KLASIFIKASI RUMAH TANGGA UNTUK PENENTUAN PENERIMA KPS (KARTU PERLINDUNGAN SOSIAL) DENGAN MENGGUNAKAN METODE MODIFIED K-NEAREST NEIGHBOR (MKNN)
SKRIPSI
NI WAYAN EKA AYUNINGSIH 1208605001
PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS UDAYANA BUKIT JIMBARAN
2015
Judul
: Klasifikasi Rumah Tangga untuk Penentuan Penerima KPS (Kartu Perlindungan Sosial) dengan Menggunakan Metode Modified K-Nearest Neighbor (MKNN)
Nama
: Ni Wayan Eka Ayuningsih
NIM
: 1208605001
Pembimbing I
: Dra. Luh Gede Astuti,M.Kom.
Pembimbing II
: I Made Widiartha,S.Si.,M.Kom.
ABSTRAK Kartu Perlindungan Sosial (KPS) adalah kartu yang diterbitkan oleh Pemerintah Indonesia dalam Percepatan dan Perluasan Perlindungan Sosial (P4S). KPS membantu memastikan agar rumah tangga miskin dan rentan miskin dapat menerima manfaat dari semua program perlindungan sosial yang berhak diterimanya sehingga membantu upaya rumah tangga untuk keluar dari kemiskinan. Metode yang digunakan dalam penelitian ini adalah Modified K-Nearest Neighbor (MKNN). MKNN merupakan pengembangan dari algoritma K-Nearest Neighbor (KNN) yang diperkenalkan oleh Parvin dkk. Pengembangan yang dilakukan bertujuan untuk untuk mengatasi masalah tingkat akurasi yang rendah pada algoritma KNN dan meningkatkan performa algoritma KNN. Modifikasi dilakukan dengan menambahkan proses validasi pada dataset serta melakukan perubahan pada mekanisme penentuan kelas data objek baru. Sistem yang dikembangkan melakukan klasifikasi menjadi dua kelas yakni rumah tangga sasaran (RTS) penerima KPS dan non rumah tangga sasaran (Non RTS). Data yang digunakan dalam penelitian ini sebanyak 300 data rumah tangga yang diperoleh dari dua lingkungan di Kelurahan Pagesangan yakni Lingkungan Pagesangan Barat dan Pagesangan Bebidas. Dari data yang diperoleh terdapat 140 data rumah tangga sasaran (RTS)/penerima KPS dan 160 data non RTS/ bukan penerima KPS. Pengujian dilakukan dengan membandingkan nilai akurasi yang diperoleh dari hasil klasifikasi menggukan metode MKNN dan metode KNN. Dari hasil pengujian diperoleh rata-rata (mean) akurasi dari klasifikasi dengan metode KNN bernilai 70.07% dan 70.67% untuk metode MKNN, standar deviasi yang diperoleh dari KNN lebih tinggi dari metode MKNN yakni sebesar 1,17 untuk metode KNN dan 0,97 untuk metode MKNN. Kata Kunci: Kartu Perlindungan Sosial, Modified K-Nearest Neighbor, K-Nearest Neighbor, RTS, Non RTS.
Title
: Klasifikasi Rumah Tangga untuk Penentuan Penerima KPS (Kartu Perlindungan Sosial) dengan Menggunakan Metode Modified K-Nearest Neighbor (MKNN)
Name
: Ni Wayan Eka Ayuningsih
NIM
: 1208605001
Pembimbing I
: Dra. Luh Gede Astuti,M.Kom.
Pembimbing II
: I Made Widiartha,S.Si.,M.Kom.
ABSTRACT Social Protection Card (KPS) is a card issued by the Government of Indonesia in the Acceleration and Expansion of Social Protection (P4S). KPS helps to ensure that poor households can benefit from all social protection programs that are entitled for them, thereby helping the efforts of households to alleviate poverty. The method used in the study is the Modified K-Nearest Neighbor (MKNN). MKNN is the development of algorithms of K-Nearest Neighbor (KNN) introduced by Parvin et al. Development carried out is aimed to overcome the problem of low accuracy at KNN algorithm, and improve the performance of KNN algorithm. Modifications was done by adding the validation process on the data set and made changes to the mechanism for the determination of the class of data of new object. The system developed has made the classification into two classes namely targeted households (RTS) of KPS recipients and non-target households (Non RTS). The data used in this study were 300 households, obtained from two neighborhoods in the village of Pagesangan, namely the area of Pagesangan Barat and Pagesangan Bebidas. The data obtained show that there were 140 data of targeted households (RTS)/recepients of KPS and 160 of non-RTS/not the recipient of KPS. Testing was done by comparing the value of accuracy obtained from the classification methods of MKNN and KNN. From the test results it was obtained the mean of accuracy of the classification with KNN method of 70.07% and 70.67% for MKNN method, standard deviation obtained from KNN was higher than MKNN method, which is equal to 1.17 for KNN method, and 0, 97 for MKNN method. Keywords: Social Security Card, Modified K-Nearest Neighbor, K-Nearest Neighbor, RTS, Non RTS.
KATA PENGANTAR Laporan tugas akhir dengan judul “Klasifikasi Rumah Tangga untuk Penentuan Penerima KPS (Kartu Perlindungan Sosial) dengan Menggunakan Metode Modified K-Nearest Neighbor (MKNN)” ini disusun dalam rangkaian kegiatan pelaksanaan Tugas Akhir di Jurusan Ilmu Komputer FMIPA UNUD. Laporan tugas akhir ini disusun dengan harapan dapat menjadi pedoman dalam melaksanakan penelitian di atas. Sehubungan dengan telah terselesaikannya laporan tugas akhir ini, maka diucapkan terima kasih dan penghargaan kepada berbagai pihak yang telah membantu pengusul, antara lain: 1.
Ibu Dra.Luh Gede Astuti, M.Kom sebagai Pembimbing I yang telah banyak membantu menyempurnakan tugas akhir ini;
2.
Bapak I Made Widiartha,S.Si.,M.Kom sebagai Pembimbing II yang telah bersedia meluangkan waktu untuk mengoreksi serta memberikan saran selama penyusunan tugas akhir ini;
3.
Bapak Drs. I Wayan Santiyasa, M.Si. selaku Ketua Jurusan Ilmu Komputer Universitas Udayana yang telah banyak memberikan masukan dan motivasi sehingga memperlancar dalam proses pembuatan tugas akhir ini;
4. Bapak dan Ibu Dosen Jurusan Ilmu Komputer yang juga telah meluangkan waktu turut memberikan saran dan masukan dalam penyusunan skripsi ini; 5. Semua pihak yang telah memberi dukungan sehingga skripsi ini dapat diselesaikan sesuai dengan waktu yang ditentukan. Disadari pula bahwa tentu skripsi ini masih mengandung kelemahan dan kekurangan sehingga penulis berharap skripsi ini mampu memberikan inspirasi kepada pembaca dan menemukan ide-ide baru yang dapat dibuat menjadi topik penelitian selanjutnya. Bukit Jimbaran, September 2015 Penyusun,
Ni Wayan Eka Ayuningsih
DAFTAR ISI HALAMAN JUDUL.............................................. Error! Bookmark not defined. LEMBAR PENGESAHAN TUGAS AKHIR ....... Error! Bookmark not defined. ABSTRAK .............................................................................................................. 3 ABSTRACT ............................................................................................................ 4 KATA PENGANTAR ............................................................................................ 5 DAFTAR ISI ........................................................................................................... 6 DAFTAR GAMBAR .............................................................................................. 9 DAFTAR TABEL ................................................................................................. 10 DAFTAR LAMPIRAN ......................................................................................... 11 BAB I ..................................................................... Error! Bookmark not defined. PENDAHULUAN ................................................. Error! Bookmark not defined. 1.1
Latar Belakang ........................................ Error! Bookmark not defined.
1.2
Rumusan Masalah ................................... Error! Bookmark not defined.
1.3
Tujuan Penelitian ..................................... Error! Bookmark not defined.
1.
Untuk mengetahui proses klasifikasi rumah tangga menggunakan metode
Modified K-Nearest Neighbor (MKNN) ............ Error! Bookmark not defined. 2.
Untuk menganalisis performa metode Modified K-Nearest Neighbor
(MKNN) dan K-Nearest Neighbor (KNN) dalam klasifikasi rumah tangga untuk menentukan penerima KPS. ..................... Error! Bookmark not defined. 1.4
Batasan Masalah ...................................... Error! Bookmark not defined.
1.5
Manfaat Penelitian ................................... Error! Bookmark not defined.
1.6
Metodelogi Penelitian .............................. Error! Bookmark not defined.
1.6.1
Studi Literatur .................................. Error! Bookmark not defined.
1.6.2
Penentuan Fitur ................................ Error! Bookmark not defined.
1.6.3
Pengumpulan Data ........................... Error! Bookmark not defined.
1.6.4
Pengolahan Data............................... Error! Bookmark not defined.
1.6.5
Metode yang Digunakan .................. Error! Bookmark not defined.
1.6.6
Pengujian dan Evaluasi .................... Error! Bookmark not defined.
BAB II .................................................................... Error! Bookmark not defined. TINJAUAN PUSTAKA ........................................ Error! Bookmark not defined. 2.1
Tinjauan Empiris ..................................... Error! Bookmark not defined.
2.2
Tinjauan Teoritis ..................................... Error! Bookmark not defined.
2.2.1
Klasifikasi ........................................ Error! Bookmark not defined.
2.2.2
Metode Perhitungan Jarak ................ Error! Bookmark not defined.
2.2.2.1
Value Difference Metric............ Error! Bookmark not defined.
2.2.2.2
Heterogeneous Value Difference Metric (HVDM) .......... Error!
Bookmark not defined. 2.2.3
K-Nearest Neighbor (KNN) ............. Error! Bookmark not defined.
2.2.3.1
Algoritma K-Nearest Neighbor (KNN)Error! Bookmark not
defined. 2.2.3.2
Kelebihan dan Kelemahan Algoritma K-Nearest Neighbor
(KNN) ..................................................................................................Er ror! Bookmark not defined. 2.2.4
Modified K-Nearest Neighbor (KNN)Error!
Bookmark
not
defined. 2.2.4.1
Validasi Dataset ........................ Error! Bookmark not defined.
2.2.4.2
Pembobotan Dataset ................. Error! Bookmark not defined.
2.2.4.3
Algoritma Modified K-Nearest NeighborError! Bookmark not
defined.
BAB III .................................................................. Error! Bookmark not defined. ANALISIS DAN PERANCANGAN ..................... Error! Bookmark not defined. 3.1
Flowchart K-Nearest Neighbor ............... Error! Bookmark not defined.
3.2
Flowchart Modified K-Nearest NeighborError! Bookmark not defined.
3.3
Data Penelitian ........................................ Error! Bookmark not defined.
BAB IV .................................................................. Error! Bookmark not defined. HASIL DAN PEMBAHASAN .............................. Error! Bookmark not defined. 4.1
Pengujian Data Testing dengan Metode KNNError!
Bookmark
not
defined. 4.2
Pengujian Data Testing dengan Metode MKNNError! Bookmark not
defined. 4.3
Tampilan Antar Muka Program............... Error! Bookmark not defined.
4.4
Hasil Pengujian ........................................ Error! Bookmark not defined.
4.6.1
Analisis Hasil Pengujian .................. Error! Bookmark not defined.
BAB V.................................................................... Error! Bookmark not defined. PENUTUP .............................................................. Error! Bookmark not defined. 5.1
Kesimpulan .............................................. Error! Bookmark not defined.
5.2
Saran ........................................................ Error! Bookmark not defined.
DAFTAR PUSTAKA ............................................ Error! Bookmark not defined.
DAFTAR GAMBAR Gambar 1. 1 From Pendataan Rumah Tangga ....... Error! Bookmark not defined. Gambar 3. 1 Flowchart Algoritma KNN Secara UmumError!
Bookmark
not
defined. Gambar 3. 2 Tahapan Detail Proses Perhitungan Jarak HVDMError! Bookmark not defined. Gambar 3. 3 Tahapan Detail Proses Sorting Hasil Perhitungan Jarak ........... Error! Bookmark not defined. Gambar 3. 4 Tahapan Detail Proses Voting Mayoritas KelasError!
Bookmark
not defined. Gambar 3. 5 Flowchart Algoritma MKNN Secara UmumError! Bookmark not defined. Gambar 3. 6 Tahapan Detail Proses Validasi DatasetError!
Bookmark
not
defined. Gambar 3. 7 Tahapan Detail Proses Perhitungan Bobot DatasetError! Bookmark not defined. Gambar 4. 1 Tampilan Antarmuka Awal ............... Error! Bookmark not defined. Gambar 4. 2 Tampilan Antarmuka Pengujian Data Testing dengan KNN .... Error! Bookmark not defined. Gambar 4. 3 Tampilan Antarmuka jika Validasi Dataset Belum Dilakukan . Error! Bookmark not defined. Gambar 4. 4 Tampilan Antarmuka Validasi Dataset BerhasilError!
Bookmark
not defined. Gambar 4. 5 Tampilan Antarmuka Pengujian Data Testing dengan MKNN Error! Bookmark not defined. Gambar 4. 6 Tampilan Antarmuka Pengujian Data Testing dengan algoritma KNN dan metode pengujian Full Test ............................. Error! Bookmark not defined. Gambar 4. 7 Tampilan Antarmuka Pengujian Data Testing dengan algoritma KNN dan metode pengujian Full Test ............................. Error! Bookmark not defined.
DAFTAR TABEL Tabel 1. 1 Kelompok Variabel Kriteria Penentu Kondisi RTSError!
Bookmark
not defined. Tabel 1. 2 Fitur Klasifikasi Rumah Tangga ........... Error! Bookmark not defined. Tabel 1. 3 Tabel Hasil Pengujian ........................... Error! Bookmark not defined. Tabel 4. 1 Sintaks untuk Menghitung Nilai
,
,
,
................................................................................ Error! Bookmark not defined. Tabel 4. 2 Sintaks Perhitungan Standar Deviasi .... Error! Bookmark not defined. Tabel 4. 3 Sintaks Perhitungan Jarak HVDM ........ Error! Bookmark not defined. Tabel 4. 4 Sintaks Pencarian K Tetangga TerdekatError!
Bookmark
not
defined. Tabel 4. 5 Sintaks Penentuan Kelas Data Testing.. Error! Bookmark not defined. Tabel 4. 6 Sintaks Perhitungan Jarak antar DatasetError!
Bookmark
not
Bookmark
not
defined. Tabel 4. 7 Sintaks Sorting Hasil Perhitungan JarakError! defined. Tabel 4. 8 Sintaks Validasi Dataset ....................... Error! Bookmark not defined. Tabel 4. 9 Sintaks Perhitungan Bobot Dataset dan Penentuan Kelas Data Testing ................................................................................ Error! Bookmark not defined. Tabel 4. 10 Hasil Pengujian Data Testing .............. Error! Bookmark not defined. Tabel 4. 11 Analisis Hasil Pengujian ..................... Error! Bookmark not defined.
DAFTAR LAMPIRAN Lampiran 1. Dataset yang digunakan 2. Data testing yang digunakan