Information Gain Pada Algoritma C4.5 Untuk Klasifikasi Penerimaan Bantuan Pangan Non Tunai (Bpnt)

Saputra, Rizal Amegia; Wasiyanti, Sri; Pribadi, Denny

doi:10.21927/ijubi.v4i1.1757

Cited by 3 publications

(3 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Penentuan status keluarga miskin sebagai penerima bantuan belum optimal, sehingga dalam memberikan bantuan kemiskinan belum tepat sasaran (Lestari & Targiono, 2017). Pemangku kepentingan memiliki permasalahan yang terjadi dilapangan yaitu sulitnya mengklasifikasikan data yang menerima bantuan sehingganya mengakibatkan kurang tepatnya sasaran dalam memberikan bantuan (Saputra, Wasiyanti, & Pribadi, 2021). Pandemi Covid-19 menyebabkan meningkat-nya angka kemiskinan di Indonesia.…”

Section: Pendahuluanunclassified

Klasifikasi Penerima Bantuan Sosial Menggunakan Algoritma C 4.5

Junaidi¹,

Yunita

Agustyani

et al. 2023

JTK

View full text Add to dashboard Cite

Saat pandemi Covid-19 mulai melanda di Indonesia, banyak pembatasan yang diterapkan oleh pemerintah untuk membatasi merebaknya virus tersebut. Masyarakat dan dunia usaha secara otomatis juga mengalami ketidakstabilan dalam perekonomian karena pembatasan tersebut. Oleh karena itu pemerintah juga mulai membuat kebijakan untuk melindungi perekonomian masyarakat dengan menyalurkan bantuan sosial kepada desa atau kelurahan diseluruh Indonesia. Penelitian ini bertujuan untuk memberikan kontribusi yang nyata tentang kelayakan penerima bantuan agar penyaluran bantuan benar-benar tepat sasaran sehingga bisa mengangkat perekonomian masyarakat yang turun drastis karena pandemi ini. Metode dalam penelitian ini menggunakan metode survey lapangan dengan memberikan batasan kriteria pada pendapatan bulanan, jumlah tanggungan, jenis tempat tinggal, dan kendaraan yang dilakukan pada salah satu kelurahan di wilayah Tangerang dengan metode klasifikasi C4.5. Hasil output dari penelitian ini adalah menentukan apakah penerima bantuan yang terdaftar tersebut layak atau tidak layak untuk menerima bantuan yang dapat dijadikan rekomendasi oleh pengambil keputusan, dalam hal ini pihak kelurahan untuk menyeleksi warganya.

show abstract

Section: Pendahuluanunclassified

Klasifikasi Penerima Bantuan Sosial Menggunakan Algoritma C 4.5

Junaidi¹,

Yunita

Agustyani

et al. 2023

JTK

View full text Add to dashboard Cite

show abstract

“…Penelitian Saputra, Wasiyanti, & Pribadi, (2021) melakukan klasifikasi data mining menggunakan algoritma klasifikasi C4.5 untuk menentukan kriteria kelayakan calon penerima BPNT. Hasil akhir dari penelitian ini menunjukkan model yang digunakan memiliki nilai akurasi yang cukup tinggi sebesar 91,54% [5]. Penelitian Sulihati (2022) melakukan komparasi dua algoritma data mining Naive Bayes dan Pohon Keputusan (Decision Tree) untuk memprediksi seleksi penerimaan masuk perguruan tinggi negeri.…”

Section: Latar Belakangunclassified

Analisis Performa Algoritma Klasifikasi Naive Bayes dan C4.5 untuk Prediksi Penerima Bantuan Jaminan Kesehatan

Attamami

Triayudi

Aldisa

2023

jtik

View full text Add to dashboard Cite

Health is the basis of the level of humanity. However, in reality, not everyone with social welfare problems has national health insurance. The large number of patient files that must be checked makes it difficult for officers to identify potential beneficiaries. Based on these problems, a procedure or method is needed that can assist officers in identifying potential beneficiaries. From the results of the performance testing of the two models using a confusion matrix with 730 records used as training data and 313 records used as test data, the C4.5 classification algorithm gets the highest accuracy value, which is 99.04%. A total of 310 data records were predicted correctly with an error rate or error of 0.96% or as many as 3 data records from 313 data tested. While the Naive Bayes classification algorithm gets an accuracy value of 92.97%. A total of 291 data records were predicted to be correct with an error rate of 7.03% or as many as 22 data records were predicted to be incorrect from the 313 data tested

show abstract

“…Pembelajaran mesin dengan menggunakan Pohon Keputusan banyak dilakukan penerapannya pada penelitian terdahulu, seperti klasifikasi diagnosa penyakit jantung yang dilakukan oleh Akbar Hidayatullah Harahap, dkk [4], klasifikasi pendapatan masyarakat yang dilakukan oleh Apriani Candra Wijaya [5], klasifikasi penderita kanker paayudara yang dilakukan oleh Jody Alwin Irawadi dan Siti Sunandiari [6], klasifikasi penerima bantuan pangan non tunai yang dilakukan oleh Rizal Amegia Saputra, dkk [7]. Penelitian terdahulu mengenai decision tree dilakukan oleh Yan-yan SONG dan Ying LU [8] dengan melakukan komparasi beberapa metode decision tree yang antara lain CART, C4.5, CHAID, dan QUEST, untuk melakukan proses klasifikasi dan prediksi data set menjadikan acuan pada penelitian ini dalam penggunaan metode CART pada proses prediksi.…”

Section: Pendahuluanunclassified

Implementasi Algoritma Decision Tree Cart Untuk Merekomendasikan Ukuran Baju

Oktavirahani

Maharesi

2022

Jur. Ris. Kom.

View full text Add to dashboard Cite

The development of technology that is advancing rapidly today encourages the emergence of buying and selling processes that can be done online. The many conveniences that are felt in the process have made many people switch from buying and selling conventionally to buying and selling online. Clothing is one of the primary human needs that do not escape online sales. However, the obstacle experienced was when choosing the size, because when buying online the buyer could not try on the clothes, thus creating doubts in choosing the size of the clothes that matched the buyer's body size. Therefore, this study develops a smartphone-based application that is used to recommend clothing sizes. The stage that is passed to get the results, namely, the data training process will be carried out on the dataset used. Furthermore, it takes determinant variables that affect the size of a person's clothes, namely gender, weight, height, and body shape to be able to make predictions using previously trained datasets. The result of this study is a smartphone-based application that is useful for recommending clothing sizes. The test results using the Confusion Matrix for 21 test data taken randomly from 207 training data, showed an accuracy rate of 67%.

show abstract

Information Gain Pada Algoritma C4.5 Untuk Klasifikasi Penerimaan Bantuan Pangan Non Tunai (Bpnt)

Cited by 3 publications

References 3 publications

Klasifikasi Penerima Bantuan Sosial Menggunakan Algoritma C 4.5

Klasifikasi Penerima Bantuan Sosial Menggunakan Algoritma C 4.5

Analisis Performa Algoritma Klasifikasi Naive Bayes dan C4.5 untuk Prediksi Penerima Bantuan Jaminan Kesehatan

Implementasi Algoritma Decision Tree Cart Untuk Merekomendasikan Ukuran Baju

Contact Info

Product

Resources

About