ANALISA PERBANDINGAN KINERJA ALGORITMA K�NEAREST NEIGHBOR DAN ADAPTIVE BOOSTING PADA PREDIKSI PENERIMA BANTUAN SOSIAL PANGAN NON TUNAI

Yustikasari, Yusi (2021) ANALISA PERBANDINGAN KINERJA ALGORITMA K�NEAREST NEIGHBOR DAN ADAPTIVE BOOSTING PADA PREDIKSI PENERIMA BANTUAN SOSIAL PANGAN NON TUNAI. Sarjana thesis, Universitas Siliwangi.

	Text 1. COVER.pdf Download (41kB)
	Text 2. LEMBAR PENGESAHAN TUGAS AKHIR.pdf Download (36kB)
	Text 3. LEMBAR KEASLIAN.pdf Download (75kB)
	Text 4. ABSTRAK.pdf Download (33kB)
	Text 5. KATA PENGANTAR.pdf Download (90kB)
	Text 6. DAFTAR ISI, GAMBAR, TABEL, SOURCECODE.pdf Download (114kB)
	Text 7. BAB I.pdf Download (113kB)
	Text 8. BAB II.pdf Download (209kB)
	Text 9. BAB III.pdf Download (108kB)
	Text 10. BAB IV.pdf Restricted to Repository staff only Download (636kB)
	Text 11. BAB V.pdf Restricted to Repository staff only Download (35kB)
	Text 12.DAFTAR PUSTAKA.pdf Download (141kB)

Abstract

ABSTRAK Berdasarkan hasil observasi yang dilakukan di Dinas Sosial Kota Tasikmalaya didapatkan informasi bahwa tingkat kemiskinan di Kota Tasikmalaya tersebut masih tinggi. Oleh karena itu, Dinas Sosial Kota Tasikmalaya melaksanakan program bantuan sosial pangan non tunai atau BPNT. Proses dalam menentukan penerima bantuan sosial oleh pihak Dinas Sosial Kota Tasikmalaya masih dilakukan secara manual. Penerapan sistem yang masih manual ini dinilai kurang akurat dalam memperoleh hasil penerima bantuan sosial. Dari permasalahan tersebut, untuk mengatasi masalah ini diperlukan perhitungan yang sistematis. Dalam memproses data dibutuhkan model yang dapat menjelaskan data dengan pengaplikasiannya, maka dibuatlah sebuah model machine learning yang dapat membantu memproses data tersebut. Pemberian klasifikasi penerimaan bantuan sosial pangan non tunai pada penelitian ini menggunakan algoritma K-Nearest Neighbor dan Adaptive Boosting. Penelitian ini akan membandingkan kinerja dari dua algoritma tersebut. Hasil yang didapatkan untuk Adaptive Boosting merupakan hasil klasifikasi terbaik dengan akurasi maksimal yaitu 100% dan menghasilkan nilai AUC tinggi sebesar 1.0. Sedangkan pada kurva ROC untuk algoritma K�Nearest Neighbor menghasilkan akurasi 96.13% dengan nilai AUC sebesar 0.94. Kurva ROC pada dua algoritma tersebut merupakan hasil klasifikasi yang baik. Karena dua grafik tersebut melintang diatas garis diagonal dan menghasilkan nilai AUC yang termasuk kedalam Excellent classification. Kata Kunci: Adaptive Boosting, BPNT, Confusion Matrix, K-Nearest Neighbor

Actions (login required)

View Item