Zaen, MohammadTaufanAsri (2014) Sistem Pendukung Keputusan Untuk Investasi Perumahan Area Kota Malang Menggunakan Algoritma Bayesian. Magister thesis, Universitas Brawijaya.
Abstract
Faktor yang menjadi pertimbangan dalam menentukan keputusan untuk investasi perumahan begitu banyak dan dari sekian banyak developer yang ada menyebabkan semakin meningkatkan resiko kesalahan dalam pengambilan keputusan. Dimana ketika keputusan itu diambil secara konvensional dengan cara mendatangi setiap “pengembang” dan membandingkannya dibutuhkan waktu lebih lama. Untuk mengurangi resiko kesalahan dan mempersingkat waktu pengambilan keputusan tersebut, dibuat suatu aplikasi yang dapat digunakan untuk membantu menentukan keputusan yang lebih tepat dengan membandingkan semua faktor penentu keputusan menggunakan konsep probabilitas. Metode Naive Bayes yang merupakan penyederhanaan dari teorema Bayes, dalam penelitian ini digunakan untuk melakukan pengklasifikasian rumah kedalam 4 klasifikasi sederhana, minimalis, menengah dan mewah. Proses Naive Bayesian terbagi menjadi 2 (dua) tahapan yaitu Learner dan Classifier. Kemudian hasil klasifikasi tersebut dibobot menggunakan metode SMART dengan direct weighting untuk mendapatkan rangking yang mendekati kriteria persyaratan dalam pengambilan keputusan. Bobot data perumahan akan diset sesuai bobot yang ditetapkan oleh pengambil keputusan pervariabel berdasarkan atribut dan spesifikasi yang dimiliki oleh setiap data tipe perumahan. Setiap variabel perumahan bersifat independen dan tidak terikat satu dengan yang lainnya. Pengujian terhadap fungsi aplikasi dan akurasi keputusan yang dihasilkan oleh aplikasi dibandingkan dengan data training yang dilakukan, menghasilkan tingkat akurasi yang baik dengan level akurasi untuk kategori sederhana dan menengah diperoleh keakuratan 100%, sedangkan mewah 80%, dengan akurasi rata-rata 93,33%. Penelitian berikutnya disarankan untuk menggunakan algoritma Naive Bayes dengan pendekatan perhitungan Laplacian dan metode optimasi yang menggabungkan Bee-Algorithm dan K-Mean atau metode optimasi SMARTER.
English Abstract
Factors to be considered in determining decision to invest so much housing and developers that there is risk of error in decision-making. Wherein when the decision was taken conventionally by approaching every developer and comparing it manually will take a longer time. To reduce the risk of errors and shorten the time of the decision making, create an application that can be used to help determine a more informed decision by comparing all determinants decisions using the concept of probability. Naive Bayes method which is a simplification of Bayes theorem is used to perform the classification into four classifications of simple, minimalist, moderate and luxury. Naive Bayesian process divided into two stages: Learner and Classifier. The classification results are then weighted to get the ranking approach in terms of decision-making criteria. Weight-housing data will be set according to the attributes and specifications of data owned by each housing type. Each housing variables are independent and not tied to one another. Testing the application functionality and accuracy of decisions generated by the application compared to the training data is done, produces a good level accuracy with a simple and middle category obtained accuracy of 100%, while the luxury category obtained 80% accuracy, with average accuracy 93,33%. For subsequent research it is suggested to use Naive Bayesian algorithm approach to the calculation of the Laplacian and optimization methods that combine Bee-Algorithm and K-Mean or SMARTER optimation methods.
| Item Type: | Thesis (Magister) |
|---|---|
| Identification Number: | TES/332.632.402.855.3/z/SIS/041401280 |
| Subjects: | 300 Social sciences > 332 Financial economics > 332.6 Investment |
| Depositing User: | Hasbi |
| Date Deposited: | 11 Apr 2014 12:55 |
| Last Modified: | 11 Apr 2014 12:55 |
| URI: | http://repository.ub.ac.id/id/eprint/155792 |
Actions (login required)
 |
View Item |