Implementation of Binary Logistic Regression and Chi-Squared Automatic Interaction Detection (CHAID) to Recipients of the Prosper Family Card Program in Makassar City

Zulkifli Rais; Ruliana; Indrayasaro

doi:10.35877/454RI.qems3981

Authors

Zulkifli Rais Universitas Negeri Makassar
Ruliana Department of Statistics, Universitas Negeri Makassar
Indrayasaro Department of Statistics, Universitas Negeri Makassar

DOI:

https://doi.org/10.35877/454RI.qems3981

Keywords:

Binary Logistic Regression, CHAID, Prosperous Family Card Program

Abstract

The binary logistic regression analysis method is a classification method that forms a relationship between a dichotomous dependent variable and an independent variable, while the chi-squared automatic interaction detection (CHAID) analysis method is a decision tree classification method for studying the relationship between independent variables and variables. bound by using the chi-square test statistic as the main tool. This research aims to determine the magnitude of the resulting accuracy value and what factors influence recipients of the Prosperous Family Card program in Makassar City based on National Socio-Economic Survey data in 2022 using the binary logistic regression method and the chi-squared automatic interaction detection method (CHAID). The results of this research using the binary logistic regression method show that the variables of the highest level of education of the head of the household (X4) and defecation facilities (X7) have a significant effect on recipients of the Prosperous Family Card program in Makassar City with an accuracy value of 75.78%, while the chi-squared automatic interaction detection (CHAID) method also shows that the variables of the highest level of education of the head of the household (X4) and defecation facilities (X7) have a significant effect on recipients of the Prosperous Family Card program in Makassar City with the resulting accuracy value of 75%. Based on the accuracy values of the two methods, the binary logistic regression method is the appropriate method for classifying recipients of the Prosperous Family Card program in Makassar City

References

Agresti, A. (2007). An Introduction to Categorical Data Analysis (Second Edition). New York: A John Willey & Sons, INC.
Anggleni, A. (2018). Implementasi Kebijakan Program Kartu Keluarga Sejahtera (KKS ) dalam Meningkatkan Kesejahteraan Masyarakat Miskin di Kelurahan Sekip Jaya Kecamatan Kemuning Kota Palembang. Jurnal Ilmu Administrasi dan Studi Kebijakan (JIASK), 1(1), 24-39. https://doi.org/10.48093/jiask.v1i1.3
Anggraeni, Y., & Zain, I. (2015). Pemodelan Regresi Logistik Biner Terhadap Peminat ITS di Seleksi Bersama Masuk Perguruan Tinggi Negeri (SBMPTN) 2014. Jurnal Sains dan Seni ITS, 4(1), 115–120.
Ardatama, R., & Helma. (2022). Analisis Metode Chi-Squared Automatic Interaction Detection untuk Klasifikasi Uang Jemput pada Tradisi Pernikahan di Kecamatan Pariaman Utara. Journal of Mathematics UNP, 7(4), 21–28.
Aritonang, N. E., Rusgiyono, A., & Rahmawati, R. (2016). Klasifikasi Status Kerja pada Angkatan Kerja Kota Semarang Tahun 2014 Menggunakan Metode CHAID dan CART. Jurnal Gaussian, 5(1), 183–192.
Damayanti, C., Kusnandar, D., & Yudhi. (2018). Perbandingan Hasil Pembentukan Pohon Klasifikasi Metode CHAID dan Improved CHAID. Buletin Ilmiah Mat, Stat, dan Terapannya, 07(4), 379-384.
Fanggidae, J. J. R., Ekowati, C. K., Nenohai, J. M. H., & Udil, P. A. (2021). Klasifikasi Faktor-faktor yang Mempengaruhi Prestasi Akademik Mahasiswa Pendidikan Matematika FKIP UNDANA dengan Metode CHAID. Fraktal: Jurnal Matematika dan Pendidikan Matematika, 2(1), 23–33.
Fitri, H. (2020). Klasifikasi Faktor-faktor yang Mempengaruhi Masa Penyelesaian Skripsi Mahasiswa dengan Metode CHAID. Jurnal Sains Matematika dan Statistika, 6(1), 9–22. https://doi.org/10.24014/jsms.v6i1.9248
Hafid, H., Ahmar, A. S., & Rais, Z. (2023). Analisis Pengaruh Profitabilitas, Ukuran Perusahaan, dan Reputasi Auditor Terhadap Audit Delay pada Perusahaan Otomotif yang Terdaftar di Bursa Efek Indonesia Tahun 2015-2020 Menggunakan Regresi Logistik. VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 5(1), 14–22. https://doi.org/10.35580/variansiunm71
Hosmer, D. W., & Lemeshow, S. (2000). Applied Logistic Regression (Second Edition). New York: John Wiley & Sons, INC.
Juwita, P., Sugiman, & Hendikawati, P. (2021). Ketepatan Klasifikasi Metode Regresi Logistik dan Metode CHAID dengan Pembobotan Sampel. Indonesian Journal of Mathematics and Natural Sciences, 44(1), 22–33.
Kartikasari, D. (2020). Analisis Faktor-faktor yang Mempengaruhi Level Polusi Udara dengan Metode Regresi Logistik Biner. Jurnal Ilmiah Matematika, 8(1), 55–59. https://doi.org/10.26740/mathunesa.v8n1.p55-59
Kementerian Keuangan Republik Indonesia. (2023). Peran APBN Berhasil Menahan Kenaikan Angka Kemiskinan. Diakses 26 Juli 2023, dari https://www.kemenkeu.go.id/informasi-publik/publikasi/berita-utama/APBN-Berhasil-Menahan-Kenaikan-Angka-Kemiskinan
Kleinbaum, D. G. & Klein, M. (2010). Logistic Regression (Third Edition). New York: Springer.
Kristiani, Y. P., Safitri, D., & Ispriyanti, D. (2015). Klasifikasi Kelompok Rumah Tangga di Kabupaten Blora Menggunakan Multivariate Adaptive Regression Spline (MARS) dan Fuzzy K-Nearest Neighbor (FK-NN). Jurnal Gaussian, 4(4), 1077–1085.
Kurnianti HR, T., Bustan, M. N., & Ruliana. (2019). Pemodelan Faktor-faktor yang Mempengaruhi Jenis Kanker Payudara Menggunakan Regresi Logistik Biner (Kasus?: Pasien Penderita Kanker Payudara di RSUP Dr. Wahidin Sudirohusodo tahun 2016). VARIANSI: Journal of Statistics and Its Application on Teaching and Research, 1(3), 40–47. https://doi.org/10.35580/variansiunm12898
Masnan, S., & Nashir, A. (2020). Penanggulangan Kemiskinan Melalui Program Kartu Keluarga Sejahtera. Jurnal Pilar: Jurnal Kajian Islam Kontemporer, 11(2), 1–14. https://jurnal.unismuh.ac.id/index.php/pilar/article/view/4918
Misna, Rais, & Utami, I. T. (2018). Analisis Regresi Logistik Biner untuk Mengklasifikasi Penderita Hipertensi Berdasarkan Kebiasaan Merokok di RSU Mokopido Toli-Toli. Journal of Science and Technology, 7(3), 341–348.
Mustamin, S. W., Agussalim, & Nurbayani, S. U. (2015). Pengaruh Variabel Ekonomi Makro Terhadap Kemiskinan di Kota Makassar Provinsi Sulawesi Selatan. Jurnal Analisis, 4(2), 165–173.
Peraturan Presiden Republik Indonesia Nomor 166 Tahun 2014 Tentang Percepatan Penanggulangan Kemiskinan.
Putri, H., Purnamasari, A. I., Dikananda, A. R., Nurdiawan, O., & Anwar, S. (2021). Penerima Manfaat Bantuan Non Tunai Kartu Keluarga Sejahtera Menggunakan Metode NAÏVE BAYES dan KNN. Building of Informatics, Technology and Science (BITS), 3(3), 331–337. https://doi.org/10.47065/bits.v3i3.1093
Rahayu, R. S., Mukid, M. A., & Wuryandari, T. (2015). Identifikasi Faktor-faktor yang Mempengaruhi Terjadinya Preeklampsia dengan Metode CHAID (Studi Kasus pada Ibu Hamil Kategori Jampersal di RSUD Dr. Moewardi Surakarta). Jurnal Gaussian, 4(2), 383–392.