Text
Klasifikasi Kelompok Rumah Tangga di Kabupaten Blora Menggunakan Multivariate Adaptive Regression Spline (MARS) dan Fuzzy K-Nearest Neighbor (FK-NN)
ABSTRAK
Metode klasifikasi yang baik akan menghasilkan sedikit kesalahan
klasifikasi. Metode klasifikasi sangat berkembang dan dua di antara metode
klasifikasi yang telah ada yaitu metode Multivariate Adaptive Regression Spline
(MARS) dan metode Fuzzy K-Nearest Neighbor (FK-NN). Penelitian ini
bertujuan untuk membandingkan pengklasifikasian kelompok rumah tangga
miskin dan kelompok rumah tangga tidak miskin berdasarkan pengeluaran
perkapita yang sudah dikonversikan berdasarkan garis kemiskinan antara metode
MARS dan FK-NN. Penelitian ini menggunakan data sekunder berupa hasil
Survei Sosial Ekonomi Nasional (SUSENAS) di Kabupaen Blora tahun 2014.
Evaluasi kesalahan hasil klasifikasi menggunakan APER. Hasil klasifikasi terbaik
menggunakan metode MARS adalah jika menggunakan kombinasi BF=76, MI=3,
MO=1 karena menghasilkan nilai Generalized Cross Validation (GCV) terkecil
dan diperoleh nilai APER sebesar 10,119 %. Hasil klasifikasi terbaik metode
FK-NN adalah jika menggunakan K=9 karena menghasilkan laju error terkecil
dan diperoleh nilai APER sebesar 9,523%. Berdasarkan nilai APER menunjukkan
bahwa pengklasifikasian kelompok rumah tangga di Kabupaten Blora
menggunakan metode FK-NN lebih baik dibandingkan dengan metode MARS.
Kata kunci: Klasifikasi, MARS, FK-NN, APER, SUSENAS, Blora
ABSTRACT
Good classification method will result on less classification error.
Classification method developed rapidly. Two of the existing classification
methods are Multivariate Adaptive Regression Spline (MARS) and Fuzzy
K-Nearest Neighbor (FK-NN). This research aims to compare the classification of
poor household and prosperous household based on per capita income which has
been converted according to the poverty line between MARS and FK-NN method.
This research used secondary data in the form of result of National Economy and
Social Survey (SUSENAS) in Blora subdistrict in 2014. The result of the
classification was evaluated using APER. The best classification result using
MARS method is by using the combination of BF= 76, MI= 3, MO= 1 because it
will result on the smallest Generalized Cross Validation (GCV) and the APER is
10,119%. The best classification result using FK-NN method is by using K=9
because it will result on the smallest error and the APER is 9,523%. The APER
calculation shows that the classification of household in Blora subdistrict using
FK-NN method is better than using MARS method.
Keywords: Classification, MARS, FK-NN, APER, SUSENAS, Blora
412E15IV | 519.53 KRI k | Perpustakaan FSM Undip (Referensi) | Tersedia |
Tidak tersedia versi lain