PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI PENERIMA BANTUAN PANGAN NON TUNAI

Firdaus Mahfud Dian Syah, 201769040065 (2021) PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI PENERIMA BANTUAN PANGAN NON TUNAI. Sarjana thesis, Universitas Yudharta.

[img] Text (BAB I.pdf)
201769040065_BAB I.pdf
Download (307kB)
[img] Text (BAB II.pdf)
201769040065_BAB II.pdf
Restricted to Registered users only
Download (352kB) | Request a copy
[img] Text (BAB III.pdf)
201769040065_BAB III.pdf
Restricted to Registered users only
Download (329kB) | Request a copy
[img] Text (BAB IV.pdf)
201769040065_BAB IV.pdf
Restricted to Registered users only
Download (533kB) | Request a copy
[img] Text (BAB V.pdf)
201769040065_BAB V.pdf
Restricted to Registered users only
Download (290kB) | Request a copy
[img] Text (COVER DEPAN.pdf)
201769040065_COVER DEPAN.pdf
Download (1MB)
[img] Text (DAFTAR PUSTAKA.pdf)
201769040065_DAFTAR PUSTAKA.pdf
Download (453kB)
[img] Text (LAMPIRAN - LAMPIRAN.pdf)
201769040065_LAMPIRAN - LAMPIRAN.pdf
Download (1MB)

Abstract

Dalam membantu meminimalkan angka kemiskinan, kementrian sosial membuat suatu program bantuan untuk warga miskin, jenis bantuan yang diberikan kementrian sosial adalah Bantuan Pangan Non Tunai (BPNT). Salah satu kendala yang terkadang dihadapi pemerintah dalam penyaluran BPNT adalah proses penyaluran bantuan sosial yang tidak merata dan tidak tepat sasaran. Dari permasalahan tersebut membutuhkan suatu analisis untuk klasifikasi penerima dan bukan penerima Bantuan Pangan Non Tunai (BPNT). Pada penelitian ini metode yang dipilih Support Vector Machine (SVM) menggunakan tiga kernel yakni Kernel Linear kernel Radial Basic Function (RBF) dan Kernel Polynomial untuk membandingkan akurasi yang diperoleh Algoritma Support Vector Machine dengan menggunakan data SUSENAS tahun 2020. Hasil dari pengujian kernel Linear mendapatkan Accuracy sebesar 98,55%, Precision 98,50%, Recall 97,05%, dan F-Measure 97,77%, sedangkan kernel RBF mendapatkan Accuracy sebesar 98,06%, Precision 98,50%, Recall 95,65%, F-Measure 97,05%. Hasil dari kernel Polynomial mendapatkan akurasi paling tinggi dibandingkan dengan dua fungsi kernel lainya yakni nilai precision sebesar 1, nilai recall sebesar 98.55%, nilai F-Measure sebesar 99.27% dan nilai akurasi terbaik sebesar 99.03%.

Item Type: Thesis (Sarjana)
Identification Number: 004.0151 SYA P
Contributors:
ContributionContributorsEmail
Thesis advisorMuhammad Imron Rosadi, S.Kom, M.Kom., ã…¤UNSPECIFIED
Subjects: Karya Umum > Ilmu Umum dan Komputer
Divisions: Fakultas Teknik > Teknik Informatika
Date Deposited: 15 Nov 2021 14:02
Last Modified: 11 Mar 2023 05:35
URI: https://repository.yudharta.ac.id/id/eprint/1687

Actions (login required)

View Item View Item