ANALISIS BOOTSTRAP AGGREGATING MULTIVARIATE ADAPTIVE REGRESSION SPLINES UNTUK AKREDITASI SEKOLAH SMA/MA DI KALIMANTAN BARAT

Multivariate Adaptive Regression Splines (MARS) adalah metode dengan pendekatan multivariate nonparametrik. MARS adalah teknik klasifikasi yang mudah serta fleksibel untuk mengetahui variabel respon dan variabel prediktor. MARS adalah penggabungan dari RPR dengan Spline yang dapat memberikan perkiraan yang tepat. Tingkat akurasi klasifikasi model MARS bisa dilakukan peningkatan dengan memakai metode resampling, diantaranya adalah bagging. Bagging merupakan metode yang melakukan penggabungan banyaknya angka prediktor serta respon untuk mendapatkan agregat melalui angka Generalized Cross Validation (GCV). Data yang digunakan yakni data akreditasi sekolah SMA/MA di Kalimantan Barat. Jumlah variabel yang digunakan sebanyak 8 variabel prediktor yaitu standar isi (X1), standar proses (X2), standar lulusan (X3), standar pengajar dan tenaga kerja (X4), sarana dan prasarana (X5), standar pengelolaan (X6), standar pembiayaan (X7), dan standar penilaian (X8), dan variabel respon yaitu akreditasi A dan B (Y0.), akreditasi C dan sekolah tidak terakreditasi (Y1). Penelitian ini mengidentifikasi dan memodelkan komponen penilaian yang menjadi pengaruh dalam penentuan akreditasi sekolah dengan menggunakan Bagging MARS. Memperoleh model Bagging MARS diperlukan Bootstrap yang dikombinasikan dengan BF, MI, dan MO pada MARS. Hasil penelitian menggunakan metode Bagging MARS dengan GCV minimum didapatkan sebesar 0,038. Variabel yang berpengaruh yaitu sarana dan prasarana (X5), standar pengajar dan tenaga kerja (X4), standar pengelolaan (X6), standar proses (X2), standar pembiayaan (X7), standar lulusan (X3), standar penilaian (X8), dan standar isi (X1). Tingkat kepentingan variabel pada model berturut – turut sebesar 100%, 37,515%, 36,290%, 34,542%, 22,300%, 16,180%, 12,183%, dan 5,214%. Ketepatan klasifikasi pada Bagging MARS sebesar 96,07%. Kata Kunci : MARS, Bagging MARS, Klasifikasi