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.
![]() |
Text
a. Pendahuluan.pdf Download (2MB) |
![]() |
Text
b. Abstrak.pdf Download (2MB) |
![]() |
Text
c. Bab I.pdf Download (2MB) |
![]() |
Text
d. Bab II.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
![]() |
Text
e. Bab III.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
![]() |
Text
f. Bab IV.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
![]() |
Text
g. Bab V.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
![]() |
Text
h. Daftar Pustaka.pdf Download (2MB) |
![]() |
Text
i. Lampiran.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
![]() |
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: |
|
||||||
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 |