Perpustakaan Universitas Khairun

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Perbandingan Klasifikasi Penerima Kartu Indonesia Pintar Menggunakan Metode
 K-Nearest Neighbor Dengan Naїve Bayes
Penanda Bagikan

Text

Perbandingan Klasifikasi Penerima Kartu Indonesia Pintar Menggunakan Metode K-Nearest Neighbor Dengan Naїve Bayes

Rabiah Al Adawiyyah - Nama Orang;

ABSTRAK

PERBANDINGAN KLASIFIKASI PENERIMA KARTU INDONESIA PINTAR MENGGUNAKAN METODE K-NEAREST NEIGHBOR DENGAN NAΪVE BAYES

Rabiah Al Adawiyyah1, Rosihan2, Firman Tempola3 123Program Studi Teknik Informatika, Fakultas Teknik, Universitas Khairun Jl. Jati Metro, Kota Ternate Selatan Email: 1rabiahaladawiyyah96@gmail.com, 2rosihan.unkhair@outlook.com, 3firman.tempola@unkhair.ac.id

Kata kunci: Kartu Indonesia Pintar, K-Nearest Neighbor, Naïve Bayes.

Program Indonesia Pintar (PIP) melalui Kartu Indonesia Pintar (KIP) adalah pemberian bantuan tunai pendidikan kepada anak usia sekolah (usia 6 - 21 tahun) yang berasal dari keluarga miskin, rentan miskin: pemilik Kartu Keluarga Sejahtera (KKS), peserta Program Keluarga Harapan (PKH), yatim piatu, penyandang disabilitas, korban bencana alam/musibah. Ketepatan untuk menentukan penerima kartu Indonesia pintar secara akurat dan tidak salah sasaran membutuhkan waktu yang lama sehingga dibutuhkan algoritma untuk mengklasifikasikan diterima ataupun ditolak. Algoritma yang termasuk dalam klasifikasi pada data mining diantaranya k-nearest neighbor dan naive bayes yang terkenal dengan tingkat akurasi yang baik. Penelitian ini bertujuan untuk membuat aplikasi klasifikasi penerima Kartu Indonesia Pintar dengan menggunakan metode K-Nearest Neighbor dengan Naïve Bayes dan membandingkan akurasi metode K-Nearest Neighbor dan akurasi metode Naïve Bayes menggunakan 6 kriteria yaitu pekerjaan ayah, pekerjaan ibu, penghasilan ayah, penghasilan ibu, status tinggal dan anak ke berapa dalam keluarga. Untuk membandingkan akurasi K-Nearest Neighbor dengan Naïve Bayes dilakukan 149 percobaan dengan menggunakan dataset sebanyak 150 data yang dibagi dalam data latih dan data uji. Dengan metode K-Nearest Neighbor hasil rata-rata akurasi dengan nilai K = 3 yaitu 84,68%, nilai K = 5 yaitu 84,08% dan nilai K = 7 yaitu 84,89%. Sedangkan dengan menggunakan metode Naïve Bayes hasil rata-rata akurasi yaitu 85,66%. Dari penelitian tersebut diketahui bahwa akurasi metode Naïve Bayes lebih tinggi dari pada akurasi metode K-Nearest Neighbor.


Ketersediaan
#
Lantai 2 2019. 621.29. Ada. P
S.147.2019
Tersedia
Informasi Detail
Judul Seri
-
No. Panggil
2019. 621.29. Ada. P
Penerbit
Ternate : PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS KHAIRUN., 2019
Deskripsi Fisik
xii.123 hlm. 30 cm illus,biblio
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
12 September 2019
Subjek
-
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Adawiyyah Rabiah Al
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

Perpustakaan Universitas Khairun
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?
  • PONTI4D: Link Slot Gacor Mudah Maxwin Hari Ini Dengan Situs Pola Gampang Menang Terbaik 2026
  • hiatoto
  • slot thailand
  • situs gacor
  • slot maxwin
  • slot gacor 2026

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?