IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI EKONOMI PENDUDUK DI KECAMATAN SIMPANG RAYA KABUPATEN BANGGAI SULAWESI TENGAH
Total View This Week0
Total View This Week0
Institusion
Universitas Tadulako
Author
MUHAMMAD SUDASRONO,
Subject
Informatics Engineering
Datestamp
2019-10-15 06:35:52
Abstract :
Kemiskinan merupakan masalah yang sering dihadapi oleh sebagian negara. Kebijakan pemerintah dalam mengentaskan kemiskinan adalah dengan merealisasikan dana bantuan. Penentuan penerima dana bantuan di Kecamatan Simpang Raya Kabupaten Bangai Sulawesi Tengah masih dilakukan secara manual. Hal ini dianggap kurang baik sehingga mengakibatkan distribusi bantuan menjadi kurang merata dan mempengaruhi kesejahteraan masyarakat di Kecamatan Simpang Raya. Penelitian terkait klasifikasi ekonomi penduduk menggunakan parameter yang telah ditentukan oleh Pemerintah. Dengan memanfaatkan parameter tersebut akan diolah menggunakan algoritma Support Vector Machine (SVM) dengan tujuan dapat mengkasifikasikan dengan baik. Penelitian ini menggunakan data kualitatif yang terdiri dari data latih sebanyak 320 data dan data uji sebanyak 80 data. Berdasarakan hasil uji coba keakuratan algoritma SVM menggunakan metode Confusion Matrix didapatkan hasil akurasi sebesar 96%. Kata Kunci : ekonomi penduduk, Machine Learning, klasifikasi, Support Vector Machine.
Kemiskinan merupakan masalah yang sering dihadapi oleh sebagian negara. Kebijakan pemerintah dalam mengentaskan kemiskinan adalah dengan merealisasikan dana bantuan. Penentuan penerima dana bantuan di Kecamatan Simpang Raya Kabupaten Bangai Sulawesi Tengah masih dilakukan secara manual. Hal ini dianggap kurang baik sehingga mengakibatkan distribusi bantuan menjadi kurang merata dan mempengaruhi kesejahteraan masyarakat di Kecamatan Simpang Raya. Penelitian terkait klasifikasi ekonomi penduduk menggunakan parameter yang telah ditentukan oleh Pemerintah. Dengan memanfaatkan parameter tersebut akan diolah menggunakan algoritma Support Vector Machine (SVM) dengan tujuan dapat mengkasifikasikan dengan baik. Penelitian ini menggunakan data kualitatif yang terdiri dari data latih sebanyak 320 data dan data uji sebanyak 80 data. Berdasarakan hasil uji coba keakuratan algoritma SVM menggunakan metode Confusion Matrix didapatkan hasil akurasi sebesar 96%. Kata Kunci : ekonomi penduduk, Machine Learning, klasifikasi, Support Vector Machine.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
