UMGOUMGO

Jurnal Ilmu Komputer (JUIK)Jurnal Ilmu Komputer (JUIK)

Desa Batu Hijau adalah salah satu desa di pesisir pantai yang ada di Kecamatan Bonepantai Kabupaten Bone Bolango. Kehidupan ekonomi desa Batu Hijau mereka bergantung secara langsung pada pemanfaatan sumber daya laut dan pesisir. Sebagian besar masyarakat yang ada di daerah pesisir pantai tergolong miskin karena mereka tidak memiliki sumber modal, tidak memiliki akses ke pasar, dan tidak terlibat dalam pengelolaan sumber daya alam. Saat ini klasifikasi tingkat kesejahteraan keluarga di wilayah tersebut belum sepenuhnya tepat yang mengakibatkan distribusi subsidi yang tidak tepat sasaran. Oleh karena itu, sangat penting untuk memahami tingkat kesejahteraan keluarga di Desa tersebut. Dalam penelitian ini, penulis menggunakan algoritma Naive Bayes, Logistic Regression, dan Artificial Neural Network. Berdasarkan hasil percobaan menggunakan tool rapidminer dan google colab algoritma Naive Bayes, Logistic Regression, dan Artificial Neural Network memiliki nilai akurasi yang sama yaitu 100%, precision 100%, serta recall 100%. Berdasarkan Hasil pengujian menggunakan tool rapidminer dan google colab algoritma Naive Bayes, Logistic Regression, dan Artificial Neural Network mampu mengklasifikasikan data tingkat kesejahteraan keluarga dengan sempurna yang menunjukkan bahwa model mampu mengklasifikasikan data tanpa kesalahan.

Berdasarkan Hasil pengujian menggunakan tool rapidminer dan google colab algoritma Naive Bayes, Logistic Regression, dan Artificial Neural Network mampu mengklasifikasikan data tingkat kesejahteraan keluarga dengan sempurna, yang menunjukkan bahwa model mampu mengklasifikasikan data tanpa kesalahan.Dari penjelasan di atas baik rapidminer maupun google collab memiliki kemampuan yang sangat baik dalam membangun sebuah model klasifikasi yang akurat dengan akurasi yang sama pada kedua platform.Oleh karena itu tidak ada perbedaan yang signifikan dalam hal akurasi antara penggunaan rapidminer dan google colab, dan keberhasilan klasifikasi lebih bergantung pada kualitas data, pemilihan fitur, dan evaluasi model yang tepat.Dengan demikian seluruh algoritma dan tool yang digunakan terbukti memiliki akurasi yang baik untuk klasifikasi tingkat kesejahteraan keluarga.

Untuk penelitian lanjutan, dapat dilakukan perbandingan lebih lanjut antara algoritma-algoritma klasifikasi lainnya, seperti Decision Tree dan Support Vector Machine, dengan algoritma-algoritma yang telah digunakan dalam penelitian ini. Selain itu, dapat juga dilakukan analisis lebih mendalam mengenai faktor-faktor yang mempengaruhi tingkat kesejahteraan keluarga di daerah pesisir pantai, seperti akses terhadap sumber daya alam, pasar, dan modal. Dengan demikian, penelitian ini dapat memberikan kontribusi yang lebih luas dalam memahami dan meningkatkan kesejahteraan keluarga di daerah pesisir pantai.

  1. Klasifikasi Peminatan Topik Keilmuan Dalam Penyelesaian Studi Menggunakan Algoritma Naive Bayes | Journal... journal.fkpt.org/index.php/comforch/article/view/1200Klasifikasi Peminatan Topik Keilmuan Dalam Penyelesaian Studi Menggunakan Algoritma Naive Bayes Journal journal fkpt index php comforch article view 1200
  2. Classification of Water Quality Using K-Nearest Neighbors, Naïve Bayes, and Logistic Regression... jurnal.unidha.ac.id/index.php/jteksis/article/view/1649Classification of Water Quality Using K Nearest Neighbors Nayve Bayes and Logistic Regression jurnal unidha ac index php jteksis article view 1649
  3. PENGEMBANGAN MODEL PERSETUJUAN KREDIT NASABAH BANK DENGAN ALGORITMA KLASIFIKASI NAÏVE BAYES, DECISION... doi.org/10.14710/jati.1.1.1-12PENGEMBANGAN MODEL PERSETUJUAN KREDIT NASABAH BANK DENGAN ALGORITMA KLASIFIKASI NAyaVE BAYES DECISION doi 10 14710 jati 1 1 1 12
Read online
File size1.48 MB
Pages16
DMCAReport

Related /

ads-block-test