Perbandingan akurasi klasifikasi tingkat kemiskinan antara algoritma C4.5 dan Naïve Bayes Clasifier

Derick Iskandar, Yoyon K Suprapto

Abstract

Kemiskinan merupakan salah satu masalah yang dialami oleh beberapa Negara berkembang, termasuk indonesia. Banyak cara yang dilakukan untuk menanggulangi kemiskinan, diantaranya dengan program bantuan sosial untuk rakyat miskin. Bentuk bantuan sosial yang diberikan oleh pemerintah disesuaikan dengan tingkat kemiskinan yang ada disuatu wilayah sehingga pemberian bantuan sosial tersebut tidak salah sasaran. Pada penelitian kali ini kami menggunakan BDT (Basis Data Terpadu) yang dikeluarkan oleh TNP2K dalam menentukan klasifikasi tingkat kemiskinan. Adapun metode yang digunakan
dalam penelitian ini adalah Naïve Bayes Clasifier (NBC) dan Algoritma C4.5 yang keduanya merupakan metode pada teknik klasifikasi data mining. Pegujian akan dilakukan dengan menggunakan 14 atribut. Hasil dari proses klasifikasi diperoleh bahwa metode C4.5 memiliki tingkat akurasi 3% lebih baik jika dibandingkan dengan metode Naïve Bayes.

Full Text:

PDF

References

Aradea,Satriyo A., Ariyan, Z., Yuliana,A. 2011. Penerapan Decision Tree untuk penentuan pola data Penerimaan Mahasiswa Baru. Jurnal Penelitian Sitrotika Vol 7 No 1. Universitas Diponegoro, Semarang.

Chauhan, H and Chauhan, A. 2013. Implementation of decision tree algorithmC4.5. International Journal of Scientific and Research Publication Vol 3 issue 10, October 2013.

Defiyanti, S. Perbandingan kinerja Algoritma ID3 dan C4.5 dalam klasifikasi spam-mail. Universitas Gunadarma. Jakarta.

Hastuti, K .2012. Analisis komparasi Algoritma Klasifikasi Data Mining untuk prediksi mahasiswa non aktif. Seminar Nasional Teknologi Informasi dan Komunikasi Terapan 2012. Universitas Dian Nuswantoro, Semarang.

Ian H. Witten, frank Eibe, and Mark A. Hall, Data Mining: Practical Machine Learning Tools and Techniques, 3rd ed., Asma Stephan and Burlington, Eds. United States of America: Morgan Kaufmann, 2011.

Prasetyo, Eko.2014.Data mining mengolah data menjadi informasi menggunakan matlab. Yogyakarta : penerbit andi.

http://bdt.tnp2k.go.id/ diakses pada 2 oktober 2015.

Sutaat. 2006. Hasil-hasil Penelitian Tahun 2006 Puslitbang kesejahteraan Sosial. Pusat Penelitian dan Pengembangan Kesejahteraan Sosial. Badan Pendidikan dan Kesejahteraan Sosial, Departemen Sosial Republik Indonesia : Jakarta.

Tan, dkk, 2006. Introduction to Data Mining. Pearson Education, Inc.

Yuhefizar, Budi Santosa, I Ketut Eddy P, Yoyon K Suprapto. 2013. Combination of Cluster Method for Segmentation of Web Visitors. Jurnal TELKOMNIKA Vol 11 No 1, Maret 2013.

Refbacks

  • There are currently no refbacks.