DONDOKAMBEY, MONICA CHELSEA ESTER (2019) KLASIFIKASI ALGORTIMA C4.5, NAÏVE BAYES DAN K-NEAREST NEIGHBOUR UNTUK PENERIMA BANTUAN PROGRAM KELUARGA HARAPAN (PKH) WILAYAK DKI JAKARTA. S1 thesis, Universitas Mercu Buana Jakarta.
|
Other (JURNAL)
YUDISIUM - MONICA CHELSEA ESTER DONDOKAMBEY.PDF Download (1MB) | Preview |
Abstract
Kemiskinan dan ketimpangan merupakan salah satu permasalahan yang terjadi di beberapa negara. Indonesia merupakan salah satu negara di Asia Tenggara yang memiliki permasalahan kemiskinan tersebut. Program Keluarga Harapan (PKH) adalah suatu program yang dibuat oleh pemerintah dan diolah oleh Kementerian Sosial Republik Indonesia yang memiliki tujuan untuk mengatasi kemiskinan di daerah-daerah. Penelitian ini menggunakan tiga algoritma, C4.5 Decision Tree, Naïve Bayes dan K-Nearest Neighbour. Perhitungan dilakukan berdasarkan Accuracy, Precision, Recall dan kurva ROC. Tujuan penelitian ini adalah menentukan dan mengetahui perbandingan akurasi, presisi, nilai recall serta kurva ROC antara ketiga algoritma, sehingga ditemukan algoritma yang cocok dapat ditemukan dan digunakan dalam pengambilan keputusan bantuan Program Keluarga Harapan (PKH). Hasil yang di dapatkan yaitu algoritma K-NN yang memiliki akurasi terbaik dengan jumlah akurasi 98.34% dan nilai AUC yang dihasilkan sebesar 0.995, algoritma C4.5 memiliki akurasi 97.59%, AUC yang dihasilkan oleh kurva menghasilkan nilai sebesar 0.980 dan Naïve Bayes menghasilkan akurasi sebesar 90.65%, nilai AUC yang dihasilkan sebesar 0.965. Kata kunci: data mining; decision tree; naïve bayes; K-NN; program keluarga harapan
Actions (login required)
 |
View Item |
