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) Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Tesis dan Disertasi > Sekolah Pasca Sarjana > Program Studi S2 Teknologi Informasi
Depositing User:	Miss Yulia Zahra Yamini
Date Deposited:	31 Oct 2024 02:54
Last Modified:	24 Apr 2026 10:15
URI:	https://repository.unas.ac.id/id/eprint/12410

Actions (login required)

View Item