school participation, child’s age, child’s sex, number of household member, income per capita and head of household’s education level. Bagging technique on classification tree resulted higher classification accuracy