Angganeswari, Putu Tari (2024) PERBANDINGAN AKURASI METODE NAÏVE BAYES DAN METODE K-NEAREST NEIGHBOR DALAM MENGKLASIFIKASI PENERIMA BANTUAN SOSIAL DI DESA PITRA. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
2013101004-COVER.pdf Download (900kB) |
|
Text (ABSTRAK)
2013101004-ABSTRAK.pdf Download (78kB) |
|
Text (BAB 1 PENDAHULUAN)
2013101004-BAB 1 PENDAHULUAN.pdf Download (158kB) |
|
Text (BAB 2 KAJIAN TEORI)
2013101004-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (361kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
2013101004-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (234kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
2013101004-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
2013101004-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (77kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
2013101004-DAFTAR PUSTAKA.pdf Download (207kB) |
|
Text (LAMPIRAN)
2013101004-LAMPIRAN.pdf Download (1MB) |
Abstract
Distribusi bantuan sosial merupakan salah satu upaya penting yang dilakukan oleh pemerintah untuk meningkatkan kesejahteraan masyarakat. Penentuan penerima bantuan sosial yang tepat sasaran sangat penting untuk meningkatkan kesejahteraan masyarakat dan mengurangi kesenjangan sosial di Desa Pitra. Tujuan dari penelitian ini yaitu memperoleh metode yang memiliki keakuratan yang tinggi dalam mengklasifikasi penerima bantuan sosial di Desa Pitra. Dalam penelitian ini metode yang dibandingkan adalah metode Naïve Bayes dan metode K-Nearest Neighbor. Penelitian ini menggunakan data dengan kriteria jenis kelamin, usia, pendapatan, pendidikan terakhir, jumlah tanggungan, pekerjaan, luas lantai, jenis lantai, dan sumber air minum. Data yang digunakan yaitu data sekunder yang diperoleh dari data kepala keluarga tahun 2023 di Desa Pitra. Metode Naïve Bayes digunakan karena kesederhanaannya dalam menghitung probabilitas sedangkan metode K-Nearest Neighbor digunakan karena kemampuannya mengelompokkan data berdasarkan jarak antar titik. Hasil penelitian ini menunjukkan bahwa metode Naïve Bayes memiliki akurasi sebesar 81%, presisi 58% dan recall 63% sedangkan metode K-Nearest Neighbor dengan K = 5 memiliki akurasi sebesar 78%, presisi 33% dan recall 61%. Hasil akurasi, presisi dan recall Naïve Bayes lebih tinggi dibandingkan metode K-Nearest Neighbor. Metode Naïve Bayes sebagai metode terbaik kemudian diaplikasikan dalam pembuatan sistem berbasis web dengan framework Django menggunakan bahasa pemrograman Python untuk memudahkan proses klasifikasi penerima bantuan sosial.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Klasifikasi, Naïve Bayes, K-Nearest Neighbor, Bantuan Sosial |
| Subjects: | Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Jurusan Matematika > Program Studi Matematika (S1) |
| Depositing User: | Putu Tari Angganeswari |
| Date Deposited: | 27 Dec 2024 02:25 |
| Last Modified: | 27 Dec 2024 02:25 |
| URI: | http://repo.undiksha.ac.id/id/eprint/22658 |
Actions (login required)
 |
View Item |