Algoritma Support Vector Machine (SVM) untuk Klasifikasi Ekonomi Penduduk Penerima Bantuan Pemerintah di Kecamatan Simpang Raya Sulawesi Tengah

Anita Ahmad Kasim, Muhammad Sudarsono

Abstract


Klasifikasi ekonomi penduduk diperlukan dalam menentukan penerima bantuan pemerintah. Pemberian bantuan terkadang tidak sesuai sasaran. Hal ini disebabkan oleh proses penentuan penerima bantuan masih dilakukan secara manual sehingga terdapat penilaian subjektif dalam menentukan masyarakat yang berhak menerima atau tidak menerima bantuan pemerintah. Hal ini dianggap kurang baik sehingga mengakibatkan distribusi bantuan menjadi kurang merata dan mempengaruhi kesejahteraan masyarakat. Penelitian terkait klasifikasi ekonomi penduduk menggunakan parameter yang telah ditentukan oleh seperti pendidikan terakhir, dinding rumah, atap rumah, luas rumah dan sumber listrik. Parameter tersebut diolah menggunakan algoritma Support Vector Machine (SVM) dengan tujuan klasifikasi ekonomi penduduk bagi penerima bantuan dan bukan penerima bantuan pemerintah di Kecamatan Simpang Raya Kabupaten Banggai Provinsi Sulawesi Tengah. Penelitian ini menggunakan data yang terdiri dari data latih sebanyak 320 data dan data uji sebanyak 80 data. Berdasarkan hasil uji coba keakuratan algoritma SVM didapatkan hasil akurasi sebesar 98%.

Full Text:

PDF

References


Sari M.S, Safitri Diah , Sugito. 2014. “Klasifikasi Wilayah Desa-Perdesaan Dan Desa-Perkotaan Wilayah Kabupaten Semarang Dengan Support Vector Machine (Svm).†A Jurusan Statistika FSM UNDIP, Semarang.

Karyadiputra Erfan. 2016. “Analisis Algoritma Naive Bayes Untuk Klasifikasi Status Kesejahteraan Rumah Tangga Keluarga Binaan Sosial.†7(4): 199–208.

Permatasari, D. A (2017). Klasifikasi Status Ekonomi Keluarga Dengan Menggunakan Algoritma K-Nearest Neighbor Di Desa Pacewetan Kecamatan Pace Kabupaten Nganjuk. Universitas Nusantara PGRI Kediri

Yogi Setiyo Pamuji, Diah Safitri, and Alan Prahutama. 2015. “Klasifikasi Penerima Program Beras Miskin (Raskin) Di Kabupaten Wonosobo Dengan Metode Support Vector Machine Menggunakan LibSVM.†Universitas Diponegoro, Semarang, Jurnal Gaussian 4: 1087–96.

Huang, Chia Hui, Keng Chieh Yang, and Han Ying Kao. 2014. “Analyzing Big Data with the Hybrid Interval Regression Methods.†Scientific World Journal 2014.

Fiska R.R. 2017. “Penerapan Teknik Data Mining Dengan Metode Support Vector Machine (SVM) Untuk Memprediksi Siswa Yang Berpeluang Drop Out (Studi Kasudi SMKN 1 Sutera).†Jaringan Sistem Informasi Robotik, AMIK Mitra Gama, Riau,1(01): 42–51.

Indrayanti, Sugianti Devi, Al Karomi M.A. 2017. “Peningkatan Akurasi Algoritma KNN Dengan Seleksi Fitur G Ain Ratio Untuk Klasifikasi Penyakit Diabetes Mellitus.†STMIK Widya Pratama, Pekalongan IC-Tech XII(2): 1–6.

Nuraedah, M. B. (2018). Quadratic Support Vector Machine For The Bomba Traditional Textile Motif Classification. Indonesian Journal of Electrical Engineering and Computer Science , 11 (3), 1004-1014.


Article Metrics

Abstract view : 782 times
PDF - 8530 times

Refbacks

  • There are currently no refbacks.


SEMNASTIK 2019 diselenggarakan oleh : 

 Â