Nilwanda, Leona Elsa (2024) KLASIFIKASI PENENTUAN PENERIMA PROGRAM KELUARGA HARAPAN (PKH) MENGGUNAKAN ALGORITMA DECISION TREE DI DESA TURIREJO, KABUPATEN GRESIK. Undergraduate thesis, UPN Veteran Jawa Timur.
|
Text (Cover)
19082010004-Cover.pdf Download (3MB) | Preview |
|
|
Text (BAB I)
19082010004-bab1.pdf Download (18kB) | Preview |
|
![[img]](http://repository.upnjatim.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
19082010004-bab2.pdf Restricted to Repository staff only until 22 January 2026. Download (317kB) |
|
|
Text (BAB III)
19082010004-bab3.pdf Restricted to Repository staff only until 22 January 2026. Download (167kB) |
|
|
Text (BAB IV)
19082010004-bab4.pdf Restricted to Repository staff only until 22 January 2026. Download (1MB) |
|
|
Text (Bab V)
19082010004-bab5.pdf Download (73kB) | Preview |
|
|
Text (Daftar Pustaka)
19082010004-daftarpustaka.pdf Download (74kB) | Preview |
|
|
Text (LAMPIRAN)
19082010004-lampiran.pdf Restricted to Repository staff only until 22 January 2026. Download (164kB) |
Abstract
Program Keluarga Harapan merupakan program bantuan sosial dari pemerintah untuk masyarakat miskin yang ditetapkan sebagai penerima Program Keluarga. Dengan adanya PKH ini masyarakat miskin di dorong untuk mendapat akses dan manfaat pelayanan sosial seperti kesehatan, pendidikan, pangan dan program perlindungan sosial lainnya. Namun meskipun terbukti dapat menurunkan tingkat kemiskinan, dalam proses penyalurannya masih terjadi berbagai permasalahan, yang paling utama adalah penyaluran bantuan yang tidak tepat sasaran. Oleh karena itu, penelitian ini bertujuan untuk membangun sebuah model klasifikasi yang dapat digunakan untuk membantu proses klasifikasi penerima bantuan PKH. Algoritma yang digunakan dalam proses pemodelan adalah 3 algoritma decision tree yaitu ID3, C45 dan Random forest dengan bantuan Feature Selection PCA dan Feature Importance serta menggunakan SMOTE untuk mengatasi data yang tidak seimbang atau Imbalance Data. Dari hasil pemodelan kemudian dibandingkan dan yang memiliki hasil evaluasi paling baik akan di kembangkan dalam bentuk website. Dari hasil pemodelan didapatkan bahwa model Random forest dengan SMOTE dan Features Importance memiliki accuracy yang paling tinggi di banding model yang lain sebesar 91%, recall 90%, precision 90%, f1-score 90% dan nilai ROC/AUC sebesar 93%. Hasil tersebut kemudian di uji validitasnya menggunakan 25 data baru pada sistem dengan hasil mendapat akurasi sebesar 92%.
| Item Type: | Thesis (Undergraduate) | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||||||||
| Subjects: | Q Science > Q Science (General) T Technology > T Technology (General) |
||||||||||||
| Divisions: | Faculty of Computer Science > Departemen of Information Systems | ||||||||||||
| Depositing User: | Leona Elsa Nilwanda | ||||||||||||
| Date Deposited: | 22 Jan 2024 05:51 | ||||||||||||
| Last Modified: | 22 Jan 2024 05:51 | ||||||||||||
| URI: | http://repository.upnjatim.ac.id/id/eprint/20484 |
Actions (login required)
 |
View Item |