Agustina, Weni (2018) Implementasi Metode Support Vector Machine (SVM) Untuk Klasifikasi Rumah Layak Huni (Studi Kasus: Desa Kidal Kecamatan Tumpang Kabupaten Malang). Sarjana thesis, Universitas Brawijaya.
Abstract
Rumah merupakan bagian penting dalam aspek kehidupan. Rumah yang layak digunakan tempat tinggal yaitu rumah yang bersih, aman, dan nyaman. Kurangnya pengetahuan tentang fungsi rumah pada masyarakat, semakin susah terwujudnya rumah yang layak huni. Pemerintah kesulitan dalam menilai rumah layak huni, pada kenyataanya rumah yang tidak bagus namun penghasilan tinggi. Bantuan yang diberikan pemerintah seringkali salah sasaran, banyak masyarakat yang protes karena hal seperti ini. Untuk mengatasi masalah tidak salah sasaran, maka pemerintah membutuhkan sistem yang mengklasifikasikan rumah layak huni dan rumah tidak layak huni. Sistem untuk klasifikasi rumah layak huni dibuat menggunakan metode Support Vector Machine (SVM). Dalam penelitian ini menggunakan 160 data yang terbagi menjadi dua jenis yaitu layak dan tidak layak. Metode yang digunakan yaitu metode Support Vector Machine (SVM) merupakan metode klasifikasi yang baik. Metode Support Vector Machine (SVM) ini bersifat linier, namun metode SVM juga bisa digunakan untuk menyelesaikan masalah non-linier. Hasil pengujian menghasilkan rata-rata akurasi sebesar 98,75% dengan menggunakan metode pengujian K-fold Cross Validation dengan nilai k = 10, serta parameter metode SVM antara lain yaitu a = 0,5, y = 0,001, C = 1, d = 2, iterasi maksimum = 10 iterasi dan menggunakan kernel Polynomial of degree.
English Abstract
House is an important part in the aspect of life. A habitable house that is good to be used is clean, safe, and comfortable. Lack of knowledge about the function of house in the society, more difficult to imply the realization of a habitable house. Government gets difficulty in assessing the habitable house. In fact, the unpreety house has high income. Government's assistance often misplaced, many people complain because of this. To overcome the problem, then the government needs a system that classifies habitable house and inhabitable house. The system for classification of habitable house was made using the Support Vector Machine (SVM) method. this study uses 160 data that is divided into two types that are habitable and inhabitable. The method used is Support Vector Machine (SVM) method is a good classification method. Support Vector Machine (SVM) method is linear, but SVM method can also be used to solve non-linear problem. The experiment result shows an average accuracy of 98,75% using K-fold Cross Validation test method with k = 10, and SVM method parameters are a = 0,5, y = 0,001, C = 1, d = 2, maximum iteration = 10 iteration and using the Polynomial of degree kernel.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/234/051801411 |
| Uncontrolled Keywords: | Klasifikasi, Rumah, Layak Huni, Support Vector Machine |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 23 May 2018 04:05 |
| Last Modified: | 27 Oct 2021 04:19 |
| URI: | http://repository.ub.ac.id/id/eprint/10916 |
Preview |
Text
BAB V.pdf Download (1MB) | Preview |
Preview |
Text
Daftar Pustaka.pdf Download (484kB) | Preview |
Preview |
Text
Lampiran.pdf Download (584kB) | Preview |
Preview |
Text
BAB I.pdf Download (632kB) | Preview |
Preview |
Text
BAB III.pdf Download (1MB) | Preview |
Preview |
Text
BAB II.pdf Download (1MB) | Preview |
Preview |
Text
BAB VI.pdf Download (854kB) | Preview |
Preview |
Text
Bagian Depan.pdf Download (1MB) | Preview |
Preview |
Text
BAB VII.pdf Download (710kB) | Preview |
Preview |
Text
BAB IV.pdf Download (1MB) | Preview |
Actions (login required)
 |
View Item |