Klasifikasi Tingkat Kepuasan Masyarakat Program RTP2S Menggunakan Metode SVM Berbasis Backward Elimination
نویسندگان
چکیده
RTP2S merupakan program pencanangan Rumah Tangga Pelopor Pencegahan Stunting, pendekatanya diimplementasikan melalui model pilot yang didasarkan desa lokus stunting dan bermasalah sanitasi air bersih. Permaslahan terjadi yaitu pemerintah tidak ada data langsung dari masyarakat untuk mengetahui berhasil tidaknya atau puas masyarajkat dengan adanya telah dijalankan. Klasifikasi keberasilan dinilai tingkat kepuasan terhadap RTP2S. Data digunakan berupa hasil wawancara kuesioner. Pertanyaan kuesioner dibuat terdiri 16 pertanyaan disimbolkan P1-P16. Hasil diinput menggunakan Microsoft Excel, didapatkan sebanyak 50 record. Tahap preprocessing dilakukan pertama selection dimana pemilihan sebelum tahap pemodelan, kedua cleaning diterapkan menghapus kosong merubah konsisten, ketiga reduction dalam dataset mungkin inkonsisten duplikat terdapat sama akan dijadikan satu tupel. Untuk eksperimen, peneliti tool RapidMiner pemodelan klasifikasi. Dari penelitian bahwa seleksi fitur sangat berpengaruh peningkatan akurasi, karna atribut signifikan dieliminasi, eliminasi backward elimination, hanya 5 atribut. Akurasi Metode Support Vector Machine 54.00% sedangkan berbasis Backward Elimination 62.00%. Tingkat Kepuasan Masyarakat Terhadap Program di proporsi jumlah bernilai benar diklasifikasi secara tepat 62% Puas Puas. keberhasilan penerima bantuan merasa
منابع مشابه
Aplikasi belajar membaca iqro' berbasis mobile
Abstrak Kemajuan Ilmu Pengetahuan dan Teknologi (IPTEK) hendaklah diikuti dengan Iman dan Takwa (IMTAK), sangat disayangkan, jika masih banyak masyarakat yang belum bisa membaca huruf hijaiyah yang merupakan dasar dari Al-Qur’an. Masyarakat sekarang telah disibukkan dengan berbagai aktipitas sehingga mereka sulit untuk belajar dengan Ustad atau Ustadza mengenai huruf hijaiyah. Untuk mengatasi m...
متن کاملKlasifikasi Data Cardiotocography Dengan Integrasi Metode Neural Network Dan Particle Swarm Optimization
Backpropagation (BP) adalah sebuah metode yang digunakan dalam training Neural Network (NN) untuk menentukan parameter bobot yang sesuai. Proses penentuan parameter bobot dengan menggunakan metode backpropagation sangat dipengaruhi oleh pemilihan nilai learning rate (LR)-nya. Penggunaan nilai learning rate yang kurang optimal berdampak pada waktu komputasi yang lama atau akurasi klasifikasi yan...
متن کاملPenambahan emosi menggunakan metode manipulasi prosodi untuk sistem text to speech bahasa Indonesia
Abstrak—Text To Speech (TTS) merupakan suatu sistem yang dapat mengonversi teks dalam format suatu bahasa menjadi ucapan sesuai dengan pembacaan teks dalam bahasa yang digunakan. Fokus penelitian yaitu suatu konsep pengucapan natural, dengan usaha “memanusiakan” pelafalan sintesa suara sistem Text To Speech yang dihasilkan. Kebutuhan utama yang digunakan untuk sistem Text To Speech dalam peneli...
متن کاملSparse Gaussian Processes Using Backward Elimination
Gaussian Processes (GPs) have state of the art performance in regression. In GPs, all the basis functions are required for prediction; hence its test speed is slower than other learning algorithms such as support vector machines (SVMs), relevance vector machine (RVM), adaptive sparseness (AS), etc. To overcome this limitation, we present a backward elimination algorithm, called GPs-BE that recu...
متن کاملPengaruh Perangkat Server Terhadap Kualitas Pengontrolan Jarak Jauh Melalui Internet
Internet sangat membantu dalam memperbaiki kualitas kehidupan manusia. Hampir semua bidang kehidupan manusia dapat diakses menggunakan internet. Manusia terbantu dengan adanya internet yang menyediakan segala macam informasi yang dibutuhkan. Seiring dengan perkembangan infrastuktur jaringan internet maka pengontrolan jarak jauh mulai berubah menggunakan media internet. Pada penelitian ini digun...
متن کاملذخیره در منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ژورنال
عنوان ژورنال: Jambura Journal of Electrical and Electronics Engineering
سال: 2023
ISSN: ['2654-7813', '2715-0887']
DOI: https://doi.org/10.37905/jjeee.v5i1.17204