PENERAPAN DATA MINING MENGGUNAKAN METODE GAIN RATIO DAN METODE NAÏVE BAYES DALAM KLASIFIKASI KELAYAKAN KELUARGA PENERIMA BANTUAN LANGSUNG TUNAI (STUDI KASUS : KELURAHAN TALANG BABAT TANJUNG JABUNG TIMUR)

Amalia Sandi, Shelby (2023) PENERAPAN DATA MINING MENGGUNAKAN METODE GAIN RATIO DAN METODE NAÏVE BAYES DALAM KLASIFIKASI KELAYAKAN KELUARGA PENERIMA BANTUAN LANGSUNG TUNAI (STUDI KASUS : KELURAHAN TALANG BABAT TANJUNG JABUNG TIMUR). Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (402kB)
	Text BAB II.pdf Restricted to Registered users only Download (843kB)
	Text BAB III.pdf Restricted to Registered users only Download (328kB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Download (187kB)
	Text DAFTAR PUSTAKA.pdf Download (402kB)

Abstract

Kemiskinan merupakan masalah utama bagi banyak negara di dunia terutama di negara berkembang, Indonesia juga termasuk negara berkembang yang menghadapi kemiskinan khususnya didaerah kecil seperti Kelurahan Talang Babat yang terletak di Kabupaten Tanjung Jabung Timur Provinsi Jambi, penyebab terjadinya kemiskinan yaitu data warga penerima Bantuan Langsung Tunai tidak akurat dan tidak tepat sasaran. Salah satu aspek penting yang mendukung strategi penanggulangan kemiskinan adalah dengan tersedianya data warga penerima Bantuan Langsung Tunai yang akurat dan tepat sasaran. Naïve Bayes merupakan salah satu metode yang dapat digunakan untuk mengklasifikasikan data. Hasil klasifikasi yang dilakukan nantinya akan membantu pemerintah daerah untuk mengambil keputusan terkait klasifikasi penentuan penerima Bantuan Langsung Tunai. Prediksi penerima Bantuan Langsung Tunai yang digunakan terdapat dua kelas, yaitu “Layak” dan “Tidak Layak”. Data yang digunakan untuk prediksi yaitu data warga Kelurahan Talang Babat yang terdaftar sebagai Keluarga Penerima Manfaat. Pada penelitian ini algoritma Naïve Bayes diimplementasikan dan dianalisis menggunakan evaluasi 3 options dengan Rapid Miner sebagai alat bantu penelitian. Dari hasil evaluasi menggunakan 3 options yaitu Use Training Set, 5 Fold Cross-Validation dan 10 Fold Cross-Validation, didapatkan persentase nilai tertinggi pada pengujian Use Training Set dengan nilai akurasi sebesar 90,60%, nilai presisi sebesar 96,67%, dan nilai recall sebesar 92,06%.

Actions (login required)

View Item