Arifando, Rio (2017) Klasifikasi Calon Penerima Bantuan Keluarga Miskin Menggunakan Metode Learning Vector Quantization (LVQ) (Studi Kasus: Daerah Kecamatan Mlandingan, Situbondo). Sarjana thesis, Universitas Brawijaya.
Abstract
Dalam upaya penanggulangan kemiskinan, pemerintah khususnya kecamatan Mladingan, Situbondo meyediakan bantuan dana sosial yang digunakan bagi masyarakat yang termasuk kategori miskin (tidak mampu), bantuan tersebut di berikan berdasarkan penilaian indikator yang sudah di tentukan dengan tujuan membantu dan mempermudah petugas dalam mengklasifikasikan calon penerima bantuan keluarga miskin, sehingga penyaluran bantuan menjadi tepat sasaran. Penelitian ini bertujuan untuk merancang suatu sistem yang dapat mengklasifikasikan calon penerima bantuan keluarga miskin. Metode klasifikasi yang digunakan dalam penelitian ini adalah Learning Vector Quantization. Masukan berupa data calon penerima bantuan dengan melalui proses transformasi data yang akan menghasilkan bobot data, dimana bobot tersebut akan digunakan dalam proses klasifikasi. Pembobotan dilakukan dengan cara memberi nilai sesuai dengan parameter masing-masing. Objek yang digunakan adalah kumpulan data Kepala Keluarga pada Kecamatan Mlandingan, Situbondo. Kumpulan data Kepala Keluarga tersebut memuat 7 parameter kemiskinan antara lain umur, jumlah anggota keluarga, pendapatan, pengeluaran, kondisi rumah, status kepemilikan rumah, dan pendidikan terakhir. Penelitian ini menggunakan 5 skenario pengujian yang menghasilkan rekomendasi nilai learning rate 0.1, pengali learning rate 0.1, data latih sebanyak 30%, alpha minimum 0.01 dan iterasi maksimum 2. Hasil akurasi yang didapatkan sebesar 98%.
English Abstract
In an effort to reduce poverty, the government of Mladingan sub-district, Situbondo provides social funds for society categorized as low class society, the fund is given based on an assessment of several indicators, determined by the government and made to assist the government staff in classifying the families who deserve it, so that the distribution of fund is well-targeted. This study aims to design a system that can classify the society by assessing them as fund beneficiaries or not. Classification method used in this study is Learning Vector Quantization. The data input of the prospective beneficiaries through data transformation process will result as data weight, which is used in the classification process. Weighting data are done by giving such score according to each parameter. The object used in this study is the data collection of the Families in Mlandingan Subdistrict, Situbondo. The family data contain 7 poverty parameters including age, the number of the family members, income, outcome, housing conditions, home ownership status, and educational level. This study uses five test scenarios that resulted a recommendation value of learning rate 0.1, decrement learning rate 0.1, training data as 30%, minimum learning rate 0.01 and maximum number of iterations 2. Accurate results obtained is 98%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/749/051708566 |
| Uncontrolled Keywords: | Bantuan Kemiskinan, Klasifikasi, Learning Vector Quantization (LVQ) |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 03 Oct 2017 01:50 |
| Last Modified: | 11 Sep 2020 14:57 |
| URI: | http://repository.ub.ac.id/id/eprint/3131 |
![[thumbnail of Rio Arifando.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
Rio Arifando.pdf Download (4MB) |
Actions (login required)
 |
View Item |