REDUKSI DATA MENGGUNAKAN K-MEANS UNTUK MENINGKATKAN AKURASI KNNDALAM KLASIFIKASI TINGKAT KESEJAHTERAAN KELUARGA(Studi Kasus: Dinas Sosial Kabupaten Siak)

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.

[img]
Preview
Text
1. COVER_2018403SIF.pdf

Download (218kB) | Preview
[img]
Preview
Text
2. PENGESAHAN_2018403SIF.pdf

Download (503kB) | Preview
[img]
Preview
Text
3. ABSTRAK_2018403SIF.pdf

Download (120kB) | Preview
[img]
Preview
Text
4. KATA PENGANTAR_2018403SIF.pdf

Download (355kB) | Preview
[img]
Preview
Text
5. DAFTAR ISI_2018403SIF.pdf

Download (104kB) | Preview
[img]
Preview
Text
6. BAB I_2018403SIF.pdf

Download (198kB) | Preview
[img]
Preview
Text
7. BAB II_2018403SIF.pdf

Download (402kB) | Preview
[img]
Preview
Text
8. BAB III_2018403SIF.pdf

Download (207kB) | Preview
[img] Text
9. BAB IV_2018403SIF.pdf
Restricted to Repository staff only

Download (1MB)
[img]
Preview
Text
10. BAB V_2018403SIF.pdf

Download (172kB) | Preview
[img]
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 View Item