Wibisono, Afrizal Setyo (2018) Perancangan aplikasi kemiskinan berbasis business intelligence menggunakan metode naïve bayes dan algoritma genetika. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.
|
Text (Fulltext)
14650018.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (3MB) | Preview |
Abstract
INDONESIA:
Kemiskinan adalah keadaan yang bukan kehendak orang bersangkutan yaitu berada dalam kondisi serba terbatas. Penduduk yang dikategorikan miskin ditandai dengan tingkat pendidikan, produktivitas kerja, pendapatan, kesehatan, gizi dan kesejahteraan hidupnya masuk ke lingkup tidak berdaya. Solusi untuk menangani kemiskinan adalah melaksanakan Program Keluarga Harapan (PKH) yang telah dilaksanakan oleh Pemerintah Indonesia sejak tahun 2007. Solusi saja tidaklah cukup, dibutuhkan sebuah metode yang digunakan untuk pengklasifikasian dan Optimasi bantuan kemiskinan setiap peserta PKH berdasarkan kategori kemiskinan yang paling membutuhkan, maka dari itu dibangun sebuah sistem yang diharapkan mampu mengklasifikasi dan mengoptimasi bantuan kemiskinan dengan menerapkan metode Naïve Bayes dan Algoritma Genetika.
Tujuan penelitian ini untuk mengklasifikasikan penduduk miskin bedasarkan 7 kategori kemiskinan yaitu kategori ibu mengandung yang tidak bersuami, balita, penduduk usia lanjut diatas 70 tahun, anak-anak putus sekolah jenjang SD/MI, SMP/Mts,SMA/ MA, serta bantuan penduduk yang tidak mampu memenuhi kebutuhan primer atau dasar dan optimasi prioritas bantuan kemiskinan peserta PKH berdasarkan kategori, Jarak lokasi penerima bantuan dengan pusat pendistribusian bantuan (Dinas Sosial) dan Status individu apakah sebagai kepala keluarga atau bukan. Hasil pengujian sistem yang dilakukan dengan mengklasifikasi dan mengoptimasi data BDT ( Basis Data Kemiskinan) tahun 2014 menunjukkan bahwa implementasi metode Naïve Bayes menghasilkan tingkat akurasi yang tinggi dalam mengklasifikasi BDT kedalam 7 kategori kemiskinan dengan nilai rata - rata sebesar 81% dan metode Algoritma Genetika mampu mengoptimasi data BDT sehingga diketahui prosentase dan jumlah penduduk miskin berdasarkan tingkat prioritas tertinggi yang harus dibantu, yaitu Prioritas Utama sebanyak 419 Jiwa atau 4.2%, prioritas 1803 Jiwa atau 8%, prioritas ke 2 7917 Jiwa atau 79.2 %, prioritas 3 852 jiwa atau 8.5% dan prioritas 4 9 jiwa atau 9 %.
ENGLISH:
Poverty is a condition that is not the intention of the person concerned, which is in a very limited condition. The population is categorized as poor marked by educational level, work productivity, income, health, nutrition and welfare of his life goes into the sphere of no powerless. The solution to deal with poverty is to carry out the Program of family expectations that have been implemented by the Government of Indonesia since year 2007. The solution alone is not enough, it is a method used for classification and optimization help each attendee PKH poverty based on the category of poverty are most in need, thus built a system that is expected to capable of classifying and optimizing the poverty relief by applying methods of Naïve Bayes and Genetic Algorithms.
The purpose of this research was to classify the poor population on 7 categories of poverty that is the category that does not contain the mother's husband, toddlers, elderly residents above 70 years of age, children dropping out of elementary school, junior high school, Senior high school, as well as help the inhabitants who were not able to meet the needs of primary or basic and optimization priority poverty relief PKH participants by category, distance, location of the recipient with the center of distribution of the assistance (Social Service) and Status of individuals whether as head of the family or not. The system test results done by classifying and optimizing poverty Data Base year 2014 suggest that Naïve Bayes method implementation generates a high degree of accuracy in classifying into 7 categories the median value of poverty – average of 81% and Genetic Algorithms and methods capable of optimizing the data so that the percentage of known and poverty Data Base population poor based on the highest priority level must be assisted, that is a top priority as much as 419 Inhabitants or 4.2% first priority 803 people, or 8%, priority to the people or the second priority is 7917 or 79.2%, the third priority is 852 people or 8.5% and the fourth priority 9 or 9%.
لملخص
الفقر هو حالة ليست إرادة الشخص وهو في حالة ظروف مقيدة. يعتبر المجتمع في تصنيف الفقراء من خلال التعليم وإنتاجية العمل والدخل والصحة والتغذية ورفاهية حياتهم داخلة في مجال العجز. إن الحل للتخفيف من حدة الفقر هو تنفيذ برنامج توقعات الأسرة (PKH) الذي تم تنفيذه من قبل حكومة إندونيسيا منذ عام 2007. الحد وحده ليس كافيا، يتطلب منهجا يستخدم لتصنيف وتحسين مساعدة الفقر لكل من المشاركين في PKH على أساس فئة الفقر الذي يكون في حاجة أكثر. لذلك قيم نظام يكون قادرا على تصنيف وتحسين مساعدات الفقر من خلال أسالبيب Naive Bayes و Genetic Algorithm.
الغرض من هذا البحث هو تصنيف الفقراء على أساس الفئات السبع للفقر أي فئة الأمهات غير المتزوجات والأطفال الصغار وكبار السن الذين تزيد أعمارهم عن 70 عاما، و الأطفال الذين تنقطع دراستهم في المدارس الابتدائية والمتوسطة والثانوية والمجتمع الذي لا يقدرون على توفير الاحتياجات الأساسية وتحقيق الأولويات لمساعدة الفقر عند المشاركين في PKH بناء على الفئة ومكان موقع المستفيد مع مركز توزيع المساعدات (الخدمة الاجتماعية) وماذا كان وضع فردي كرأس للأسرة أم لا. أظهرت نتائج اختبار النظام التي أجريت من خلال تصنيف وتحسين بيانات مكتب تنمية الاتصالات (قاعدة الفقر) في عام 2014 أن تنفيذ طريقة Naive Bayes أدى إلى دقة عالية في تصنيف BDT إلى سبع فئات للفقر بقيمة وسطية بلغت 81% وتمكنت طريقة Genetic Algorithm من تحسين بيانات مكتب تنمية الاتصالات بحيث يكون من المعروف أن النسبة المئوية وعدد الفقراء يعتمدان على أعلى مستوى من الأولوية للمساعدة، أي 419 نفرا أو 4،2 %، أولوية أولى 803 أنفار أو 79،2%، أولوية ثالثة 852 نفرا أو 8،5%، أولوية رابعة 9 أنفار أو 9%.
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Supervisor: | Kurniawan, Fachrul and Hanani, Ajib | |||||||||
Contributors: |
|
|||||||||
Keywords: | Program Keluarga Harapan; Kemiskinan; klasifikasi; Naïve Bayes Classifier; Algoritma Genetika; Optimasi; Visualisasi; Family program expectations; poverty; classification; Genetic Algorithms; optimization; Visualization; برنامج الأسرة للأمل، والفقر، والتصنيف، Naive Bayes، Genetic Algorithm والتحسين، والتخيل | |||||||||
Departement: | Fakultas Sains dan Teknologi > Jurusan Teknik Informatika | |||||||||
Depositing User: | Heni Kurnia Ningsih | |||||||||
Date Deposited: | 15 Nov 2022 15:19 | |||||||||
Last Modified: | 15 Nov 2022 15:19 | |||||||||
URI: | http://etheses.uin-malang.ac.id/id/eprint/41573 |
Downloads
Downloads per month over past year
Actions (login required)
![]() |
View Item |