Text

Ketepatan Klasifikasi STATUS Kerja di Kota Tegal Menggunakan Algoritma C4.5 dan Fuzzy K-Nearest Neighbor in Every Class (FK-NNC)

---

ABSTRAK
Masalah pengangguran merupakan masalah yang sangat krusial yang selalu
dihadapi negara berkembang dan dapat mempengaruhi pembangunan nasional.
Digunakan dua metode untuk melakukan klasifikasi status kerja pada penduduk
angkatan kerja di Kota Tegal bulan Agustus tahun 2014 yaitu algoritma C4.5 dan
Fuzzy K-Nearest Neighbor in every Class (FK-NNC). Algoritma C4.5 adalah
salah satu metode klasifikasi dari data mining yang digunakan untuk
mengkonstruksikan pohon keputusan (decision tree). Fuzzy K-Nearest Neighbor
in every Class (FK-NNC) adalah teknik klasifikasi yang melakukan prediksi
menggunakan sejumlah K tetangga terdekat pada setiap kelas dari sebuah data uji.
Variabel prediktor yang digunakan adalah status dalam rumah tangga, jenis
kelamin, umur, status perkawinan, pendidikan, dan pelatihan kerja. Untuk
mengevaluasi hasil klasifikasi digunakan perhitungan APER. Berdasarkan analisis
tersebut pengklasifikasian status kerja dengan Algoritma C4.5 diperoleh nilai
APER = 28,3784% dan ketepatan klasifikasi sebesar 71,6216% sedangkan
menggunakan metode FK-NNC diperoleh nilai APER = 21,62% dan ketepatan
klasifikasi sebesar 78,38%. Sehingga dapat disimpulkan bahwa metode FK-NNC
lebih baik dibandingkan dengan Algoritma C4.5.
Kata kunci: Klasifikasi, Algoritma C4.5, Fuzzy K-Nearest Neighbor in every
Class (FK-NNC), APER

ABSTRACT
Unemployment is a very crucial problem that always deal a developing country
and affected a national foundation. It used two methods for classifying a
employment status on productive society in Tegal City on August 2014, the
methods are C4.5 Algorithm and Fuzzy K-Nearest Neighbor in every Class (FKNNC). C4.5 Algorithm is a way of classifying methods from data mining that use
to construct a decision tree. FK-NNC is another classification technique that
predict using the amount of closest neighbor of K in every class from a testing
data. The predictor variables that used on classifying an employment status are
neighborhood status, sex, age, marriage status, education, and a work training. To
evaluate the result of classification use APER calculation. Based on this analysis,
classification of employment status using C4.5 Algorithm obtained APER =
28,3784% and 71,6216% of accuracy, while FK-NNC methods obtained APER =
21,62% and 78,38% of accuracy. So, it can be concluded that FK-NNC is better
than C4.5 Algorithm.
Keywords: Classification, C4.5 Algorithm, Fuzzy K-Nearest Neighbor in every
Class (FK-NNC), APER

---

Ketersediaan

406E15IV

518.1 TYA k

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

518.1 TYA k

Penerbit

: ., 2015

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

946

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Pengolahan Citra

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Atika Elsadining Tyas

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar