SIAP 16
KLASIFIKASI DESA
POTENSI DESA TERTINGGAL/
TIDAK
Menerapkan algoritme pohon keputusan dan regresi logistik untuk klasifikasi desa tertinggal.
Mengidentifikasi peluang sebuah desa menggunakan algoritme pohon keputusan dan regresi
logistik.
Menentukan peluang sebuah desa masuk dalam kategori tertinggal dengan menggunakan
kombinasi regresi logistik dan peluang aturan pohon keputusan.
K-CROSS
VALIDATION
CONFUSION
MATRIKS
METODE
Proses Data,
Pembentukan Implementasi
Akusisi Data Dataset
Model, dan program
Evaluasi Model
MICROSOFT
EMEDITOR IBM SPSS 23
EXCEL 2013
HASIL DAN PEMBAHASAN
AKURASI (POHON
FITUR YANG
VALIDASI SELEKSI FITUR KEPUTUSAN,
DIGUNAKAN
REGLOG)
10 Fold Cross Validation 205 Fitur 74.8%, 66%
Tidak
Klasifikasi menggunakan pohon keputusan dengan algoritma J48 menghasilkan akurasi sebesar
74.8%. Sementara itu, klasifikasi menggunakan regresi logistik didapatkan akurasi sebesar
66.6%
Peluang sebuah desa dapat diidentifikasi menggunakan algoritme pohon keputusan dan
regresi logistik.
Penggunaan kombinasi peluang regresi logistik dan pohon keputusan menghasilkan akurasi
yang lebih baik, yaitu sebesar 77%
Sistem berbasis web dibuat untuk klasifikasi desa tertinggal di Indonesia dengan menggunakan
kombinasi regresi logistik dan pohon keputusan.