Skripsi

Klasifikasi tingkat buta huruf menggunakan metode K means dan random forest / Anwar Ludfianto

Abstrak
RINGKASAN Ludfianto Anwar. 2018. Klasifikasi Tingkat Buta Huruf Menggunakan Metode K Means dan Random Forest . Skripsi. Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing. (I) Triyanna Widiyaningtyas S.T. M.T Kata kunci Badan Pusat Statistik Random Forest K-Means Classification Clustering Kemampuan baca tulis merupakan salah satu indikator suksesnya pelaksanaan pendidikan di Indonesia. Terdapat banyak faktor yang mempengaruhi kemampuan baca tulis masyarakat Indonesia. Dimana di Indonesia pendidikan masih kurang merata dan masih terdapat beberapa penduduk daerah tertentu yang tidak bisa baca tulis atau buta huruf. Dimana menurut Badan Pusat Statistik di Indonesia masih terdapat sekitar 3 4 juta penduduk yang masih mengalami buta huruf pada tahun 2017 . Untuk mengatasi masalah tersebut dapat digunakan metode klasifikasi untuk mengetahui tinggi atau rendah tingkat buta huruf pada suatu daerah berdasarkan banyak faktor dimana data didapat dari sensus penduduk Badan Pusat Statistik Indonesia. Metode penelitian yang digunakan adalah dengan metode eksperimen yang meliputi (1) pengumpulan dataset (2) preprocessing meliputi seleksi atribut integrasi data uji multikolinieritas dan deteksi outlier (3) Clustering data menggunakan k-means clustering dengan nilai k 2 k 3 k 5 dan k 7 (4) Klasifikasi data hasil cluster dan (5) evaluasi algoritma. Data yang digunakan berasal dari data.go.id berupa data buta huruf pada periode bulan Januari sampai Desember 2010. Evaluasi clustering akan di validasi menggunakan Silhouette coefficient(sc) dan evaluasi klasifikasi menggunakan confusion matrix pada model klasifikasi . Hasil penelitian menunjukkan bahwa nilai sc 0 24 (pada k 2) sc 0 29 (pada k 3) sc 0 25 (pada k 5) dan sc 0 24(pada k 7). Hasil valuasi klasifikasi menunjukkan tingkat akurasi sebesar 95.71% (pada k 2) 95.71% (pada k 3) 91.43% (pada k 5) dan 87.86% (pada k 7) . Berdasarkan hasil tersebut dapat disimpulkan bahwa nilai K paling optimal adalah k 3 dengan nilai sc paling tinggi dan menghasilkan akurasi sebesar 95.71% serta error rate sebesar 4.28%.

Informasi Detail

DDC

Rs 005.1 LUD k

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2019.

Deskripsi Fisik

xi, 176 lembar : il., tab. ; 30 cm

Bahasa

Indonesia

No Reg

05444/KI/19

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. ALGORITMA, KOMPUTER
2. BUTA HURUF - KLASIFIKASI
3. ALGORITHMS COMPUTER

Pembimbing

1. Triyanna Widiyaningtyas

Lampiran Berkas