Data Mining Klasifikasi Penduduk Miskin Menggunakan Metode Support Vektor Machine
Abstract
Klasifikasi penduduk miskin di Desa Kessing masih dilakukan secara manual, sehingga prosesnya lamban, kurang efektif dan tepat. Proses pendataan atau klasifikasi saat ini hanya dilakukan ketika diperlukan saja, misalnya ketika ada penyaluran program bantuan dari pemerintah. Berhubung data klasifikasi penduduk miskin masih kurang efektif dan tidak tepat maka bila ada program bantuan dari pemerintah tidak tepat sasaran dan kadang-kadang dapat menimbulkan kecemburuan sosial di masyarakat, misalnya ada keluarga yang mampu masuk klasifikasi penduduk miskin dan mendapatkan program bantuan. Untuk klasifikasi penduduk miskin yang akurat dan efisien diperlukan suatu metode baku dan lebih baik dari metode konvensional. Salah satu metode klasifikasi Data Mining yang cukup terkenal paling kuat dan akurat adalah metode Support Vektor Machine (SVM). Dengan menerapkan metode Support Vektor Machine (SVM) diharapkan penelitian ini dapat membantu penyelesaian masalah ketersediaan data klasifikasi penduduk miskin di wilayah Desa Kessing Kabupaten Soppeng dengan cepat dan tepat, sehingga penyaluran program-program bantuan pemerintah untuk program pengentasan kemiskinan tepat sasaran dan juga pemerataan kesejahteraan penduduk wilayah Desa Kessing dapat tercapai. Hasil implementasi Data Mining Klasifikasi Penduduk Miskin Wilayah Desa Kessing Kabupaten Soppeng Dengan Menggunakan Support Vektor Machine berjalan dengan baik dan menghasilkan dua bentuk klasifikasi berdasarkan prediksi yaitu Miskin dan tidak Miskin. Dari 27 data Penduduk yang diklasfikasi, mendapatkan hasil sebanyak 14 Penduduk Miskin, 13 Penduduk tidak miskin
Downloads
References
Ismail, I., & Tahir, M. A. (2023). Perbandingan Metode K-Means dan K-Medoids Untuk Pengelompokan Sebaran Covid-19 di Sulawesi Selatan. … JUSITI: Jurnal Sistem Informasi Dan …, 12(1), 28–39. https://ejurnal.dipanegara.ac.id/index.php/jusiti/article/view/1277%0Ahttps://ejurnal.dipanegara.ac.id/index.php/jusiti/article/download/1277/966
Ismail Ismail, Rezky Erwin Syah, M. A. T. (2024). Klasifikasi Data Mining Pada Tingkat Kepuasan Pengunjung. Jurnal Ilmiah Sistem Informasi Dan Teknik Informatika (JISTI), 7(2), 270–281.
Nanda, R., Haerani, E., Gusti, S. K., & Ramadhani, S. (2022). Klasifikasi Berita Menggunakan Metode Support Vector Machine. Jurnal Nasional Komputasi Dan Teknologi Informasi (JNKTI), 5(2), 269–278. https://doi.org/10.32672/jnkti.v5i2.4193
Nugroho Arif Sudibyo, Ardymulya Iswardani, Kartika Sari, & Siti Suprihatiningsih. (2020). Penerapan Data Mining Pada Jumlah Penduduk Miskin Di Indonesia. Jurnal Lebesgue : Jurnal Ilmiah Pendidikan Matematika, Matematika Dan Statistika, 1(3), 199–207. https://doi.org/10.46306/lb.v1i3.42
Parman Suparman, A. Z. (2019). Implementasi Metode K-Nearest Neighbor Untuk Klasifikasi Penduduk Miskin Di Desa Ngemplak Kidul Kabupaten Pati Jawa Tengah. Jurnal Informatika SIMANTIK, 4(1), 21–28.
Ramadhan, N. G., & Khoirunnisa, A. (2021). Klasifikasi Data Malaria Menggunakan Metode Support Vector Machine. Jurnal Media Informatika Budidarma, 5(4), 1580. https://doi.org/10.30865/mib.v5i4.3347
Rasyida, M. (2020). Naïve Bayes Classification untuk Penentuan Status Penduduk Miskin. Jurnal Informatika Kaputama (JIK), 4(2), 175–180. https://doi.org/10.59697/jik.v4i2.329
Septi Putri, Yohanes Agung Apriyanto, & Andri Wijaya. (2023). Analisis Sentimen Ulasan Aplikasi Deepl Pada Google Play Dengan Metode Support Vector Machine (Svm). Jurnal Sistem Informasi (JUSIN), 4(2), 59–66. https://doi.org/10.32546/jusin.v4i2.2368
Sitorus, Z. (2024). Penerapan Data Mining Untuk Clustering Penduduk Miskin Di Kota Tanjungbalai Menggunakan Metode Algoritma K-Means. Journal of Science and Social Research, 4307(1), 212–218. http://jurnal.goretanpena.com/index.php/JSSR
Sudarsono, B. G., Leo, M. I., Santoso, A., & Hendrawan, F. (2021). Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner. JBASE - Journal of Business and Audit Information Systems, 4(1), 13–21. https://doi.org/10.30813/jbase.v4i1.2729
Umma, F. N., Warsito, B., & Maruddani, D. A. I. (2021). Klasifikasi Status Kemiskinan Rumah Tangga Dengan Algoritma C5.0 Di Kabupaten Pemalang. Jurnal Gaussian, 10(2), 221–229. https://doi.org/10.14710/j.gauss.v10i2.29934
Yuni Radana Sembiring, Saifullah, & Riki Winanjaya. (2021). Implementasi Data Mining Dalam Mengelompokkan Jumlah Penduduk Miskin Berdasarkan Provinsi Menggunakan Algoritma. KESATRIA: Jurnal Penerapan Sistem Informasi (Komputer & Manajemen) Vol. 2, No. 2, 2(2), 125–132.
JISTI
