KLASIFIKASI STATUS SOSIAL EKONOMI MASYARAKAT BERBASIS MACHINE LEARNING PADA DATA KEPENDUDUKAN (STUDI KASUS: APLIKASI DEMOGRAFIA)

FALAH, FACHRI IBNU (2026) KLASIFIKASI STATUS SOSIAL EKONOMI MASYARAKAT BERBASIS MACHINE LEARNING PADA DATA KEPENDUDUKAN (STUDI KASUS: APLIKASI DEMOGRAFIA). S1 thesis, Universitas Mercu Buana Jakarta - Menteng.

	Text (COVER) 41821120017-FACHRI IBNU FALAH-01 Cover - FACHRI IBNU FALAH.pdf Download (3MB)
	Text (BAB 1) 41821120017-FACHRI IBNU FALAH-02 Bab 1 - FACHRI IBNU FALAH.pdf Restricted to Registered users only Download (1MB)
	Text (BAB 2) 41821120017-FACHRI IBNU FALAH-03 Bab 2 - FACHRI IBNU FALAH.pdf Restricted to Registered users only Download (5MB)
	Text (BAB 3) 41821120017-FACHRI IBNU FALAH-04 Bab 3 - FACHRI IBNU FALAH.pdf Restricted to Registered users only Download (1MB)
	Text (BAB 4) 41821120017-FACHRI IBNU FALAH-05 Bab 4 - FACHRI IBNU FALAH.pdf Restricted to Registered users only Download (3MB)
	Text (BAB 5) 41821120017-FACHRI IBNU FALAH-06 Bab 5 - FACHRI IBNU FALAH.pdf Restricted to Registered users only Download (445kB)
	Text (DAFTAR PUSTAKA) 41821120017-FACHRI IBNU FALAH-08 Daftar Pustaka - FACHRI IBNU FALAH.pdf Restricted to Registered users only Download (556kB)
	Text (LAMPIRAN) 41821120017-FACHRI IBNU FALAH-09 Lampiran - FACHRI IBNU FALAH.pdf Restricted to Registered users only Download (1MB)

Abstract

Penelitian ini bertujuan untuk membangun sistem analitis otomatis guna mengelompokkan data penduduk demi meningkatkan efektivitas dan transparansi penyaluran bantuan sosial serta layanan publik. Masalah utama yang diangkat adalah ketidakefisienan pengelompokan manual dan kurangnya pemanfaatan data kependudukan secara analitis sebagai pendukung kebijakan. Variabel yang diteliti difokuskan pada tiga parameter sosial-ekonomi utama, yaitu tingkat pendidikan, jenis pekerjaan, dan jumlah tanggungan keluarga. Sampel penelitian ini adalah data kependudukan digital yang bersumber dari basis data aplikasi "Demografia" pada lingkup administratif tingkat kelurahan atau desa. Metode analisis data menggunakan teknik Supervised Learning dengan membandingkan tiga algoritma klasifikasi, yaitu Decision Tree, Naive Bayes, dan Random Forest, yang diintegrasikan ke dalam siklus Knowledge Discovery in Database (KDD). Hasil pengujian menunjukkan bahwa model klasifikasi Decision Tree menghasilkan performa terbaik dan secara telak mengungguli algoritma lainnya. Evaluasi kualitas model membuktikan bahwa Decision Tree mencapai nilai akurasi, precision, recall, dan F1-Score sebesar 98.72%. Kesimpulan penelitian ini adalah penerapan algoritma Decision Tree pada data demografi sangat efektif mentransformasi arsip digital menjadi instrumen sistem pendukung keputusan yang objektif, meminimalisir subjektivitas manual, dan sangat akurat dalam memetakan status sosial masyarakat ke dalam tiga kategori: Rentan, Berkembang, dan Mapan. Kata Kunci : Machine Learning, Klasifikasi, Decision Tree, Status Sosial Ekonomi, Data Kependudukan, Demografia

Item Type:	Thesis (S1)
NIM/NIDN Creators:	41821120017
Uncontrolled Keywords:	Machine Learning, Klasifikasi, Decision Tree, Status Sosial Ekonomi, Data Kependudukan, Demografia
Subjects:	000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	RAIHAN GUSRI HIDAYAT
Date Deposited:	22 Aug 2026 02:03
Last Modified:	22 Aug 2026 02:03
URI:	http://repository.mercubuana.ac.id/id/eprint/103337

Actions (login required)

View Item