<didl:DIDL xmlns:dcterms="http://purl.org/dc/terms/" xmlns:dip="urn:mpeg:mpeg21:2002:01-DIP-NS" xmlns:dii="urn:mpeg:mpeg21:2002:01-DII-NS" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:didl="urn:mpeg:mpeg21:2002:02-DIDL-NS" xsi:schemaLocation="urn:mpeg:mpeg21:2002:02-DIDL-NS http://standards.iso.org/ittf/PubliclyAvailableStandards/MPEG-21_schema_files/did/didl.xsd urn:mpeg:mpeg21:2002:01-DII-NS http://standards.iso.org/ittf/PubliclyAvailableStandards/MPEG-21_schema_files/dii/dii.xsd urn:mpeg:mpeg21:2005:01-DIP-NS http://standards.iso.org/ittf/PubliclyAvailableStandards/MPEG-21_schema_files/dip/dip.xsd" DIDLDocumentId="https://repository.unp.ac.id/id/eprint/47064">
  <didl:Item>
    <didl:Descriptor>
      <didl:Statement mimeType="application/xml">
        <dii:Identifier>https://repository.unp.ac.id/id/eprint/47064</dii:Identifier>
      </didl:Statement>
    </didl:Descriptor>
    <didl:Descriptor>
      <didl:Statement mimeType="application/xml">
        <dcterms:modified>2026-08-28T10:25:19Z</dcterms:modified>
      </didl:Statement>
    </didl:Descriptor>
    <didl:Component>
      <didl:Resource ref="https://repository.unp.ac.id/cgi/export/eprint/47064/DIDL/repounp-eprint-47064.xml" mimeType="application/xml"/>
    </didl:Component>
    <didl:Item>
      <didl:Descriptor>
        <didl:Statement mimeType="application/xml">
          <dip:ObjectType>info:eu-repo/semantics/descriptiveMetadata</dip:ObjectType>
        </didl:Statement>
      </didl:Descriptor>
      <didl:Component>
        <didl:Resource mimeType="application/xml">
          <oai_dc:dc xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
        <dc:relation>https://repository.unp.ac.id/id/eprint/47064/</dc:relation>
        <dc:title>Perbandingan Metode&#13;
Naïve Bayes dan K-Nearest Neighbors dalam Mengklasifikasikan Indeks&#13;
Pembangunan Manusia menurut Kabupaten/Kota di Indonesia Tahun 2022</dc:title>
        <dc:creator>Anggara, Rudi</dc:creator>
        <dc:subject>QA Mathematics</dc:subject>
        <dc:description>Indeks Pembangunan Manusia (IPM) adalah indikator penting untuk mengukur keberhasilan dalam upaya membangun kualitas hidup manusia pada suatu wilayah. IPM Indonesia mengalami peningkatan setiap tahun, namun IPM di beberapa wilayah kabupaten/kota di Indonesia masih berada pada kategori rendah. Rendahnya IPM di kabupaten/kota tersebut dikarenakan tidak meratanya pembangunan antar wilayah di Indonesia. Tidak meratanya pembangunan dipengaruhi oleh berbagai faktor, seperti umur panjang dan hidup sehat, pengetahuan dan standar hidup layak maupun faktor-faktor lainnya. Penelitian ini bertujuan untuk mengetahui pengklasifikasian dan tingkat akurasi dalam klasifikasi IPM menurut kabupaten/kota di Indonesia tahun 2022. Penelitian ini merupakan penelitian terapan. Data yang digunakan merupakan data sekunder yang bersumber dari publikasi Badan Pusat Statistik tahun 2022. Analisis yang digunakan adalah metode Naïve Bayes dan K-Nearest Neighbors. Variabel dalam penelitian ini terdiri dari variabel prediktor yaitu Umur Harapan Hidup (UHH), Rata-rata Lama Sekolah (RLS), Harapan Lama Sekolah (HLS), dan Pengeluaran per Kapita yang disesuaikan. Sedangkan untuk variabel respons yaitu nilai IPM. Hasil klasifikasi IPM menurut kabupaten/kota di Indonesia terhadap 103 data testing pada metode Naïve Bayes berhasil mengklasifikasikan 7 amatan dikategorikan sangat tinggi, 37 amatan dikategorikan tinggi, 44 amatan dikategorikan sedang, dan 8 amatan dikategorikan rendah. Pada metode KNN berhasil mengklasifikasikan 7 amatan dikategorikan sangat tinggi, 39 amatan dikategorikan tinggi, 43 amatan dikategorikan sedang, dan 6 amatan dikategorikan rendah. Akurasi metode Naïve Bayes sebesar 93,2%, sedangkan KNN memiliki tingkat akurasi sebesar 92,23. Berdasarkan nilai tersebut disimpulkan bahwa metode Naïve Bayes memiliki performa yang lebih baik dalam mengklasifikasikan IPM menurut kabupaten/kota di Indonesia tahun 2022</dc:description>
        <dc:date>2025</dc:date>
        <dc:type>Thesis</dc:type>
        <dc:type>NonPeerReviewed</dc:type>
        <dc:format>text</dc:format>
        <dc:language>en</dc:language>
        <dc:identifier>https://repository.unp.ac.id/id/eprint/47064/1/final_10_RUDI_ANGGARA_19337014_7534_2025.pdf</dc:identifier>
        <dc:identifier>  Anggara, Rudi  (2025) Perbandingan Metode Naïve Bayes dan K-Nearest Neighbors dalam Mengklasifikasikan Indeks Pembangunan Manusia menurut Kabupaten/Kota di Indonesia Tahun 2022.  Bachelor/Skripsi thesis, Universitas Negeri Padang.   </dc:identifier></oai_dc:dc>
        </didl:Resource>
      </didl:Component>
    </didl:Item>
    <didl:Item>
      <didl:Descriptor>
        <didl:Statement mimeType="application/xml">
          <dip:ObjectType>info:eu-repo/semantics/objectFile</dip:ObjectType>
        </didl:Statement>
      </didl:Descriptor>
      <didl:Component>
        <didl:Resource ref="https://repository.unp.ac.id/id/eprint/47064/1/final_10_RUDI_ANGGARA_19337014_7534_2025.pdf" mimeType="text"/>
      </didl:Component>
    </didl:Item>
    <didl:Item>
      <didl:Descriptor>
        <didl:Statement mimeType="application/xml">
          <dip:ObjectType>info:eu-repo/semantics/humanStartPage</dip:ObjectType>
        </didl:Statement>
      </didl:Descriptor>
      <didl:Component>
        <didl:Resource ref="https://repository.unp.ac.id/id/eprint/47064/" mimeType="application/html"/>
      </didl:Component>
    </didl:Item>
  </didl:Item>
</didl:DIDL>