Klasifikasi tingkat buta huruf menggunakan algoritma K Means - Gaussian Naive Bayes / Muhammad Firman Aji Saputra
| Main Author: | Saputra, Muhammad Firman Aji |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.um.ac.id/48063/ |
Daftar Isi:
- vRINGKASANSaputraMuhammadFirman.A.2018.KlasifikasiTingkatButaHurufMenggunakanAlgoritmaKmeans-GaussianNaiveBayes.Skripsi.JurusanTeknikElektroFakultasTeknikUniversitasNegeriMalang.Pembimbing(I)TriyannaWidyaningtyasS.T.M.T.(II)AjiPrasetyaWibawaS.T.M.M.T.Ph.D.KatakunciButahurufClusteringKmeansklasifikasiGaussianNaiveBayesMasalahbutahurufmasihmenjadimasalahpentingdisetiapnegaradiduniatermasukdiNegaraIndonesia.BadanPusatStatistika(BPS)mencatatsebanyak34jutajiwarakyatIndonesiaditahun2017masihmenderitabutahuruf.Masalahiniharussegeradiselesaikanjikatidakdiselesaikanmakaakanberdampakpadakesejahteraanrakyat.Strategiuntukmengatasimasalahbutahurufyangdilakukanpemerintahadalahdenganmenerapkansistemblokyaknimemberantasbutahurufdifokuskandaridaerahyangmemilikiangkabutahuruftinggiselanjutnyabergeserkedaerahyangmemilikiangkabutahurufyangrendah.Strategipenanganantersebutakanlebihefektifapabilaadanyaprosesklasifikasi.Dalammelakukanprosesklasifikasidibutuhkansebuahalgoritmaklasifikasi.PadapenelitianinialgoritmaklasifikasiyangdigunakanadalahalgoritmaGaussianNaiveBayes.AlgoritmaGaussianNaiveBayesdipilihkarenamemilikibeberapakeuntungandiantaranyaadalahtidakmembutuhkandatayangbesardalammelakukanprosesklasifikasidapatmemberikannilaiakurasiyanglebihbaikdibandingkandenganmodelklasifikasilainnyasertadapatbekerjajauhlebihbaikdalambanyaksituasididunianyata.PadapenelitianinijugadigunakanalgoritmaKmeanssebagaialgoritmaclusteringuntukmembentukkelasbutahurufyangbelumterbentuksebelumnya.AlgoritmaKmeansdipilihkarenamemikilikompleksitasyangbaikdarisegiwaktudanruangpenyimpanan.SelainitualgoritmaKmeanssangatmudahdimodifikasidalammenentukanbanyaknyakelasyangingindibentukdanbanyaknyabatasmaksimaliterasiyangingindijalankan.Berdasarkanhasilpenelitianklasifikasidenganduakelasbutahurufmenghasilkannilaiakurasisebesar9386%danerrorratesebesar614%klasifikasidengantigakelasbutahurufmenghasilkannilaiakurasisebesar9561%danerrorratesebesar439%klasifikasidenganlimakelasbutahurufmenghasilkannilaiakurasisebesar9474%danerrorratesebesar526%danklasifikasidengantujuhkelasbutahurufmemperolehhasilakurasisebesar8333%danerrorratesebesar1667%.Sehinggadapatdisimpulkanbahwajumlahkelasyangdianggapoptimaldalammelakukanklasifikasibutahurufadalahsebanyaktigakelasyangterdiridarikelasbutahurufrendahbutahurufsedangdanbutahuruftinggidengannilaiakurasisebesar9561%danerrorratesebesar439%.