Arianto Tarigan, - (2019) IMPLEMENTASI ALGORITMA NAIVE BAYES CLASSIFIER UNTUK KLASIFIKASI STATUS KESEJAHTERAAN RUMAH TANGGA KABUPATEN SIAK. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 01. Cover.pdf Download (359kB) | Preview
Preview	Text 2. Lembar pengesahan.pdf Download (8MB) | Preview
Preview	Text (abstrak) 3. Abstrak.pdf - Published Version Download (82kB) | Preview
Preview	Text 4. Kata Pengantar.pdf Download (164kB) | Preview
Preview	Text 5. Daftar Isi.pdf Download (112kB) | Preview
Preview	Text 06. BAB I.pdf Download (87kB) | Preview
Preview	Text 07. BAB II.pdf Download (149kB) | Preview
Preview	Text 08. BAB III.pdf Download (119kB) | Preview
Preview	Text 09. BAB IV.pdf Download (996kB) | Preview
	Text (BAB V) 10. BAB V.pdf - Published Version Restricted to Repository staff only Download (1MB)
Preview	Text 11. BAB VI.pdf Download (65kB) | Preview
Preview	Text 12. Daftar Pustaka.pdf Download (84kB) | Preview

Abstract

Dinas Sosial Kabupaten Siak dalam menentukan status kesejahteraan keluarga berdasarkan musyawarah dengan menentukan kesejahteraan berdasarkan aspek kesehatan dan pendidikan. Oleh karena itu, perlu adanya sebuah sistem klasifikasi yang mendukung pihak Dinas Sosial dalam menentukan status kesejahteraan keluarga di Kabupaten Siak secara efektif dan tepat. Penelitian ini dimaksudkan untuk melakukan klasifikasi status kesejahteraan rumah tangga menggunakan algoritma Naive Bayes Classifier. Atribut yang digunakan pada penelitian ini adalah NIK, kecamatan, jenis cacat, penyakit kronis, ijazah tertinggi, lapangan usaha dari pekerjaan utama, status kedudukan dalam Pekerjaan Utama, Status bangunan tempat tinggal, status lahan tempat tinggal, jenis lantai, jenis dinding, jenis atap, sumber air minum, sumber penerangan utama, dan jumlah anggota keluarga. Penentuan atribut ini telah dikonfirmasi kepada pihak Dinas Sosial Kabupaten Siak melalui wawancara sebagai fitur utama penentu status kesejahteraan rumah tangga. Penelitian melakukan pembagian data latih dan data uji dengan menggunakan k-fold cross validation dilakukan dengan 4 cross dan 10 kali percobaan menggunakan tools Weka dan data kesejahteraan tahun 2017 sebanyak 19.612 data. Hasilnya didapatlah akurasi tertinggi pada k4 dengan akurasi rata-rata 53% dan tergolong Cukup baik. Hasil dari perhitungan algoritma tersebut akan diimplementasikan kedalam sebuah sistem informasi yang diharapkan mampu memberikan pemecahan masalah sehingga dapat membantu pihak Dinas Sosial dalam menentukan status kesejahteraan secara efektif dan tepat. Kata Kunci: cross validation, kesejahteraan keluarga, klasifikasi, naive bayes classifier.

Actions (login required)

View Item