PENERAPAN FAST CORRELATION BASED FILTER DAN MODIFIED K-NEAREST NEIGHBOR UNTUK KLASIFIKASI TINGKAT KEMISKINAN

ABDUL RAZAQ SELFIANDRI, 11351104307 (2019) PENERAPAN FAST CORRELATION BASED FILTER DAN MODIFIED K-NEAREST NEIGHBOR UNTUK KLASIFIKASI TINGKAT KEMISKINAN. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img] Text
Lap-Abdul Razaq4.pdf

Download (6MB)
[img] Text (BAB V)
Untuk Watermark_p095-124.pdf - Published Version
Restricted to Repository staff only

Download (2MB)

Abstract

Pemerintah telah melakukan berbagai program untuk pengentasan kemiskinan serta untuk memutus permasalahan kemiskinan, salah satu cara untuk memutus permasalahan kemiskinan dengan memberikan bantuan sosial. Masyarakat yang berhak menerima bantuan sosial harus memenuhi kriteria tertentu. Feature selection merupakan langkah praproses yang bertujuan untuk mengurangi dimensi data, menghapus data yang tidak tepat, serta dapat menambah hasil akurasi. Fast Correlation Based Filter merupakan algoritma yang digunakan untuk menghilangkan fitur-fitur yang tidak relevan berdasarkan nilai threshold dan menghilangkan fitur yang redudant terhadap fitur lain. Metode Modified K-Nearest Neighbor merupakan proses untuk menghitung nilai validitas sehingga mempertimbangkan validitas antara data latih dengan perhitungan weight voting dengan menghitung nilai bobot dari masing-masing tetangga. Dari hasil pengujian didapatkan hasil akurasi tertinggi dengan nilai threshold 0,01 dengan rasio perbandingan 80:20 sebesar 93,07% dan akurasi terendah dengan rasio perbandingan 60:40 dengan nilai k=1 adalah sebesar 83,08%. Kata kunci : Data Mining, Feature Selection, Fast Correlation Based Filter, Modified K-Nearest Neighbor, Tingkat Kemiskinan

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 005 Program Komputer, program-program, data
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 30 Dec 2019 07:11
Last Modified: 30 Dec 2019 07:12
URI: http://repository.uin-suska.ac.id/id/eprint/24139

Actions (login required)

View Item View Item