AbstrakBeras rastra adalah sebuah program pemerintah yang bertujuan untuk meringankan beban keluarga miskin atau hampir miskin dalam hal pangan. Dalam implementasinya pada desa Bandar Siantar Kecamatan Gunung Malela masih belum optimal dikarenakan masih banyak program rastra yang belum tepat sasaran. Konsep data mining akan mempermudahkan mengatasi masalah yang belum optimal di desa Bandar Siantar Kecamatan Gunung Malela. Maka, metode klasifikasi mampu menemukan model yang membedakankonsep atau kelas data, dengan tujuan untuk dapat memperkirakan kelas dari suatu objekyang labelnya tidak diketahui. Oleh sebab itu, Algoritma Naive Bayes dapat memprediksipeluang di masa depan berdasarkan pengalaman dimasa sebelumnya, pada penelitian ini peneliti mengambil data lati sebanyak 70 data dan sebuah data uji, dengan menggunakan 6 kriteria yaitu Status PKH, Jumlah Tanggungan, Kepala rumah Tangga, Kondisi Rumah, Jumlah Penghasilan, dan Status Pemilik Rumah.Hasil penilitian ini diharapkan dapat membantu pemerintah khususnya di dearah dalam menentukan kelayakan keluarga penerima beras Rastra. Kata kunci : Data Mining, Beras Rastra, Algoritma Naïve Bayes Abstract Beras Rastra is a government program that aims to alleviate the burden of poor or near-poor families in terms of food. In its implementation on desa Bandar Siantar Kecamatan Gunung Malela still not optimal because there are still many rastra program that has not been right target. The concept of data mining will make it easier to overcome the problem that has not been optimal in desa Bandar Siantar Kecamatan Gunung Malela,classification methods are able to find models that distinguish concepts or data classes, with the aim of being able to estimate the class of an object whose label is unknown. Therefore Algoritma Naïve Bayes can predict future opportunities based on experience in the past, in this study researchers took data lati as much as 70 data and a test data,using 6 criteria that isStatus of PKH, Number of Dependent, Household Head, House Condition, Income Amount, and Home Owner Status.The results of this study are expected to assist the government, especially in the region in determining the eligibility of families of Beras Rastra beneficiaries Keywords : Data Mining, Beras Rastra, Algoritma Naïve Bayes
Cabai merah adalah salah satu tanaman utama dari salah satu tanaman petani di Indonesia. Permasalahan yang timbul adalah sulit untuk menentukan biji cabai mana yang baik dan tahan terhadap virus. Selain itu, petani juga kesulitan menentukan benih yang baik dengan harga terjangkau. Sulitnya menentukan benih putih yang baik membuat sebagian petani gagal panen dan menderita kerugian yang cukup besar. Penelitian ini dilakukan di Desa Bandar Siantar, Kabupaten Gunung Malela. Data diperoleh dengan mewawancarai dan mengamati langsung ke petani cabai. Penelitian ini menggunakan teknik sistem pendukung keputusan dengan metode Multi-Objective Optimization berdasarkan Analisis Rasio (MOORA) yang dapat membantu petani untuk merekomendasikan benih cabai yang baik. Kriteria penilaian yang digunakan sebanyak 6 yakni: Harga bibit (C1), Masa Panen (C2), Panjang Buah (C3), Berat Buah (C4), Penyakit Cabai (C5), Banyaknya Cabang (C6) dan 8 alternatif, yaitu: Lado (A1), Taro (A2) ), Belinda (A3), TM (A4), Kripsy (A5), Tebing (A6), Indra Pura (A7) dan Keling (A8). Hasil penelitian menunjukkan jenis Lado (A1) dengan nilai (Yi (maks) = 0,2080) menjadi rekomendasi pertama, TM (A4) dengan nilai (Yi (maks) = 0,2071) berada di peringkat kedua dan Indra Pura (A7) dengan nilai (Yi (maks) = 0,1974) menjadi tempat ketiga. Penelitian ini diharapkan dapat membantu para petani untuk menghindari kegagalan panen, mereka dapat membantu para petani untuk menghindari kegagalan panen, terutama di desa Bandar Siantar, Kabupaten Gunung Malela.
The application of a prediction is very important to do in research, so that research becomes faster and directed. Just as in predicting the number of shell oil sales, studies and the use of appropriate methods are needed to obtain optimal results. The data used in this study is sales data from PT. Mitra Petra Sejahtera Kota Medan from 2012 to 2017. The algorithm used to make this prediction is the backpropagation algorithm. This algorithm is used to predict future results based on previous data. There are 6 architectural models used in the backpropagation algorithm, among others, 4-2-1 which will later produce predictions with 83% accuracy, 4-3-1 = 78%, 4-4-1 = 83%, 4- 5-1 = 78%, 4-8-1 = 100% and 4-10-1 = 72%. The best architecture of these 6 models is 4-8-1 with an accuracy rate of 94% with a level of Error 0.001, MSE = 0.04133616. so this architectural model is good enough to be used to predict the amount of shell oil sales.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.