KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KABUPATEN BREBES MENGGUNAKAN KOMBINASI PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE (PCA-SVM)

ARIANTI, IRMA, B2A016027 (2020) KLASIFIKASI KESEJAHTERAAN RUMAH TANGGA DI KABUPATEN BREBES MENGGUNAKAN KOMBINASI PRINCIPAL COMPONENT ANALYSIS DAN SUPPORT VECTOR MACHINE (PCA-SVM). Undergraduate thesis, Muhammadiyah University, Semarang.

[img]
Preview
Text
1. HALAMAN DEPAN.pdf

Download (415kB) | Preview
[img]
Preview
Text
2. PERSETUJUAN PEMBIMBING.pdf

Download (531kB) | Preview
[img]
Preview
Text
3. PENGESAHAN KELULUSAN.pdf

Download (584kB) | Preview
[img]
Preview
Text
6. ABSTRAK.pdf

Download (396kB) | Preview
[img]
Preview
Text
12. BAB I.pdf

Download (597kB) | Preview
[img]
Preview
Text
13. BAB II.pdf

Download (679kB) | Preview
[img] Text
14. BAB III.pdf
Restricted to Repository staff only

Download (655kB) | Request a copy
[img] Text
15. BAB IV.pdf
Restricted to Repository staff only

Download (855kB) | Request a copy
[img]
Preview
Text
16. BAB V.pdf

Download (406kB) | Preview
[img]
Preview
Text
17. DAFTAR PUSTAKA.pdf

Download (399kB) | Preview
[img] Text
18. LAMPIRAN.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img]
Preview
Text
JURNAL ILMIAH.pdf

Download (1MB) | Preview

Abstract

Kesejahteraan merupakan berbagai tindakan yang dilakukan manusia untuk mencapai tingkat kehidupan masyarakat yang lebih baik. Kesejahteraan masyarakat dapat diukur dari terpenuhinya kebutuhan dasar manusia. Rumah tangga yang tidak mampu dalam pemenuhan kebutuhan dasarnya, maka dikategorikan dalam kemiskinan. Berdasarkan PPLS 2008, terdapat 13 indikator dalam penentuan kemiskinan yang diperoleh dari hasil Survei Sosial Ekonomi Nasional yang laksanakan oleh Badan Pusat Statistik. Penelitian ini menggunakan metode kombinasi Principal Component Analysis (PCA) dan Support Vector Machine (SVM) untuk mengklasifikasikan kesejahteraan rumah tangga di Kabupaten Brebes tahun 2018 dengan kategori miskin. PCA digunakan untuk mereduksi data dan data terbaru diproses menggunakan SVM untuk diklasifikasikan. Digunakan 3 kategori pembagian data training dan data testing yaitu 70:30, 80:20 dan 90:10. Hasil penelitian menunjukkan bahwa dari 955 responden, 86% menunjukkan rumah tangga miskin. Klasifikasi menggunakan Principal Component Analysis- Support Vector Machine (PCA-SVM) pada data training menghasilkan tingkat akurasi dan spesifitas terbaik yaitu pada data training 90 sebesar 99.77% dan 99.86%. Sedangkan pada sensitivitas terbesar yaitu 100% pada data training 70 dan 80. Untuk data testing memiliki tingkat akurasi sebesar 99.77% yaitu pada data testing 10, sensitivitas sebesar 99.16% pada data testing 10 dan spesifitas memiliki nilai terbaik pada data testing 30 dan 20 sebesar 100%. Kata kunci : Kesejahteraan rumah tangga, Principal Component Analysis (PCA), Support Vector Machine (SVM).

Item Type: Thesis (Undergraduate)
Call Number: 021/Statistik/X/2020
Subjects: L Education > Statistics
Divisions: Faculty of Science and Mathematics > S1 Statistics
Depositing User: perpus unimus
Date Deposited: 22 Mar 2021 04:28
Last Modified: 22 Mar 2021 04:28
URI: http://repository.unimus.ac.id/id/eprint/4340

Actions (login required)

View Item View Item