PREDIKSI KELAYAKAN PENERIMA BANTUAN PROGRAM REHABILITASI RUMAH TIDAK LAYAK HUNI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (K-NN) DI JEPARA

AN NAAS SHAHIFATUN NA’IEMA, 171240000725 (2021) PREDIKSI KELAYAKAN PENERIMA BANTUAN PROGRAM REHABILITASI RUMAH TIDAK LAYAK HUNI MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR (K-NN) DI JEPARA. Skripsi thesis, UNISNU Jepara.

[img]
Preview
Text
171240000725_COVER.pdf - Published Version

Download (3MB) | Preview
[img]
Preview
Text
171240000725_BAB I.pdf - Published Version

Download (388kB) | Preview
[img]
Preview
Text
171240000725_BAB II.pdf - Published Version

Download (1MB) | Preview
[img]
Preview
Text
171240000725_BAB III.pdf - Published Version

Download (455kB) | Preview
[img]
Preview
Text
171240000725_BAB IV.pdf - Published Version

Download (3MB) | Preview
[img]
Preview
Text
171240000725_BAB V.pdf - Published Version

Download (241kB) | Preview
[img]
Preview
Text
171240000725_DAFTAR PUSTAKA.pdf - Published Version

Download (249kB) | Preview
[img]
Preview
Text
171240000725_LAMPIRAN.pdf - Published Version

Download (1MB) | Preview

Abstract

Rumah digunakan untuk membentuk kepribadian seseorang dalam melangsungkan hidupnya. Niat baik pemerintah daerah dalam pengentasan kemiskinan melalui program rehabilitasi rumah tidak layak huni (RTLH), harus didukung dengan efisiensi waktu pengolahan data para pendaftar bantuan yang setiap tahunnya meningkat. Pengolahan data yang cukup besar mengakibatkan lamanya menentukan pendaftar yang RTLH maupun Non RTLH. Dari permasalahan yang ada maka solusi yang ditawarkan adalah penerapan algoritma K-Nearest Neighbor dalam memprediksi kelayakan penerima bantuan rehabilitasi rumah tidak layak huni, dengan tujuan untuk memberikan kemudahan dalam menentukan prediksi terbaik pada proses penyeleksian para pendaftar bantuan rehabilitasi rumah tidak layak huni secara efektif dan efisien. Data yang digunakan pada penelitian ini sebanyak 2962 data dengan 13 atribut yaitu nama, kepemilikan rumah dan tanah, ukuran rumah, jumlah anggota keluarga, pondasi, balok, sanitasi, jendela, ventilasi, material atap, material lantai, material dinding dan hasil. Pengolahan data dimulai dari seleksi atribut, pengkategorian data, pembersihan data outlier, normalisasi data dan penerapan metode. Sehingga dihasilkan cara penyeleksian para pendaftar bantuan RTLH secara otomatis dan efisien. Algoritma K-Nearest Neighbor ini bisa mengenali data campuran antara string dan numeric tetapi untuk hasil akurasi lebih maksimal digunakan data numeric. Setelah dilakukan pengujian model menggunakan K-fold cross validation serta evaluasi dan validasi hasil menggunakan confusion matrix dengan perhitungan jarak Euclidean Distance didapatkan nilai accuracy sebesar 97,98%, nilai precision sebesar 97,31%, nilai recall sebesar 99,16% dan AUC sebesar 0,987 pada k = 7.

Item Type: Thesis (Skripsi)
Additional Information: Pembimbing I : Harminto Mulyo, S.Kom., M.Kom Pembimbing II : Nur Aeni Widiastuti, S.Pd., M.Kom
Uncontrolled Keywords: Algoritma K-Nearest Neighbor (K-NN), K-fold cross validation, Confusion matrix, Euclidean Distance, Program Rehabilitasi Rumah.
Subjects: 000 Karya Umum > 000 Ilmu Umum dan Komputer > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika > 004.66 Metode Transmisi Data
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Admin Perpustakaan Unisnu
Date Deposited: 21 Dec 2021 07:25
Last Modified: 21 Dec 2021 07:25
URI: http://eprints.unisnu.ac.id/id/eprint/1063

Actions (login required)

View Item View Item