PERBANDINGAN ALGORITMA C4.5 DAN KNN UNTUK MEMPREDIKSI STRATEGI PENANGGULANGAN KEMISKINAN DI KABUPATEN PESAWARAN

Supoyo, Muhamad Septa Utama (2024) PERBANDINGAN ALGORITMA C4.5 DAN KNN UNTUK MEMPREDIKSI STRATEGI PENANGGULANGAN KEMISKINAN DI KABUPATEN PESAWARAN. Masters thesis, Institut Informatika & Bisnis Darmajaya..

	Text (Cover) cover_1.pdf Download (47kB)
	Text (Pernyataan) pernyataan.PDF Download (233kB)
	Text (Halaman Pengesahan) halaman pengesahan.PDF Download (727kB)
	Text (Daftar Isi) dafrar isi_1.pdf Download (75kB)
	Text (Daftar Gambar) dafrar gambar_1.pdf Download (57kB)
	Text (Daftar tabel) dafrar tabel_1.pdf Download (58kB)
	Text (Bab 1) bab 1_1.pdf Download (92kB)
	Text (Bab 2) bab 2_1.pdf Download (344kB)
	Text (Bab 3) bab 3_1.pdf Download (398kB)
	Text (Bab 4) bab 4_1.pdf Download (414kB)
	Text (Bab 5) bab 5_1.pdf Download (74kB)
	Text (Daftar Pustaka) daftar pustaka_1.pdf Download (202kB)

Abstract

Kemiskinan merupakan permasalahan serius yang memengaruhi masyarakat di seluruh dunia, yang diakui sebagai prioritas utama oleh Perserikatan Bangsa-Bangsa dalam pencapaian Tujuan Pembangunan Berkelanjutan. Meskipun terjadi penurunan tingkat kemiskinan dalam beberapa tahun terakhir, masih banyak individu yang berjuang untuk memenuhi kebutuhan dasar mereka. Maka dari itu, Penelitian ini bertujuan untuk memprediksi strategi penanggulangan kemiskian dengan memfokuskan pada identifikasi faktor-faktor dominan yang berkontribusi terhadap kemiskinan di Kabupaten Pesawaran.. Perbandingan antara algoritma C4.5 dan K-NN dilakukan untuk memprediksi strategi penanggulangan kemiskinan.. Data yang digunakan berasal dari Susenas tahun 2020-2022 yang telah dipublikasikan oleh BPS. Penelitian ini melibatkan seleksi fitur menggunakan empat metode, yakni regresi logistik, Recursive Feature Elimination (RFE), Select K Best, dan Mutual Information. Setelah itu, model dilatih dan diuji menggunakan algoritma C4.5 dan KNN dengan teknik 10-fold Cross Validation. Evaluasi kinerja model menggunakan berbagai metrik seperti akurasi, recall, presisi, F1 measure, dan Area Under Curve (AUC). Hasil evaluasi menunjukkan bahwa KNN dengan seleksi fitur regresi logistik memberikan performa terbaik dengan tingkat akurasi mencapai 99,02%, presisi 98,54%, recall 99,52%, F1 Score 99,03%, serta AUC-ROC 99,02%. Dari hasil penelitian ini, penekanan pada rekomendasi penanggulangan kemiskinan perlu diberikan terutama pada aspek-aspek berikut yang menjadi faktor dominan dalam mempengaruhi kemiskinan di Kabupaten Pesawaran: status pekerjaan utama kepala rumah tangga, kepemilikan jaminan kesehatan, status kepemilikan rumah, fasilitas sanitasi, kepemilikan lemari es, jumlah anggota rumah tangga, dan pengeluaran rumah tangga. Rekomendasi yang diajukan menyoroti pentingnya peningkatan infrastruktur sanitasi, perluasan akses terhadap layanan kesehatan, serta pemberdayaan aktivitas ekonomi. Hal ini dianggap krusial untuk mengatasi kemiskinan dengan efektif dan berkelanjutan di Kabupaten Pesawaran.

Item Type:	Thesis (Masters)
Subjects:	Ilmu Komputer eTheses
Divisions:	Pasca Sarjana > Magister Teknik Informatika
Depositing User:	Muhamad Septa Utama Supoyo
Date Deposited:	16 Apr 2024 00:20
Last Modified:	16 Apr 2024 00:20
URI:	http://repo.darmajaya.ac.id/id/eprint/15543

Actions (login required)

View Item