KLASIFIKASI MASYARAKAT TIDAK MAMPU MENGGUNAKAN METODE ENSEMBLE CLASSIFIER (STUDI KASUS : DESA ENTALSEWU, KECAMATAN BUDURAN, KEBUPATEN SIDOARJO)

ZULFIYAH, PUTRI WAHYU DWI RAHMAH (2022) KLASIFIKASI MASYARAKAT TIDAK MAMPU MENGGUNAKAN METODE ENSEMBLE CLASSIFIER (STUDI KASUS : DESA ENTALSEWU, KECAMATAN BUDURAN, KEBUPATEN SIDOARJO). Skripsi thesis, Universitas Bhayangkara Surabaya.

Text 1814311045_abstrak_id.pdf Download (122kB)

Abstract

Masyarakat tidak mampu atau masyarakat miskin adalah keadaan dimana ada ketidakmampuan untuk memenuhi kebutuhan dasar seperti pangan, sandang, papan, Pendidikan, dan Kesehatan. Pengimplementasian Sistem Pendukung Keputusan pada Desa Entalsewu Kecamatan Buduran Kabupaten Sidoarjo dalam mengklasifikasi masyarakat tidak mampu dimaksudkan untuk mempermudah pendataan yang tepat sasaran, akurat, dan efisien. Parameter yang digunakan dalam penentuan klasifikasi masyarakat di Desa Entalsewu adalah umur, jenis kelamin, Pendidikan, pekerjaan, penghasilan, tanggungan, kondisi Kesehatan, status perkawinan, kondisi rumah, status pemilik rumah, jumlah anggota keluarga yang bekerja, dan penghasilan anggota keluarga yang bekerja. System ini dibuat menggunakan Metode Ensemble Classifier yaitu metode yang menggabungkan beberapa classifier diantaranya Naïve Bayes, K�Nearest Neighbor, Fuzzy K-Nearest Neighbor yang kemudian diolah dengan Teknik Ensemble yaitu Average of Probabilities. Dari hasil pengujian yang dilakukan, metode Naïve Bayes memiliki akurasi sebesar 78%, presisi sebesar 75,47%, dan recall sebesar 81,63%. Metode K-Nearest Neighbor memiliki akurasi sebesar 69%, presisi sebesar 62,26%, dan recall sebesar 75%. Metode Fuzzy K-Nearest Neighbor memiliki akurasi sebesar 79%, presisi sebesar 77,36%, dan recall sebesar 82%. Setelah dilakukan Ensemble dengan Teknik Average of Probabilities, didapatkan hasil sebagai berikut akurasi sebesar 89%, presisi sebesar 88,68%, dan recall sebesar 90.38%.

Item Type:	Thesis (Skripsi)
Additional Information:	Wisuda 2022
Uncontrolled Keywords:	Kemiskinan , Ensemble Classiefier, Naïve Bayes, K-Nearest Neighbor, Fuzzy K-Nearest Neighbor, Average of Probabilities.
Subjects:	Technology
Depositing User:	Perpus Ubhara Surabaya
Date Deposited:	05 Apr 2023 04:18
Last Modified:	05 Apr 2023 04:18
URI:	http://eprints.ubhara.ac.id/id/eprint/1814

Actions (login required)

View Item