Analisis Perbandingan Algoritma KNN dan Naïve Bayes dalam klasifikasi data mining menggunakan data sosial ekonomi di Indonesia

Buhori, Kiki (2024) Analisis Perbandingan Algoritma KNN dan Naïve Bayes dalam klasifikasi data mining menggunakan data sosial ekonomi di Indonesia. Masters thesis, UNIVERSITAS NASIONAL.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (410kB)
	Text BAB II.pdf Download (541kB)
	Text BAB III.pdf Download (409kB)
	Text BAB IV.pdf Download (972kB)
	Text BAB V.pdf Download (450kB)
	Text BAB VI.pdf Download (340kB)
	Text Lampiran.pdf Download (101MB)

Abstract

Ekonomi global terus pulih seiring dengan membaiknya arus perdagangan, lapangan kerja, serta pendapatan. Namun, pemulihan ekonomi tidak berjalan merata di seluruh negara dan sektor usaha. Perbaikan ekonomi juga berdampak pada perubahan struktural, yang berarti bahwa beberapa sektor, pekerjaan, teknologi, dan perilaku tidak akan kembali ke tren sebelum pandemi. Perkembangan ke depannya bergantung pada kondisi ekonomi setempat. Ekonomi memiliki aspek terpenting didalam suatu negara yang dimana ekonomi menjadikan suatu negara mampu dalam memenuhi kebutuhanya dengan memanfaatkan sumber daya yang terbatas. Penelitian ini bertujuan untuk membandingkan dua algoritma klasifikasi data mining, yaitu Naïve Bayes dan K-Nearest Neighbor, dalam menganalisis data sosial ekonomi di Indonesia. Berdasarkan permasalah tersebut, metode klasifikasi data mining digunakan dalam menentukan algoritma yang cocok untuk prediksi data sosial ekonomi di Indonesia. Dua algoritma yang digunakan adalah K-NN dan Naive Bayes. Setelah dilakukan pengujian kedua algoritma tersebut menggunakan confusen matrix dan K-Fold Cross Validation didapatkan hasil yang didapatkan dari kedua model memiliki akurasi Naïve Bayes 98,25% dan K-NN 97,78% serta hasil KFold Cross Validation Naïve Bayes 98% dan K-NN 96%. Naïve Bayes lebih unggul dibandingkan KNN dalam konteks klasifikasi data sosial ekonomi di Indonesia ini, terutama dalam hal akurasi. Walaupun K-NN menunjukkan konsistensi yang baik, Naïve Bayes memberikan hasil yang lebih akurat di seluruh skenario Train-Test Split.

Item Type:	Thesis (Masters)
Subjects:	H Social Sciences > H Social Sciences (General) J Political Science > J General legislative and executive papers
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	Miss Yulia Zahra Yamini
Date Deposited:	31 Oct 2024 02:54
Last Modified:	31 Oct 2024 02:54
URI:	http://repository.unas.ac.id/id/eprint/12410

Actions (login required)

View Item