ESTD PERPUSTAKAAN UNTAD
ESTD PERPUSTAKAAN UNTAD
| JudulPERBANDINGAN TINGKAT AKURASI ALGORITMA C4.5 DAN NAÏVE BAYES DALAM PENENTUAN DATA RUMAH TIDAK LAYAK HUNI (STUDI KASUS: DINAS PERUMAHAN DAN KAWASAN PERMUKIMAN KOTA PALU) |
| Nama: AFDAL RIFALDI |
| Tahun: 2024 |
| Abstrak ABSTRAK Sesuai dengan Peraturan Menteri Dalam Negeri Nomor 86 Tahun 2017 maka Dinas Perumahan dan Kawasan Permukiman Kota Palu menyusun Rencana Strategis yang memuat tujuan, strategi, kebijakan, program dan kegiatan pembangunan sesuai dengan tugas dan fungsinya. Pemerintah daerah membuat beberapa kebijakan dalam penanggulangan kemiskinan, salah satunya adalah program rumah tidak layak huni (RTLH). Didorong dengan gempa bumi dan tsunami tanggal 28 September 2018 menyebabkan kerusakan dan kerugian harta benda banyak rumah warga yang tidak layak huni akibat bencana alam di wilayah tersebut. Untuk membantu pengimplementasian peraturan pemerintahan daerah maka penelitian ini dibuat dengan memadukan Algoritma C4.5 dan Naïve Bayes membuat sebuah perbandingan tingkat akurasi pada penentuan data rumah tidak layak huni. Data yang digunakan sebanyak 1200 dataset. Hasil akhir dari pengujian sistem klasifikasi tingkat kelayakan rumah berjalan sesuai dengan ekspetasi yang diharapkan peneliti. Hasil skenario pengujian data set yang dilakukan, diperoleh nilai besaran data yang paling cocok adalah 800:400, dan hasil pengujian algoritma menggunakan perhitungan akurasi diperoleh hasil akurasi sebesar 97% untuk algoritma C4.5, sedangkan nilai akurasi algoritma Naïve Bayes 94%. Kesimpulan penelitian ini dari hasil pengujian bahwa algoritma C4.5 memiliki akurasi yang lebih tinggi dibandingkan dengan algoritma Naïve Bayes 94%. Kata Kunci: Algoritma; C4.5; Naïve Bayes; RTLH; Kota Palu ABSTRACT In accordance with Minister of Home Affairs Regulation Number 86 of 2017, the Palu City Housing and Settlement Area Service has prepared a Strategic Plan which contains objectives, strategies, policies, programs and development activities in accordance with its duties and functions. The local government has made several policies to overcome poverty, one of which is the uninhabitable housing (RTLH) program. Driven by the earthquake and tsunami on September 28 2018, it caused damage and loss of property to many residents' houses which were uninhabitable due to natural disasters in the area. To help implement regional government regulations, this research was created by combining the C4.5 Algorithm and Naïve Bayes to make a comparison of the level of accuracy in determining data on uninhabitable houses. The data used was 1200 datasets. The final results of testing the house feasibility level classification system were in accordance with the researchers' expectations. The results of the data set testing scenario carried out showed that the most suitable data size value was 800:400, and the results of algorithm testing using accuracy calculations obtained an accuracy result of 97% for the C4.5 algorithm, while the accuracy value for the Naïve Bayes algorithm was 94%. The conclusion of this research from the test results is that the C4.5 algorithm has higher accuracy compared to the Naïve Bayes algorithm, 94%.. Keywords: Algorithm; C4.5; Naïve Bayes; RTLH; Palu City |