PENERAPAN K-NEAREST NEIGHBOR IMPUTATION UNTUK PERBAIKAN MISSING VALUE PADA KLASIFIKASI PENDUDUK KURANG MAMPU MENGGUNAKAN METODE NAÏVE BAYES

Anik Nur Novitasari, Eka Septianingrum (2019) PENERAPAN K-NEAREST NEIGHBOR IMPUTATION UNTUK PERBAIKAN MISSING VALUE PADA KLASIFIKASI PENDUDUK KURANG MAMPU MENGGUNAKAN METODE NAÏVE BAYES. Undergraduate thesis, Universitas Muhammadiyah Jember.

[img] Text
a. Pendahuluan.pdf

Download (2MB)
[img] Text
b. Abstrak.pdf

Download (2MB)
[img] Text
c. Bab I.pdf

Download (2MB)
[img] Text
d. Bab II.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy
[img] Text
e. Bab III.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy
[img] Text
f. Bab IV.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy
[img] Text
g. Bab V.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy
[img] Text
h. Daftar Pustaka.pdf

Download (2MB)
[img] Text
i. Lampiran.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy
[img] Text
j. Paper.pdf

Download (660kB)

Abstract

Abstrak, Pada tahun 2016 di Kabupaten Jember masih tercatat 265.000 jiwa penduduk kurang mampu dimana klasifikasi penduduk kurang mampu tersebut didasarkan pada beberapa parameter yang diantaranya terdiri dari pendapatan, jumlah makan sehari, pendidikan, luas bangunan, program yang diterima, status kepemilikan rumah, sumber penerangan dan MCK. Untuk mengklasifikasi data penduduk kurang mampu tersebut bisa digunakan metode Naïve Bayes. Akan tetapi dalam prosesnya terdapat kendala yaitu tidak lengkapnya data-data dari kelurahan yang membuat proses klasifikasi tidak dapat dilakukan secara optimal. Untuk itu dibutuhkan preproses untuk dapat melengkapi data-data kosong tersebut. Untuk memprediksi missing value pada data penduduk kurang mampu tersebut. Metode k-nearest neighbor akan diaplikasikan guna melengkapi missing value dalam data penduduk tersebut dan akan dikombinasikan dengan klasifikasi Naïve Bayes dalam pengambilan keputusan dapat membantu mengatasi permasalahan missing value dalam data penduduk kurang mampu di Kabupaten Jember sekaligus mengetahui pengaruh data yang kosong bila dibandingkan parameter-parameter lain terhadap pengambilan keputusan. Setelah ujicoba dilakukan, maka mengetahui tingkat akurasi metode k-nearest neighbor dalam memprediksikan data kosong sebesar 80,4% sehingga dikatakan cukup baik untuk dapat diterapkan pada data yang selanjutnya akan diklasifikasikan menggunakan metode Naïve Bayes. Pada proses klasifikasi penduduk kurang mampu menggunakan metode Naïve Bayes setelah divalidasi memperoleh hasil cukup tinggi yaitu akurasi sebesar 87% sedangkan proses klasifikasi yang memanfaatkan k-nearest neighboruntuk prediksi missing value mendapatkan nilai akurasi yaitu 85%. Kata kunci :Klasifikasi,Missing Value, Naïve Bayes, K-Nearest Neighbor.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Klasifikasi,Missing Value, Naïve Bayes, K-Nearest Neighbor.
Subjects: 600 Technology and Applied Science > 620 Engineering > 622 Mining and Related Operations
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Department: ["eprint_fieldopt_department_KODEPRODI55201#TEKNIKINFORMATIKA" not defined]
Depositing User: SEPTIANINGRUM ANIK NUR NOVITASARI EKA
Contributors:
ContributionContributor NameNIDN/NIDK
Thesis advisorDeni, Arifiantonidn1103588
Contact Email Address: aniknurnovitasari@gmail.com
Date Deposited: 27 Jan 2020 01:11
Last Modified: 27 Jan 2020 01:13
URI: http://repository.unmuhjember.ac.id/id/eprint/3415

Actions (login required)

View Item View Item