Kota Palu sebagai ibu kota Provinsi Sulawesi Tengah dengan kecelakaan lalu lintas  yang cukup tinggi yang setiap tahunnya memiliki kematian sekitar 365 jiwa. Kecelakaan lalu lintas dipengaruhi oleh beberapa faktor, diantaranya jenis pelanggaran, jenis kecelakaan, dan lain-lain. Tujuan yang akan dicapai dalam penelitian ini adalah untuk menentukan ketepatan klasifikasi pada korban kecelakaan lalu lintas di Kota Palu dengan menggunakan metode boosting serta faktor-faktor yang mempengaruhinya. Hasil dari penelitian ini menunjukkan bahwa ketepatan klasifikasi metode boosting sebesar 82% dan  metode CART sebesar 77,9%. Hasil tersebut menunjukkan bahwa metode boosting dapat meningkatan tingkat akurasi. Sedangkan faktor-faktor yang mempengaruhi korban kecelakaan lalu lintas di Kota Palu adalah faktor jenis kecelakaan (X1), peran korban dalam kecelakaan (X4), jenis pelanggaran (X7) dan usia (X3) korban kecelakaan lalu lintas di Kota Palu.

Donor Darah Sukarela (DDS) adalah orang yang dengan sukarela mentranfusikan darahnya kepada orang lain. Seseorang dapat menjadi pendonor darah jika memenuhi kriteria dari PMI dan lolos dalam pemeriksaan dokter. Syarat yang diberlakukan PMI menyebabkan calon pendonor darah dapat diklasifikasikan menjadi layak dan tidak layak dalam mendonorkan darahnya. Salah satu cara untuk menentukan pola prediksi status kelayakan calon pendonor darah di PMI adalah menggunakan regresi logistik biner dan k-Nearest Neighbor (kNN). Peubah yang signifikan mempengaruhi kelayakan calon pendonor darah adalah kadar Haemoglobin. Akurasi yang dihasilkan oleh metode regresi logistik biner dan kNN pada penelitian ini adalah 93% dan 79%.

PEMODELAN TIME SERIES DENGAN PROSES ARIMA UNTUK PREDIKSI INDEKS HARGA KONSUMEN (IHK) DI PALU – SULAWESI TENGAH

Evaluasi kinerja klasifikasi dapat ditentukan berdasarkan persentase besarnya kesalahan klasifikasi (misclassification rate atau MCR). Penelitian ini bertujuan membandingkan kinerja klasifikasi ketepatan waktu kelulusan mahasiswa FMIPA UNTAD dengan menggunakan metode support vector machine dan regresi logistik biner. Hasil penelitian diperoleh bahwa kesalahan klasifikasi dengan menggunakan metode Support Vector Machine (SVM) dan regresi logistik biner masing-masing sebesar 16.84% dan 19.3%. Berdasarkan perbandingan kinerja kedua metode tersebut, metode dengan kesalahan klasifikasi terkecil adalah metode Support Vector Machine. Metode tersebut dapat digunakan untuk mengklasifikasikan ketepatan waktu kelulusan mahasiswa FMIPA UNTAD

Auction in Indonesia is carried out by the Office of State Assets and Auction Services (KPKNL). Goods auctioned at KPKNL are quite diverse including land, wood, inventory, vehicles, and other goods. However, not all of the items auctioned were sold. Because not a few items have been auctioned but no one has made an offer. The Purpose of this study is to compare two classification methods, C4.5 and C5.0 algorithm and to determine which items were successfully auctioned with those that did not and its factors. The methods that used were comparing the classification tree C4.5 algorithm and C5.0 algorithm with cross validation. From the results of the comparison of the two methods, it was found that the C5.0 Algorithm method was rated better than the C4.5 algorithm in classifying the auction results with an accuracy of 96.43% and 92.86% respectively. In this case, C5.0 has a higher precision than C4.5.