Klasifikasi Kelayakan Keluarga Penerima Program Bantuan Sosial Beras Rakyat Sejahtera Menggunakan Metode Naive Bayes

Sherly, Eggy (2019) Klasifikasi Kelayakan Keluarga Penerima Program Bantuan Sosial Beras Rakyat Sejahtera Menggunakan Metode Naive Bayes. Skripsi thesis, STIKOM DINAMIKA BANGSA.

[img] Text
BAB I.pdf

Download (219kB)
[img] Text
BAB II.pdf
Restricted to Registered users only

Download (516kB)
[img] Text
BAB III.pdf
Restricted to Registered users only

Download (228kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only

Download (853kB)
[img] Text
BAB V.pdf

Download (1MB)
[img] Text
BAB VI.pdf

Download (191kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (96kB)

Abstract

Beras Rakyat Sejahtera (Rastra) sebagai salah satu program bantuan sosial yang dilakukan pemerintah setiap tahunnya, dalam implementasinya pada wilayah Kecamatan Kota Baru masih belum optimal dikarenakan dalam penyalurannya masih terdapat kekeliruan dan program rastra yang belum tepat sasaran. Diharapkan dari penelitian ini dapat membantu pemerintah dalam menentukan kelayakan keluarga penerima rastra. Oleh karena itu diperlukan sebuah metode klasifikasi naive bayes dengan tujuan untuk dapat memperkirakan kelas dari suatu objek yang labelnya tidak diketahui. Pada penelitian ini peneliti menggunakan data penerima rastra tahun 2015 dan tahun 2017 dengan jumlah data sebanyak 256 data dan terdiri dari 12 atribut. Hasil klasifikasi naive bayes pada tool WEKA diperoleh sebanyak 202 pada kelas “Layak” dan 54 pada kelas”Tidak Layak”, sedangkan pada tool RapidMiner dan Excel diperoleh hasil yang sama yaitu sebanyak 168 pada kelas “Layak” dan 88 pada kelas “Tidak Layak”. Persentasi akurasi hasil klasifikasi naive bayes pada tool WEKA yakni Correctly Classified Instances sebesar 78.9063% dan Incorrectly Classified Instances 21.0938% diperoleh dari nilai akurasi terbesar dari 5 test options, sedangkan pada tool RapidMiner diperoleh hasil akurasi sebesar 80.47%, dan pada tool Excel diperoleh hasil akurasi sebesar 80.469%.

Item Type: Thesis (Skripsi)
Subjects: Artificial Intelligence
Divisions: Skripsi > Teknik Informatika > 2019
Depositing User: Digital Library
Date Deposited: 18 Jul 2019 04:08
Last Modified: 20 Jul 2019 01:45
URI: http://repository.unama.ac.id/id/eprint/26

Actions (login required)

View Item View Item