Perbandingan Algoritma C4.5 dan Naive Bayes Untuk Menentukan Penerima Bantuan Bedah Rumah di Kabupaten Tanggamus
Abstract
A livable house is a basic human need, a livable house is said to be if the home owner has a sense of peace and comfort living in that house. A livable house is interpreted as a house that has facilities to meet human needs in carrying out daily activities. The government assistance has not been distributed evenly to the homes of the residents of Tiga Dolok Village, because the program that has been running so far is very complicated, the system that runs is still manual in processing community data. Therefore, the authors provide a solution to classify the eligibility level of the house using the C4.5 algorithms and the Naïve Bayes algorithm. This algorithm was chosen because it is one of the methods in the Decision Tree that is widely used to make predictions about a case. Thus, government subsidies for renovating uninhabitable houses can be channeled in an appropriate manner. The research objective is to use a decision tree based on the C4.5 algorithms, which is expected to increase the accuracy of receiving housing feasibility renovation assistance. The research method used is Data Mining. Analysis and calculations using this algorithm really help the decision-making process to determine people who are eligible to receive housing renovation assistance and people who are not eligible to receive housing renovation assistance.
Keywords: Livable House; C4.5 Algorithm; Decision tree, Naïve
Full Text:
PDFReferences
Andrianti, F., & Firmansyah, R. (2020). Penerapan Clustering Data Kurang Mampu Di Desa Situmekar Menggunakan Algoritma K-Means. 1(1), 88. http://eprosiding.ars.ac.id/index.php/pti
Aziz, A. (2020). Implementasi Algoritma Rough Set Dan Naive Bayes Untuk Mendapatkan Rule Dalam Menyeleksi Pemohon Bantuan Fasilitas Rumah Ibadah (Studi Kasus : Pemerintah Kabupaten Pringsewu). Jl. ZA. Pagar Alam, 03(93), 74–83.
Fitriani, E. (2020). Perbandingan Algoritma C4.5 Dan Naïve Bayes Untuk Menentukan Kelayakan Penerima Bantuan Program Keluarga Harapan. Sistemasi, 9(1), 103. https://doi.org/10.32520/stmsi.v9i1.596
Ginting, K. A., Buaton, R., Kom, M., & Syari, M. A. (2022). Penerapan Data Mining Dalam Pengelompokan Penerimaan Bantuan Untuk UMKM dengan Metode Clustering ( Studi Kasus : Kec . Salapian ). 6(3).
Ibrahim Irawan, Gani Hilmansyah, L. R. H. Y. (2022). Perbandingan algoritma naïve bayes dan c4.5 untuk klasifikasi bantuan rumah sehat. Juik (Jurnal Ilmu Komputer), 2.
Krisdiyanto, T. (2021). Analisis Sentimen Opini Masyarakat Indonesia Terhadap Kebijakan PPKM pada Media Sosial Twitter Menggunakan Naïve Bayes Clasifiers. Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer Dan Teknologi Informasi, 7(1), 32. https://doi.org/10.24014/coreit.v7i1.12945
Kusmira, M. (2019). Penerapan Data Mining Pengajuan Pembiayaan Perumahan (Consumen Financing) Individual Menggunakan Algoritma C4.5. Jurnal Khatulistiwa Informatika, 7(1), 66–71. https://doi.org/10.31294/jki.v7i1.126
Munandar, T. A., & Munir, A. Q. (2022). Implementasi K-Nearest Neighbor Untuk Prototype Sistem Pakar Identifikasi Dini Penyakit Jantung. Respati, 17(2), 44. https://doi.org/10.35842/jtir.v17i2.457
Nugroho, D. A., Savitri, N., Saputra, N., Adji, T. B., Permanasari, A. E., Ardhiansyah, M. N., Umar, R., Sunardi, Alifah, U., Arsya Monica Pravina, Imam Cholissodin, P. P. A., Darwis, D., Pratiwi, E. S., Pasaribu, A. F. O., Arsi, P., & Waluyo, R. (2021). Analisis Sentimen Data Presiden Jokowi Dengan Preprocessing Normalisasi Dan Stemming Menggunakan Metode Naive Bayes Dan SVM. Seminar Nasional Teknologi Fakultas Teknik Universitas Krisnadwipayana, 3(1), 1–11.
Paul V.M.;, Indra, G. M., Damanik;, B. E., Parlina;, I., & Saputra;, W. (2021). DALAM MENENTUKAN KELAYAKAN PENERIMAAN BANTUAN BEDAH RUMAH PADA DESA TIGA DOLOK Paul V . M ., Indra Gunawan , Bahrudi Efendi Damanik , Iin Parlina dan Widodo Saputra STIKOM Tunas Bangsa Pematangsiantar Abstrak Penerapan Data Mining Menggunakan Algoritma C4. 1, 396–409.
Yul Dewi Marta, F., & Nurlitasari, R. (2021). Implementasi Penyaluran Bantuan Langsung Tunai Dana Desa di Era Pandemi Covid-19 di Kabupaten Sigi 2020. Jurnal Terapan Pemerintahan Minangkabau, 1(1), 47–59. https://doi.org/10.33701/jtpm.v1i1.1870
Andrianti, F., & Firmansyah, R. (2020). Penerapan Clustering Data Kurang Mampu Di Desa Situmekar Menggunakan Algoritma K-Means. 1(1), 88. http://eprosiding.ars.ac.id/index.php/pti
Aziz, A. (2020). Implementasi Algoritma Rough Set Dan Naive Bayes Untuk Mendapatkan Rule Dalam Menyeleksi Pemohon Bantuan Fasilitas Rumah Ibadah (Studi Kasus : Pemerintah Kabupaten Pringsewu). Jl. ZA. Pagar Alam, 03(93), 74–83.
Fitriani, E. (2020). Perbandingan Algoritma C4.5 Dan Naïve Bayes Untuk Menentukan Kelayakan Penerima Bantuan Program Keluarga Harapan. Sistemasi, 9(1), 103. https://doi.org/10.32520/stmsi.v9i1.596
Ginting, K. A., Buaton, R., Kom, M., & Syari, M. A. (2022). Penerapan Data Mining Dalam Pengelompokan Penerimaan Bantuan Untuk UMKM dengan Metode Clustering ( Studi Kasus : Kec . Salapian ). 6(3).
Ibrahim Irawan, Gani Hilmansyah, L. R. H. Y. (2022). Perbandingan algoritma naïve bayes dan c4.5 untuk klasifikasi bantuan rumah sehat. Juik (Jurnal Ilmu Komputer), 2.
Krisdiyanto, T. (2021). Analisis Sentimen Opini Masyarakat Indonesia Terhadap Kebijakan PPKM pada Media Sosial Twitter Menggunakan Naïve Bayes Clasifiers. Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer Dan Teknologi Informasi, 7(1), 32. https://doi.org/10.24014/coreit.v7i1.12945
Kusmira, M. (2019). Penerapan Data Mining Pengajuan Pembiayaan Perumahan (Consumen Financing) Individual Menggunakan Algoritma C4.5. Jurnal Khatulistiwa Informatika, 7(1), 66–71. https://doi.org/10.31294/jki.v7i1.126
Munandar, T. A., & Munir, A. Q. (2022). Implementasi K-Nearest Neighbor Untuk Prototype Sistem Pakar Identifikasi Dini Penyakit Jantung. Respati, 17(2), 44. https://doi.org/10.35842/jtir.v17i2.457
Nugroho, D. A., Savitri, N., Saputra, N., Adji, T. B., Permanasari, A. E., Ardhiansyah, M. N., Umar, R., Sunardi, Alifah, U., Arsya Monica Pravina, Imam Cholissodin, P. P. A., Darwis, D., Pratiwi, E. S., Pasaribu, A. F. O., Arsi, P., & Waluyo, R. (2021). Analisis Sentimen Data Presiden Jokowi Dengan Preprocessing Normalisasi Dan Stemming Menggunakan Metode Naive Bayes Dan SVM. Seminar Nasional Teknologi Fakultas Teknik Universitas Krisnadwipayana, 3(1), 1–11.
Paul V.M.;, Indra, G. M., Damanik;, B. E., Parlina;, I., & Saputra;, W. (2021). DALAM MENENTUKAN KELAYAKAN PENERIMAAN BANTUAN BEDAH RUMAH PADA DESA TIGA DOLOK Paul V . M ., Indra Gunawan , Bahrudi Efendi Damanik , Iin Parlina dan Widodo Saputra STIKOM Tunas Bangsa Pematangsiantar Abstrak Penerapan Data Mining Menggunakan Algoritma C4. 1, 396–409.
Yul Dewi Marta, F., & Nurlitasari, R. (2021). Implementasi Penyaluran Bantuan Langsung Tunai Dana Desa di Era Pandemi Covid-19 di Kabupaten Sigi 2020. Jurnal Terapan Pemerintahan Minangkabau, 1(1), 47–59. https://doi.org/10.33701/jtpm.v1i1.1870
DOI: https://doi.org/10.30873/simada.v6i1.3430
Refbacks
- There are currently no refbacks.
Jurnal SIMADA (Sistem Informasi dan Manajemen Basis Data)
Diatur by: Departemen Sistem Informasi IIB Darmajaya
Diterbitkan Oleh: IIB Darmajaya
Alamat: Jl. Z.A. Pagar Alam No. 93 Gedong Meneng, Bandar Lampung Lampung
Website: jurnal.darmajaya.ac.id, E-mail: simada@darmajaya.ac.id
View Jurnal SIMADA StatCounter
Jurnal SIMADA is licensed under a Creative Commons Attribution 4.0 International License.