Prediksi Potensi Donatur Menggunakan Model Logistic Regression

Abstract

GRDS menghadapi kelangkaan dana, ketika diperlukan untuk merawat para korban Gaja. Gaja adalah topan bernama kelima dari musim siklon Samudra Hindia Utara 2018 yang mempengaruhi sebagian besar tempat di Tamil Nadu, India selama bulan November 2018. Tujuan dari penelitian ini adalah untuk menggunakan riwayat donasi untuk menganalisis apakah donator akan menyumbang atau tidak menggunakan regresi logistik. Data Tamil Nadu diberikan untuk menerapkan model yang dibangun untuk memprediksi donator yang paling mungkin menjadi korban topan Gaja. Pada tahap pengumpulkan data seringkali terjadi hambatan, salah satu hambatannya yaitu fenomena missing data atau data hilang. Akibat dari adanya missing data adalah pendugaan parameter menjadi tidak efisien. Ukuran data yang berkurang dapat mengakibatkan kesulitan dalam menganalisis, sehingga hasil yang didapatkan menjadi tidak valid dan tujuan dari penelitian tidak tercapai. Data yang hilang akan diisi menggunakan metode single imputation. Data yang telah diimputasi menggunakan beberapa metode akan membantu dalam melakukan prediksi. Dimana algoritma yang digunakan untuk melakukan prediksi ialah logistic regression. Beberapa data dihilangkan setelah melihat multikolinearitas. Dalam tahap pemodelan, data dibagi menjadi 2 yaitu 70% untuk data pelatihan dan 30% untuk data tes. Dimana hasil perhitungan akurasi dari model ialah 0,6129 yang menunjukkan bahwa model tidak melakukan prediksi dengan baik menggunakan metode tersebut.

Keywords

• Missing values
• single imputation
• logistic regression