KLASIFIKASI ALGORITMA C4.5, NAÏVE BAYES DAN K-NEAREST NEIGBOUR UNTUK PENERIMA BANTUAN PROGRAM KELUARGA HARAPAN (PKH) WILAYAH DKI JAKARTA

OKTOVIANA, FILDZAH GITA (2019) KLASIFIKASI ALGORITMA C4.5, NAÏVE BAYES DAN K-NEAREST NEIGBOUR UNTUK PENERIMA BANTUAN PROGRAM KELUARGA HARAPAN (PKH) WILAYAH DKI JAKARTA. S1 thesis, Universitas Mercu Buana Jakarta.

Text (JURNAL MAHASISWA) JURNAL YUDISIUM - FILDZAH GITA - 41516010009.pdf Restricted to Registered users only Download (1MB)

Abstract

Poverty and inequality is one of the problems that occur in several countries. Indonesia is one of the countries in Southeast Asia that has these poverty problems. Program Keluarga Harapan (PKH) is a program created by the government and processed by the Ministry of Social of the Republic of Indonesia with a purpose to overcoming poverty in the regions. This research uses three algorithms, C4.5 Decision Tree, Naïve Bayes and K-Nearest Neighbor. Calculations are based on Accuracy, Precision, Recall and ROC curves. The purpose of this study is to determine the comparison of accuracy, precision, recall values and ROC curves between the three algorithms, so that a suitable algorithm is find and used in decision of the Program Keluarga Harapan (PKH). The results obtained are the K-NN algorithm that has the best accuracy, with a total accuracy of 98.34% and the resulting AUC value is 0.995, the C4.5 algorithm has an accuracy of 97.59%, the AUC generated by the curve produces a value of 0.980 and Naïve Bayes produces an accuracy of 90.65%, the resulting AUC value was 0.965. Key words: data mining, decision tree, naïve bayes, K-NN, program keluarga harapan 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