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). Sarjana / Sarjana Terapan (S1/D4) thesis, ["eprint_fieldopt_institution_Muhammadiyah University, Semarang" not defined].

Preview	Text 1. HALAMAN DEPAN.pdf Download (415kB) | Preview
Preview	Text 2. PERSETUJUAN PEMBIMBING.pdf Download (531kB) | Preview
Preview	Text 3. PENGESAHAN KELULUSAN.pdf Download (584kB) | Preview
Preview	Text 6. ABSTRAK.pdf Download (396kB) | Preview
Preview	Text 12. BAB I.pdf Download (597kB) | Preview
Preview	Text 13. BAB II.pdf Download (679kB) | Preview
	Text 14. BAB III.pdf Restricted to Repository staff only Download (655kB) | Request a copy
	Text 15. BAB IV.pdf Restricted to Repository staff only Download (855kB) | Request a copy
Preview	Text 16. BAB V.pdf Download (406kB) | Preview
Preview	Text 17. DAFTAR PUSTAKA.pdf Download (399kB) | Preview
	Text 18. LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy
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).

Actions (login required)

View Item