IMPLEMENTASI ALGORITMA NAÏVE BAYES

CLASSIFIER PADA KLASIFIKASI

RUMAH TANGGA MISKIN
(Studi Kasus : Desa Tembung)

Gabriel Christian
4193250010

JURUSAN MATEMATIKA
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
UNIVERSITAS NEGERI MEDAN
 Yang saya hormati:

Dosen Pembimbing Narasumber 2

Susiana, S.Si., M.Si. Said Iskandar Al Idrus, S.Si.,
M.Si
Narasumber 1 Narasumber 3
Dr. Arnita, M.Si Marlina Setia Sinaga, M.Si
 BAB I
PENDAHULUAN
 Latar Belakang
Salah satu masalah terbesar di Indonesia adalah kemiskinan hal ini dapat dilihat dari
tingginya angka kemiskinan di Indonesia yaitu sebanyak 27,54 juta orang.

Dilansir dari situs web BPS Kota Medan, diketahui bahwa kecamatan Medan Tembung
memiliki jumlah penduduk miskin yang masih cukup tinggi

Pengelompokan data mengenai penduduk miskin di Kelurahan Tembung masih kurang

efektif dan kurang akurat.

Kualitas pengelompokan data penduduk miskin yang kurang memadai menyebabkan

program bantuan pemerintah atau program lainnya seringkali tidak mencapai sasaran
yang tepat.
 Latar Belakang

Maka dibutuhkan sebuah metode klasifikasi penduduk miskin yang lebih akurat dan
efisien. Salah satu penerapan klasifikasi yang dikenal akurat dan efisien adalah dengan
menggunakan machine learning.

Salah satu algoritma yang sering digunakan untuk melakukan klasifikasi adalah Naïve
Bayes Classifier
 Penelitian Relevan

Harliana & Putra, 2021 Putri et al., 2021

“Klasifikasi Tingkat Rumah Tangga “Klasifikasi Rumah Tangga Miskin di
Miskin Saat Pandemi Dengan Naïve Provinsi Papua Tahun 2017 Menggunakan
Bayes Classifier” Metode Naive Bayes”
Menghasilkan akurasi 93,21% Menghasilkan akurasi 80,39%
Nurmayanti, 2021
“Penerapan Naive Bayes dalam
Mengklasifikasikan Masyarakat Miskin di
Desa Lepak”
Menghasilkan akurasi 96,63%
 Rumusan Masalah

Bagaimana mengimplementasikan algoritma Naïve Bayes

dalam melakukan klasifikasi penduduk miskin?

Bagaimana membangun model machine learning dalam

pengklasifikasian penduduk miskin?

Apakah algoritma Naïve Bayes efektif dalam

mengklasifikasikan data penduduk berdasarkan variabel
tertentu?
 Tujuan Penelitian
01 Mendapatkan model machine learning dalam melakukan klasifikasi
penduduk miskin.

02 Mengetahui hasil klasifikasi penduduk miskin di Kelurahan

Tembung.

03 Mengetahui efektifitas algoritma Naïve Bayes dalam mengklasifikasikan

data penduduk berdasarkan variabel tertentu.
 Batasan Masalah
Algoritma Naïve Bayes akan diimplementasikan menjadi sebuah model
machine learning.

Software yang akan digunakan untuk perancangan model adalah Visual Studio
Code dengan menggunakan bahasa pemrograman Python.

Studi kasus penelitian dilakukan di Kelurahan Tembung.

Data yang digunakan adalah data penduduk di Kelurahan Tembung sebanyak

100 data dengan pembagian 80 data latih dan 20 data uji.
 BAB II
TINJAUAN
PUSTAKA
 Tinjauan Pustaka
01 Kemiskinan
Secara etimologis, “kemiskinan” berasal dari kata “miskin” yang artinya tidak
berharta benda dan serba kekurangan. Badan Pusat Statistik mendefinisikan sebagai
ketidakmampuan individu dalam memenuhi kebutuhan dasar minimal untuk hidup
layak.

02 Machine Learning

Menurut (Ahmad, 2017) machine learning (ML) adalah pendekatan kecerdasan

buatan yang banyak digunakan untuk menggantikan atau meniru perilaku manusia
untuk pemecahan masalah atau otomatisasi.
 Tinjauan Pustaka
03 Teorema Bayes

Teorema Bayes dikemukakan oleh seorang pendeta Presbyterian inggris pada tahun
1763 yang bernama Thomas Bayes. Teorema Bayes kemudian disempurnakan oleh
Laplace. Teorema Bayes digunakan untuk menghitung probabilitas terjadinya suatu
peristiwa berdasarkan pengaruh yang didapat dari hasil observasi.

04 Naïve Bayes Classifier

Algoritma klasifikasi Naïve Bayes adalah proses klasifikasi probabilistik sederhana

berdasarkan teorema Bayes dengan independensi yang kuat, model yang digunakan
di Naive Bayes adalah model fitur independent

P(H|X) =
 Tinjauan Pustaka
05 Cross Validation

Cross validation adalah sebuah teknik validasi model untuk menilai bagaimana
hasil statistik analisis akan menggeneralisasi kumpulan data independen. Salah satu
jenis pengujian Cross Validation adalah K-Fold Cross Validation yang berfungsi
mengevaluasi kinerja proses dari algoritma dengan cara membagi data sampel
secara acak dan mengelompokkan data sebanyak nilai K pada K-Fold

06 Evaluasi Model

Salah satu teknik yang dapat digunakan untuk mengukur kinerja suatu model
khusunya kasus klasifikasi pada machine learning adalah confusion matrix
 BAB III
METODE
PENELITIAN
 Metode Penelitian
Lokasi Penelitian
Penelitian ini akan dilaksanakan di Kelurahan Tembung, Kecamatan Medan
Tembung, Kota Medan, Provinsi Sumatera Utara.

Jenis Penelitian
Penelitian ini termasuk kedalam jenis penelitian eksperimental yang bertujuan
untuk menguji efektivitas algoritma Naive Bayes.

Instrumen Penelitian
Instrumen penelitian pada penilitian ini adalah observasi, wawancara
dan survei.
 Variabel Penelitian
Jumlah Tanggungan Jenis Dinding Rumah

Luas Tanah Bangunan Sumber Penerangan

Pendapatan Jumlah Mobil

Pekerjaan Jumlah Motor

Status Kepemilikan Rumah Bahan Bakar untuk

Memasak
Flowchart
Terima Kasih