Penentuan Penerima Bantuan Ternak Menggunakan Algoritma K-Means & Naive Bayes
| Main Author: | Asikin, Moh. Fadel |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2017
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/1964/1/Moh.%20Fadel%20Asikin.pdf http://repository.ub.ac.id/1964/ |
Daftar Isi:
- Indonesia adalah negara yang luas yang memiliki banyak kepulauan yang cocok untuk dikembangkan bisnis peternakan. Pada kenyataannya sektor peternakan belum mampu mendorong partisipasi masyarakat dan swasta Untuk mengatasl permasalahan tersebut, maka sebagian anggaran Kementerian Pertanian dialokasikan dalam bentuk belanja bantuan soslal, diantaranya untuk pemberdayaan masyarakat dan penanggulangan kemiskinan dalam bentuk barang kepada kelompok rani. Salah satu bentuk bantuan yang dialokasikan ke kelompok petani adalah pemberian ternak. Penentuan talon penerima masih belum efektif dan kadang menimbulkan pemberian bantuan ternak menjadi tidak tepat sasaran, sehingga setiap pembelanjaan uang negara tidak memberikan manfaat yang maksimal bagi masyarakat. Pada penelitian ini digunakan metode K-Means Naive Bayes (KMNB) yang dianggap mampu memberikan hasll klasifikasi yang akurat pada penentuan penerima bantuan ternak. Pendekatan pembelajaran K -Means Naive Bayes dibentuk dengan menggabungkan teknik clustering dan klashIlkasi. K-Means digunakan sebagai komponen pra-klasifikasi untuk mengelompokkan data yang sama pada tahap awal. Selanjutnya, untuk pengelompokan tahap kedua data akan diklasifikasikan berdasarkan kategori Diterima atau tidaknya menggunakan Naive Bayes. Dengan demikian, data dengan kelompok yang salah selama tahap pertama akan diklasifikasikan sesuai dengan kategori di tahap kedua. Berdasarkan hasil pengujian dengan membandingkan hasil pengelompokkan pada metode K-Means konvensional terbukti bahwa KMNB memberikan akurasi tertinggi sebesar 100% sedangkan K-Means konvensionaf memiliki akurasi sebesar 95.91%.