ANALISIS SPASIAL TERHADAP MODEL KLASIFIKASI RANDOM FOREST UNTUK PEMETAAN KETERSEDIAAN FASILITAS OLAHRAGA DI DKI JAKARTA

Candra, Hansen (2025) ANALISIS SPASIAL TERHADAP MODEL KLASIFIKASI RANDOM FOREST UNTUK PEMETAAN KETERSEDIAAN FASILITAS OLAHRAGA DI DKI JAKARTA. Bachelor thesis, Universitas Nasional.

	Text COVER.pdf Download (855kB)
	Text BAB I.pdf Download (355kB)
	Text BAB II.pdf Download (897kB)
	Text BAB III.pdf Download (456kB)
	Text BAB IV.pdf Download (4MB)
	Text BAB V.pdf Download (278kB)
	Text LAMPIRAN.pdf Download (1MB)

Abstract

Dalam rangka menyambut Indonesia Emas 2045, pemerintah berkomitmen untuk
memajukan sektor olahraga di tingkat nasional. Dukungan diberikan secara
menyeluruh untuk mendorong perkembangan olahraga di Indonesia. Penelitian ini
bertujuan untuk menganalisis distribusi fasilitas olahraga di Provinsi DKI Jakarta
menggunakan pemodelan spasial dan algoritma Machine Learning Random Forest.
Tujuan utama dari penelitian ini adalah untuk mengelompokkan wilayah
berdasarkan tingkat ketersediaan fasilitas olahraga menjadi kategori rendah, cukup,
dan tinggi, serta mengevaluasi akurasi algoritma Random Forest dalam melakukan
klasifikasi tersebut. Metodologi yang digunakan dalam penelitian ini adalah
CRISP-DM (Cross-Industry Standard Process for Data Mining) yang terdiri dari
Business Understanding, Data Understanding, Data Preparation, Modeling,
Evaluation, dan Deployment. Data yang digunakan meliputi data spasial wilayah
kecamatan di DKI Jakarta dan data atribut fasilitas olahraga. Algoritma Random
Forest dipilih karena kemampuannya dalam mengklasifikasikan data yang
kompleks dan memberikan informasi penting mengenai feature importance. Hasil
penelitian menunjukkan bahwa distribusi fasilitas olahraga di DKI Jakarta tidak
merata, dengan kategori rendah lebih banyak ditemukan di wilayah Jakarta Pusat
dan Jakarta Utara, sedangkan kategori tinggi tersebar di wilayah lainnya. Algoritma
Random Forest menunjukkan akurasi sebesar 89% dalam mengklasifikasikan
fasilitas olahraga, dengan precision dan recall yang tinggi pada kategori tinggi,
namun precision yang lebih rendah pada kategori rendah disebabkan oleh
ketidakseimbangan jumlah data.
Kata Kunci: Klasifikasi Fasilitas Olahraga, A

Item Type:	Thesis (Bachelor)
Uncontrolled Keywords:	Klasifikasi Fasilitas Olahraga, Analisis Spasial, Machine Learning, Sistem Informasi Geografi, Random Forest, CRISP-DM.
Subjects:	T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General) T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Sistem Informasi
Depositing User:	Users 30 not found.
Date Deposited:	04 Jul 2025 02:49
Last Modified:	04 Jul 2025 02:49
URI:	https://repository.unas.ac.id/id/eprint/13350

Actions (login required)

View Item