IMPLEMENTASI ALGORITMA NAÏVE BAYES DALAM KLASIFIKASI TINGKAT INDEKS PEMBANGUNAN MANUSIA DENGAN VARIABEL HARAPAN MASA SEKOLAH, PENGELUARAN PERKAPITA, DAN HARAPAN USIA DI JAWA TIMUR

Farizi, Fahmin Nur (2024) IMPLEMENTASI ALGORITMA NAÏVE BAYES DALAM KLASIFIKASI TINGKAT INDEKS PEMBANGUNAN MANUSIA DENGAN VARIABEL HARAPAN MASA SEKOLAH, PENGELUARAN PERKAPITA, DAN HARAPAN USIA DI JAWA TIMUR. Undergraduate thesis, Universitas Muhammadiyah Jember.

[img] Text
1.Pendahuluan.pdf

Download (838kB)
[img] Text
2.Abstrak.pdf

Download (333kB)
[img] Text
3. Bab 1.pdf

Download (214kB)
[img] Text
4. Bab 2.pdf
Restricted to Repository staff only

Download (326kB) | Request a copy
[img] Text
5. Bab 3.pdf
Restricted to Repository staff only

Download (410kB) | Request a copy
[img] Text
6. Bab 4.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text
7. Bab 5.pdf
Restricted to Repository staff only

Download (249kB) | Request a copy
[img] Text
8. Daftar Pustaka.pdf

Download (221kB)
[img] Text
9. Lampiran CV.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy

Abstract

Pada tahun 2023, Jawa Timur dengan populasi mencapai 41 juta penduduk, memiliki peran sentral dalam struktur sosial dan ekonomi Indonesia. Meskipun demikian, tantangan utama tetap pada upaya meningkatkan kesejahteraan masyarakat, yang tercermin dalam komitmen untuk meningkatkan Indeks Pembangunan Manusia (IPM). IPM, yang mencakup harapan hidup, harapan masa sekolah, dan pengeluaran per kapita, menjadi parameter kunci dalam mengevaluasi kesejahteraan suatu daerah. Penelitian ini menggunakan metode Naïve Bayes untuk mengklasifikasi tingkat IPM dengan faktor-faktor yang memengaruhi IPM di daerah wilayah Jawa Timur. Data yang digunakan berasal dari Badan Pusat Statistik (BPS), mencakup periode tahun 2018 hingga 2022 dengan 284 data historis sebagai data latihan, serta 38 data untuk tahun 2023 sebagai data uji. Dengan menggunakan platform Rapid Miner, model penelitian ini mencapai tingkat akurasi sebesar 84,6%. Hasil ini menunjukkan bahwa model tersebut cukup dapat diandalkan dalam mengklasifikasikan, lebih khusus pada kasus ini.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: IPM, Jawa Timur, Naïve Bayes
Subjects: 000 Computer Science, Information, & General Works > 005 Computer Programming, Programs, & Data
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Department: S1 Teknik Informatika
Depositing User: Fahmin Nur Farizi
Contributors:
ContributionContributor NameNIDN/NIDK
Thesis advisorDaryanto, DaryantoNIDN0707077203
Thesis advisorSulistyo, Henny WahyuNIDN0718088309
Contact Email Address: fahminnurfarizi@gmail.com
Date Deposited: 20 Jul 2024 03:43
Last Modified: 20 Jul 2024 03:43
URI: http://repository.unmuhjember.ac.id/id/eprint/21980

Actions (login required)

View Item View Item