KLASIFIKASI RUMAH TANGGA MISKIN MENGGUNAKAN ORDINAL CLASS CLASSIFIER
Badan Pusat Statistik (BPS) mengklasifikasikan rumah tangga sasaran menjadi tiga kategori yaitu Rumah Tangga Sangat Miskin (RTSM), Rumah Tangga Miskin (RTM), dan Rumah Tangga Hampir Miskin (RTHM). Diperlukan sebuah metode yang dapat mempercepat proses klasifikasi untuk membantu kinerja dari BPS agar...
Saved in:
主要作者: | |
---|---|
格式: | Theses and Dissertations NonPeerReviewed |
語言: | Indonesian Indonesian |
出版: |
2017
|
主題: | |
在線閱讀: | http://repository.unair.ac.id/62668/1/ST.SI.40.17%20.%20Sov.k%20-%20ABSTRAK.pdf http://repository.unair.ac.id/62668/2/ST.SI.40.17%20.%20Sov.k%20-%20SEC.pdf http://repository.unair.ac.id/62668/ http://lib.unair.ac.id |
標簽: |
添加標簽
沒有標簽, 成為第一個標記此記錄!
|
總結: | Badan Pusat Statistik (BPS) mengklasifikasikan rumah tangga sasaran menjadi tiga kategori yaitu Rumah Tangga Sangat Miskin (RTSM), Rumah Tangga Miskin (RTM), dan Rumah Tangga Hampir Miskin (RTHM). Diperlukan sebuah metode yang dapat mempercepat proses klasifikasi untuk membantu kinerja dari BPS agar dapat mempersingkat waktu. Adapun skala data yang digunakan dalam klasifikasi rumah tangga miskin adalah ordinal. Pada umumnya perhitungan klasifikasi menggunakan skala ordinal hanya ditemukan pada software WEKA Ordinal Class Classifier (OCC) merupakan salah satu klasifikasi yang ada pada WEKA. OCC dapat mengatasi atribut yang bersifat nominal, numerik, dan ordinal. Sehingga dalam penelitian ini akan mencoba menggunakan OCC untuk mengklasifikasikan rumah tangga miskin.
Dalam melakukan perbandingan kinerja algoritma ada beberapa tahap yang dilalui. Pertama tahap pengumpulan data, kedua tahap pengolahan data dan informasi dengan melakukan preprocessing, ketiga tahap analisis dengan tools WEKA. Keempat tahap pengujian dengan menghitung nilai accuracy, precision, dan recall. Tahap terkahir adalah evalusi dengan cara membandingkan data aktual dengan data prediksi hasil perhitungan sistem.
Dari proses klasifikasi diperoleh bahwa OCC memiliki tingkat accuracy, precision, serta recall tertinggi pada data training 90% (3803 data) dan data testing 10% (423 data) dengan accuracy sebesar 90,5437%, precision 0,919, dan recall 0,905. |
---|