Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Sains dan Seni ITS
Cinde Pristi Kurnia Merdiko
Departemen Statistika Institut Teknologi Sepuluh Nopember Surabaya
Arts Humanities

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Metode Rare Event Weighted Logistic Regression untuk Kasus Data Imbalanced (Studi Kasus : Jenis Perceraian di Kabupaten Bojonegoro) Cinde Pristi Kurnia Merdiko; Vita Ratnasari
Jurnal Sains dan Seni ITS Vol 11, No 2 (2022)
Publisher : Lembaga Penelitian dan Pengabdian Kepada Masyarakat (LPPM), ITS

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.12962/j23373520.v11i2.73409

Abstract

Jawa Timur menjadi provinsi penyumbang angka perceraian tertinggi di Indonesia beberapa tahun terakhir. Pada tahun 2019, jumlah kasus perceraian di Jawa Timur meningkat sebesar 6.052 kasus dari tahun sebelumnya dan menyumbang 21,6% perceraian di Indonesia. Kabupaten Bojonegoro menjadi salah satu penyumbang tingginya angka perceraian di Jawa Timur. Perceraian menurut kasusnya dibagi menjadi dua yaitu cerai gugat dan cerai talak sehingga salah satu metode yang bisa digunakan untuk mengidentifikasi faktor signifikan penyebab perceraian adalah metode regresi logistik. Akan tetapi, kasus perceraian di Kabupaten Bojonegoro tahun 2020 merupakan data imbalanced dengan perbandingan cerai gugat dan cerai talak adalah 71,4% dan 28,6% sehingga pada penelitian ini digunakan metode pengembangan regresi logistik untuk data imbalanced yaitu Rare Event Weighted Logistic Regression (RE-WLR). Hasil penelitian ini menunjukkan bahwa usia penggugat atau pemohon dan tergugat atau termohon ketika menikah, pekerjaan penggugat atau permohon dan tergugat atau termohon, serta sebab perceraian berpengaruh signifikan terhadap jenis perceraian di Kabupaten Bojonegoro dengan nilai ketepatan klasifikasi AUC yang dihasilkan sebesar 85,2% dan termasuk dalam Good Classification.
Co-Authors Vita Ratnasari