Analisis Klasifikasi Penerima Program Indonesia Pintar Menggunakan Algoritma Naive Bayes Dan Decision Tree (Studi Kasus Sma Al Mubarak)

Muhammad Husein, . (2025) Analisis Klasifikasi Penerima Program Indonesia Pintar Menggunakan Algoritma Naive Bayes Dan Decision Tree (Studi Kasus Sma Al Mubarak). Masters thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (2MB)
	Text BAB I.pdf Restricted to Registered users only Download (85kB)
	Text BAB II.pdf Restricted to Registered users only Download (331kB)
	Text BAB III.pdf Restricted to Registered users only Download (336kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Restricted to Registered users only Download (10kB)
	Text JURNAL.pdf Restricted to Registered users only Download (980kB)

Abstract

Penerimaan program bantuan pemerintah (PIP) merupakan salah satu topik penting dalam bidang kesejahteraan sosial dalam upaya untuk meningkatkan efisiensi distribusi bantuan penggunaan teknik data mining menjadi semakin penting dalam penelitian ini memfokuskan pada perbandingan dua algoritma yaitu naive bayes dan decision tree untuk memprediksi penerima program Indonesia pintar di SMA Al Mubarak dalam penelitian ini bertujuan untuk memprediksi penerima program indonesia pintar di SMA Al Mubarak dangan menggunakan teknik data mining algoritma naive bayes dan decision tree. Algoritma naive bayes adalah teknik klasifikasi yang berdasarkan pada teorema bayes dengan asumsi independensi antara variabel predictor sedangkan decision tree merupakan sebuah model prediktif yang memetakan keputusan berdasarkan pada serangkaian aturan yang didedusikan dari data. Penelitian ini menggunakan 206 dataset dan dibagi menjadi data training dan data testing dengan perbandingan 70% data training 30% data testing untuk pelatihan model dan yang lainnya untuk pengujian kumpulan data yang meliputi informasi ekonomi dari calon penerima program indonesia pintar. Peneliti melakukan eksperimen menggunakan kedua algoritma tersebut dan membandingkan performa keduanya berdasarkan pada metrik evaluasi klasifikasi seperti akurasi, presisi, recall dan berdasarkan hasil pengujian penerima program indonesia pintar dengan aplikasi orange didapatkan nilai akurasi bahwa algoritma naïve bayes mendapat nilai akurasi lebih tinggi dengan nilai akurasi 98,4 sedangkan algortima decision tree mendapat nilai akurasi 93,55 % dalam penelitian ini dapat diketahui metode yang lebih baik adalah algoritma naive bayes dibandingakan algoritma decision tree. Adapun aran penelitian selanjutnya lakukan pengumpulan data lebih banyak dan bervariasi hal ini dapat meningkatkan kualitas model akurasi dan prediksi.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Program Indonesia Pintar, Data Mining, Algoritma Decision tree, Naive bayes.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	miko
Date Deposited:	04 Jul 2025 07:33
Last Modified:	04 Jul 2025 08:14
URI:	http://repository.unpam.ac.id/id/eprint/16761

Actions (login required)

View Item