Sistem Klasifikasi Status Sosial Ekonomi Keluarga di Desa Popalia Menggunakan Metode K-NN
Main Article Content
Abstract
Perekonomian akan mengalami perubahan dan perkembangan sehingga menimbulkan permasalahan Perekonomian pada sebagian masyarakat. Status sosial ekonomi seseorang tentunya berpengaruh terhadap perkembangan anak-anaknya. Keluarga yang mempunyai status sosial ekonomi yang baik, tentu akan memberi perhatian yang baik pula terhadap masa depan anak-anaknya. Untuk mengetahui status social ekonomi keluarga dibutuhkan sebuah sistem berbasis artificial intelligence salah satunya yaitu klasifikasi menggunakan metode K-NN. Sistem ini bertujuan untuk memberikan informasi kepada pihak Desa Popalia dalam menentukan status ekonomi masyarakatnya menggunakan beberapa kriteria diantaranya umur, jumlah tanggungan, status perkawinan, status tempat tinggal, jenis tempat tinggal, pekerjaan dan jumlah pendapatan. Jika terdapat kondisi tertentu misalnya aparat desa membutuhkan informasi status ekonomi kelas rendah untuk diberikan bantuan, maka pihak aparat desa dapat dengan mudah memperoleh data yang dibutuhkan. Berdasarkan data set yang digunakan sebanyak 150, maka data uji yang telah berhasil diklasifikasikan memperoleh nilai sebesar 0.80 % yaitu masuk kategori status ekonomi Upper Class dan tingkat akurasi sistem yang dihasilkan dengan nilai K=3 yaitu 93 %.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
References
A. Nugroho, Indeks Pembangunan Manusia 2016. Jakarta: Badan Pusat Statistik, 2017.
Basrowi, Pengantar Sosiologi. Bogor: Ghalia Indonesia, 2014.
G. M. Putih and A. Amborowati, “Penerapan Data Mining Menggunakan Algoritma C4.5 untuk Mengetahui Tingkat Kelayakan Ekonomi (Studi Kasus Kelurahan Baturetno),” STMIK Amikom, 2015.
V. Bijalwan, V. Kumar, P. Kumari, and J. Pascual, “KNN based Machine Learning Approach for Text and Document Mining,” Int. J. Database Theory Appl., vol. 7, no. 1, pp. 61–70, 2014.
S. Zhang, X. Li, M. Zong, X. Zhu, and D. Cheng, “Learning k for kNN Classification,” ACM Trans. Intell. Syst. Technol., vol. 8, no. 3, pp. 1–19, 2017, doi: https://doi.org/10.1145/2990508.
M. M. Baharuddin, H. Azis, and T. Hasanuddin, “Analisis Performa Metode K-Nearest Neighbor Untuk Identifikasi Jenis Kaca,” Ilk. J. Ilm., vol. 11, no. 3, pp. 269–274, 2019, doi: https://doi.org/10.33096/ilkom.v11i3.489.269-274.
Isman, A. Ahmad, and A. Latief, “Perbandingan Metode KNN Dan LBPH Pada Klasifikasi Daun Herbal,” J. RESTI (Rekayasa Sist. Dan Teknol. Informasi), vol. 5, no. 3, pp. 557–564, 2021, doi: https://doi.org/10.29207/resti.v5i3.3006.
A. N. Atika and H. Rasyid, “Dampak Status Sosial Ekonomi Orang Tua Terhadap Keterampilan Sosial Anak,” Pedagog. J. Pendidik., vol. 7, no. 2, pp. 111–120, 2018, doi: https://doi.org/10.21070/pedagogia.v7i2.1601.
R. L. Lipsey and P. O. Steiner, Pengantar Ilmu Ekonomi 1 : Edisi Keenam. Jakarta: PT Rineka Cipta, 1991.
P. B. Horton and C. L. Hunt, Sosiologi: Jilid 2. Jakarta: Erlangga, 1992.
M. Sumardi and H.-D. Evers, Kemiskinan dan Kebutuhan Pokok. Jakarta: CV. Rajawali, 1985.
E. Turban, J. E. Aronson, and T. P.- Liang, Decision Support Systems and Intelligent Systems Jilid I Edisi 7. Yogyakarta: Andi, 2005.
J. Han, M. Kamber, and J. Pei, Data Mining: Concepts and Techniques, 3rd ed. Waltham: Morgan Kaufmann, 2012.
M. Bramer, Principles of Data Mining. London: Springer, 2020. doi: https://doi.org/10.1007/978-1-4471-7493-6.
Kusrini and E. T. Luthfi, Algoritma Data Mining. Yogyakarta: CV. Andi Offset, 2009.
V. R. Wirayudha, N. Hidayat, and R. K. Dewi, “Identifikasi Tingkat Stress Pada Manusia Menggunakan Metode K-NN (K-Nearest Neighbour),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 1, pp. 15–22, 2020.
R. A. Sukamto and M. Shalahuddin, Rekayasa Perangkat Lunak (Terstruktur dan Berorientasi Objek). Bandung: INFORMATIKA, 2016.