GUSNI RAHAYU (2018) REDUKSI DATA MENGGUNAKAN K-MEANS UNTUK MENINGKATKAN AKURASI KNNDALAM KLASIFIKASI TINGKAT KESEJAHTERAAN KELUARGA(Studi Kasus: Dinas Sosial Kabupaten Siak). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018403SIF.pdf Download (218kB) | Preview |
|
|
Text
2. PENGESAHAN_2018403SIF.pdf Download (503kB) | Preview |
|
|
Text
3. ABSTRAK_2018403SIF.pdf Download (120kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018403SIF.pdf Download (355kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018403SIF.pdf Download (104kB) | Preview |
|
|
Text
6. BAB I_2018403SIF.pdf Download (198kB) | Preview |
|
|
Text
7. BAB II_2018403SIF.pdf Download (402kB) | Preview |
|
|
Text
8. BAB III_2018403SIF.pdf Download (207kB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
9. BAB IV_2018403SIF.pdf Restricted to Repository staff only Download (1MB) |
|
|
Text
10. BAB V_2018403SIF.pdf Download (172kB) | Preview |
|
|
Text
11. DAFTAR PUSTAKA_2018403SIF.pdf Download (459kB) | Preview |
Abstract
Kesejahteraan keluarga diklasifikasi berdasarkan estimasi pengeluaran keluarga perkapita perbulannya dari yang terendah sampai dengan yang tertinggi. Estimasi tersebut dilakukan dengan cara musyawarah desa atau kelurahan. Hal ini mengakibatkan klasifikasi kesejahteraan, membutuhkan waktu yang lama dan melibatkan banyak orang untuk melaksanakan musyawarah. Penelitianini bertujuan untuk mengklasifikasikan tingkat kesejahteraan keluarga menggunakan K-Nearest Neighbor (KNN) dan mereduksi data latih untuk meningkatkan akurasi KNN karena jumlah data latih yang besar harus membandingkan pada seluruh data.Untuk meningkatkan akurasi KNN digunakan teknik pengklasteran yaitu algoritma K-Means.Tingkat kesejahteraan diklasifikasi menjadi empat kelas yaitu Desil 1, Desil 2, Desil 3 dan Desil 4.Berdasarkan hasil percobaan didapatakurasi pada data yang direduksi menjadi 5% lebih kecil dari data asli adalah 84,14%, sedangkan akurasi data tanpa direduksi adalah 59,31%. Sehingga dapat disimpukan bahwa akurasi algoritma KNN pada data yang tereduksi adalah lebih baik daripada yang tidak direduksidan dapat mengatasi permasalahan dalam pengklasifikasian yaitu tidak membutuhkan waktu yang lama dan tidak memerlukan banyak orang.Kata Kunci:Kesejahteraan Keluarga, K-means,Klasifikasi, KNN, Reduksi data.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 600 Teknologi dan Ilmu-ilmu Terapan |
| Divisions: | Fakultas Sains dan Teknologi > Sistem Informasi |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 15 Jul 2019 07:24 |
| Last Modified: | 15 Jul 2019 07:24 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/15906 |
Actions (login required)
 |
View Item |