Saputra, Ari (2020) Implementasi Metode K-Means Clustering Dalam Menentukan Kelompok Prioritas Penerima Bantuan PKH (Program Keluarga Harapan)Di Desa Ladang Panjang. Skripsi thesis, Universitas Dinamika Bangsa.
Text
BAB I.pdf Download (160kB) |
|
Text
BAB II.pdf Restricted to Registered users only Download (1MB) |
|
Text
BAB III.pdf Restricted to Registered users only Download (111kB) |
|
Text
BAB IV.pdf Restricted to Registered users only Download (4MB) |
|
Text
BAB V.pdf Download (726kB) |
|
Text
BAB VI.pdf Download (89kB) |
|
Text
DAFTAR PUSTAKA.pdf Download (164kB) |
Abstract
Data Mining yang merupakan proses menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Setiap daerah di Provinsi Jambi mendapatkan kesempatan untuk mengelola bantuan sosial termasuk didalamnya PKH (Program Keluarga Harapan). Selain tingkat akurasi data juga dibutuhkan efisiensi waktu pengolahan data calon penerima bantuan. Terdapat kerumitan dalam pengolahan data selama ini, yaitu menentukan kelompok prioritas untuk menjadi penerima bantuan sosial ditengah banyaknya data penduduk di Desa Ladang Panjang. Dalam melakukan analisis, penulis menggunakan data penduduk 2019 kemudian disajikan kedalam format .csv dengan menggunakan alat bantu tools Excel dan RapidMiner dengan Algoritma K-means dengan 11 atribut dan 3 cluster, tools Excel dan RapitMiner mendapatkan hasil yang sama yaitu cluster pertama sebanyak 51 data penduduk dengan hasil presentase 25,12%, cluster kedua sebanyak 131 data penduduk dengan hasil presentase 64,53%, cluster ketiga sebanyak 21 data penduduk dengan hasil presentase 9,85%.
Item Type: | Thesis (Skripsi) |
---|---|
Subjects: | Artificial Intelligence |
Divisions: | Skripsi > Teknik Informatika > 2020 |
Depositing User: | Digital Library |
Date Deposited: | 20 Jul 2020 03:02 |
Last Modified: | 20 Jul 2020 03:02 |
URI: | http://repository.unama.ac.id/id/eprint/1156 |
Actions (login required)
View Item |