TUGAS STATISTIK NAÏVE BAYES ASSESMENT 5 (LAPORAN HASIL)

DISUSUN OLEH: KELOMPOK 3:

 DELFIANI (2023511004)  SARLINA (2023511009)  IRA AYU NENGSI (2023511018)

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER UNIVERSITAS AL ASYARIAH MANDAR KATA PENGANTAR

Pertama-tama kami panjatkan puji syukur atas rahmat Allah SWT, karena tanpa rahmatnya kami tidak dapat menyelesaikan tugas ini dengan baik dan selesai tepat waktu. Tak lupa kami ucapkan terimah kasih kepada bapak Akhmad Qaslhim S.Kom, M.Kom selaku dosen pengampuh mata kuliah Statistika yang membimbing kami dalam mengerjakan tugas ini. Kami juga mengucapkan terimah kasih kepada teman-teman serta orang tua kami yang selalu setia membantu /mendukung dalam hal mengumpulkan data-data dalam pembuatan tugas ini. Dalam makalah ini kami menjelaskan tentang program keluarga harapan (PKH) Mungkin dalam pembuatan makalah ini terdapat kesalahan yang belum kami ketahui. Maka dari itu kami mohon saran dan kritik dari dosen maupun teman-teman. Demi tercapainya makalah yang sempurna.

KATA PENGANTAR. i DAFTAR ISI……………………………………. ii
BAB I PENDAHULUAN . 1 1.1 LATAR BELAKANG . 1 1.2 RUMUSAN MASALAH . 1 1.3 MANFAAT DAN TUJUAN . 1

BAB II PEMBAHASAN . 2 A. PENGERTIAN NAÏVE BAYES . 2 B. TIPE ALGORITMA NAÏVE BAYES . 3 C. MANFAAT NAÏVE BAYES . 3

BAB III HASIL DAN PEMBAHASAN . 4 1.1 HASIL . 4 1.2 PEMBAHASAN . 4 BAB IV PENUTUP . 5 A. KESIMPULAN . 5 B. SARAN. 5 DAFTAR PUSTAKA . 6

BAB I PENDAHULUAN 1.1 Latar Belakang Penerima bantuan sosial adalah masyarakat yang berada di bawah garis kemiskinan, kemiskinan masih menjadi masalah di Indonesia dan menjadi perhatian nasional dan diperlukan penanganan yang tepat. Pemerintah membuat suatu program yang diperuntukkan bagi sebuah keluarga yang diberi nama Program Keluarga Harapan (PKH) dengan tujuan memutus rantai kemiskinan, mengubah tindakan keluarga yang tidak mendukung, serta meningkatnya kesejahteraan dan kualitas sumber daya manusia. Pemerintah dalam upaya menanggulangi kemiskinan telah banyak melaksanakan program, tapi bantuan itu tidak sampai kepada rakyat sesuai dengan harapan. Algoritma Naïve Bayes adalah suatu klasifikasi sederhana untuk melakukan perhitungan dari beberapa probabilitas dengan cara menjumlahkan kombinasi dan frekuensi nilai dari sebuah dataset yang ada. Berdasarkan latar belakang tersebut maka disusunlah penelitian dengan judul “ penerapan algoritma naïve bayes dalam penentuan penerima bantuan social program keluarga harapan (PKH).

1.2 Rumusan Masalah Berdasarkan latar belakang diatas maka perumusan masalah pada penelitian ini adalah: 1. Bagaimana proses analisis Penerima Bantuan Program Keluarga Harapan Berbasis Web Menggunakan Metode Naïve Bayes 2. Bagaimana hasil analisis Penerima Bantuan Program Keluarga Harapan Berbasis Web menggunakan Metode Naïve Bayes 1.3 Manfaat dan Tujuan Sesuai dengan latar belakang dan perumusan masalah yang telah diuraikan diatas maka tujuan dari penelitian adalah: 1. Menemukan proses analisis penerima bantuan program keluarga harapan berbasis Web menggunakan metode naïve bayes 2. Menentukan hasil analisis penerima bantuan program keluarga harapan berbasis Web menggunakan metode naïve bayes. Manfaatnya: 1. Bagi pihak penulis dapat mengimplementasikan algoritma naïve bayes untuk memprediksi kelayakan penerima bantuan program keluarga harapan (PKH)

BAB II PEMBAHASAN A. Pengertian Naïve Bayes Naïve Bayes Classifier merupakan sebuah metode klasifikasi yang berakar pada teorema Bayes. Metode pengklasifikasian dengan menggunakan metode probabilitas dan statistic yang dikemukakan oleh ilmuwan Inggris Thomas Bayes,yaitu memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya sehingga di kenal sebagai Teorema Bayes. Naïve Bayes Classifier bekerja sangat baik disbanding dengan model classifier lainnya. Keuntungan penggunaan adalah bahwa metode ini hanya membutuhkan jumlah data pelatihan (training data) yang kecil untuk menentukan estimasi parameter yang diperlukan dalam proses pengklasifikasian. Kegunaan naïve bayes • Mengklasifikasikan dokumen teks seperti teks berita ataupun teks akademis • Sebagai metode machine learning yang menggunakan probabilitas • Untuk membuat diagnosis medis secara otomatis • Mendeteksi atau menyaring spam Kelebihan Naïve Bayes • Bisa dipakai untuk data kuantitatif maupun kualitatif • Tidak memerlukan jumlah data yang banyak • Tidak perlu melakukan data training yang banyak • Jika ada nilai yang hilang, maka bisa diabaikan dalam perhitungan • Perhitungan cepat dan efisien • Mudah dipahami • Mudah dibuat • Pengklasifikasian dokumen bisa dipersonalisasi, disesuaikan dengan kebutuhan setiap orang • Jika digunakan dalam bahasa pemrograman, code-nya sederhana • Bisa digunakan untuk klasifikasi masalah biner ataupun multiclass Kekurangan Naïve Bayes • Apabila probabilitas kondisionalnya bernilai nol, maka probabilitas prediksi juga akan bernilai nol • Asumsi bahwa masing-masing variable independen membuat berkurangnya akurasi, karena biasanya ada korelasi antara variable yang satu dengan variable yang lain • Keakuratannya tidak bisa diukur menggunakan satu probabilitas saja. Butuh bukti-bukti lain untuk membuktikan • Untuk membuat keputusan, diperlukan pengetahuan awal atau pengetahuan mengenai masa sebelumnya. Keberhasilannya sangat bergantung pada pengetahuan awal tersebut banyak celah yang bisa mengurangi efektivitasnya dirancang untuk mendeteksi kata-kata saja, tidak bisa berupa gambar.

  1. Tipe Algoritma Naïve Bayes • Bernoulli Naïve Bayes Dimana prediktornya adalah variable Boolean. Oleh karena itu satu-satunya yang ada hanya benar atau salah. Biasanya algoritma ini digunakan ketika data sesuai dengan distribusi Bernoulli multivariat. • Naïve Bayes Multinominal Dimana algoritma ini sering digunakan untuk memecahkan masalah klasifikasi dokumen. Contohnya, jika ingin menentukan apakah suatu dokumen termasuk dalam suatu kategori dan algoritma ini digunakan untuk memilihnya. Naïve Bayes menggunakan frekuensi kata-kata sekarang sebagai fitur. • Gaussian Naïve Bayes Digunakan jika prediktor tidak diskrit namun memiliki nilai kontinu dan predictor tersebut diasumsikan sebagai sampel dari distribusi Gaussian.

  2. Manfaat Naïve Bayes Algoritma Naïve Bayes memiliki banyak manfaat sehingga banyak digunakan di berbagai aspek kehidupan. Antara lain sebagai berikut: • Real time prediction • Multiclass prediction, disini naïve bayes dapat memprediksi probabilitas beberapa kelas variable target • Text classification, selain itu naïve bayes juga sering digunakan untuk membuat text classification karena memiliki tingkat keberhasilan yang lebih tinggi dibandingkan dengan algoritma lain • Recommendation system, naïve bayes juga langganan digunakan untuk proyek data mining untuk menyaring informasi yang tidak terlihat dari memprediksi apakah pengguna menginginkan sumber daya yang diberikan atau tidak.

BAB III HASIL DAN PEMBAHASAN 1.1 Hasil Dataset diproses dengan menggunakan teknik classifier naïve bayes dengan luaran pilihan lulus. Jenis test yang digunakan adalah training set karena luaran menemukan pola baru dalam data, yang menghubungkan pola data yang sudah ada dengan data yang baru. Classifier memungkinkan untuk mengkonfigurasi dan menjalankan salah satu dari pengklasifikasian yang dipilih untuk diterapkan pada dataset yang ada. Proses klasifikasi dipengaruhi oleh atribut-atribut terpilih yang mendukung untuk menentukan kelompok lulus pilihan pertama dan pilihan kedua. Hasil dari klasifikasi jumlah penduduk yaitu 423 penduduk. Sedangkan yang terdaftar penerima bantuan program PKH 57 penduduk, dan yang tidak terdaftar 366 penduduk.

1.2 Pembahasan Pada tahapan ini kami melakukan beberapa hal, yaitu: preposisi data, yakni pengolahan data mentah yang berupa data penerima bantuan program keluarga harapan (PKH) . Pada tahapan preposisi data ada beberapa penduduk yang menerima dan tidak menerima. Jumlah data penduduk Gernas 423 penduduk , pada pengolahan dataset penelitian ini menggunakan metode naïve bayes, dimana dalam dataset yang digunakan terdiri dari data string atau kategorikal yang bersifat konstan. Data string atau kategorikal pada metode naïve bayes dibedakan menjadi 2 jenis, yaitu data numeric yang mempunyai sifat kontinu, sehingga hasil perbedaan pada saat menentukan nilai probabilitas pada setiap kriteria akan kelihatan, sedangkan berikutnya adalah data string atau kriteria dengan data numeric.

BAB IV PENUTUP

  1. KESIMPULAN Dari hasil penelitian, perancangan system, proses pembuatan system dan proses pengujian system pengklasifikasian penerima bantuan PKH dapat ditarik kesimpulan bahwa:
  1. System ini telah dibuat sesuai rencana dengan menggunakan metode naïve bayes dengan laplace correction untuk system pengklasifikasiannya, serta system ini dibuat dengan tampilan yang user friendly untuk memudahkan penggunanya.
  2. System dapat membantu mengetahui siapa yang menerima bantuan PKH hanya dengan nomor induk keluarga yang telah diajukan untuk pengajuan bantuan PKH.
  3. System ini masih memerlukan pengembangan lanjutan agar dapat digunakan dan hasil yang dikeluarkan system lebih akurat.
  1. SARAN Kami memberikan saran agar dapat dibandingkan dengan algoritma lain sehingga dapat disimpulkan algoritma terbaik yang digunakan.

DAFTAR PUSTAKA Alfiah, N , & Informasi, P.S (2021). Klasifikasi penerima bantuan social program keluarga harapan menggunakan metode Naïve Bayes. XVI, 32-40. Annur, H.(2018). Klasifikasi masyarakat miskin menggunakan metode Naïve Bayes. ILKOM jurnal ilmiah, 10(2). 160-165 https://doi.org/10.33096/ilkom.v10i2.303.160-165. Nurdin, N..,Suhendri,M..,Afrilia, Y..,& Risal, R.(2021). Klasifikasi karya ilmiah menggunakan metode naïve bayes classifier (NBC). Damuri, A., Riyanto, U, Rusdianto, H., & Aminuddin, M. (2021). Implementasi data mining dengan algoritma naïve bayes untuk klasifikasi kelayakan penerima bantuan PKH.