Klasifikasi Penerima Program Keluarga Harapan di Kota Padang Menggunakan K-Nearest Neighbors dengan Recursive Feature Elimination Cross Validation

Saputra, Yurivo Rianda (2024) Klasifikasi Penerima Program Keluarga Harapan di Kota Padang Menggunakan K-Nearest Neighbors dengan Recursive Feature Elimination Cross Validation. Skripsi thesis, Universitas Negeri Padang.

[img]
Preview
Text
B1_10_YURIVO_RIANDA_SAPUTRA_20337063_3740_2024.pdf

Download (2MB) | Preview

Abstract

Program Keluarga Harapan (PKH) merupakan program bantuan sosial dari pemerintah yang bertujuan untuk memberikan perlindungan sosial dalam upaya pemerintah memajukan kesejahteraan sosial. PKH memberikan manfaat kepada keluarga miskin, khususnya ibu hamil dan anak, dengan memanfaatkan berbagai layanan kesehatan dan pendidikan yang tersedia. Manfaat PKH juga mencakup penyandang disabilitas dan lanjut usia dengan menjaga tingkat kesejahteraan sosialnya sesuai dengan Konstitusi dan Nawacita Republik Indonesia. Dalam penyaluran PKH terdapat kesalahan penyaluran yang menyebabkan kerugian negara hingga Rp 6,93 triliun. Untuk mengantisipasi agar PKH tersalurkan kepada yang benar membutuhkan, maka diperlukan suatu sistem untuk mengambil keputusan agar penyaluran PKH tepat sasaran. Sistem yang dapat dimanfaatkan adalah algoritma machine learning dalam klasifikasi. Algoritma klasifikasi yang sederhana dan mudah dipelajari serta efektif jika data pelatihan berukuran besar adalah K-Nearest Neighbors (KNN). Klasifikasi dilakukan dengan membandingkan jumlah tetangga (k) pada KNN serta jumlah atribut hasil seleksi fitur dengan metode Recursive Feature Elimination Cross Validation (RFECV). Sebelum dilakukan klasifikasi perlu dilakukan penyeimbangan data dengan metode Synthetic Minority Oversampling Technique Edited Nearest Neighbors (SMOTEENN). Sumber data diperoleh dari data SUSENAS 2023 Kota Padang. Hasil penelitian menunjukkan bahwa KNN dengan sepuluh atribut hasil RFECV dan nilai k = 3 merupakan algoritma dengan nilai accuracy dan precision terbesar. Sedangkan KNN dengan semua atribut dan nilai k = 3 merupakan algoritma dengan nilai recall terbesar. Perbandingan nilai evaluasi antara dua situasi dataset menghasilkan algoritma KNN dengan sepuluh atribut hasil RFECV lebih baik dibandingkan algoritma KNN dengan seluruh atribut dalam klasifikasi penerima PKH di Kota Padang

Item Type: Thesis (Skripsi)
Contributors:
ContributionContributorsEmail
Thesis advisorSyafriandi, SyafriandiUNSPECIFIED
CorrectorPermana, DonyUNSPECIFIED
CorrectorZilrahmi, ZilrahmiUNSPECIFIED
Uncontrolled Keywords: K-NEAREST NEIGHBORS
Subjects: Q Science > QA Mathematics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistik-S1
Depositing User: Arlianis
Date Deposited: 17 Sep 2024 08:11
Last Modified: 17 Sep 2024 08:11
URI: http://repository.unp.ac.id/id/eprint/54032

Actions (login required)

View Item View Item