Perbandingan Metode Naïve Bayes dan K-Nearest Neighbors dalam Mengklasifikasikan Indeks Pembangunan Manusia menurut Kabupaten/Kota di Indonesia Tahun 2022

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.

[thumbnail of final_10_RUDI_ANGGARA_19337014_7534_2025.pdf] Text
final_10_RUDI_ANGGARA_19337014_7534_2025.pdf

Download (1MB)

Abstract

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

Item Type: Thesis (Bachelor/Skripsi)
Contributors:
Contribution
Contributors
Email
Thesis advisor
Mukhti, Tessy Oktavia
UNSPECIFIED
Corrector
Kurniawati, Yenni
UNSPECIFIED
Corrector
Fitria, Dina
UNSPECIFIED
Uncontrolled Keywords: METODE NAÏVE BAYES DAN K-NEAREST NEIGHBORS
Subjects: Q Science > QA Mathematics
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Statistika-S1
Depositing User: Arlianis Arlianis S.IP
Date Deposited: 28 Aug 2026 10:25
Last Modified: 28 Aug 2026 10:25
URI: https://repository.unp.ac.id/id/eprint/47064

Actions (login required)

View Item
View Item