<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="123696">
 <titleInfo>
  <title>PENGGUNAAN KLASIFIKASI NAÏVE BAYES DAN DECISION TREE DALAM MENGIDENTIFIKASI VARIABEL-VARIABEL PENENTU STATUS KESEJAHTERAAN RUMAH TANGGA (STUDI KASUS:</title>
  <subTitle>9 KABUPATEN DENGAN PERSENTASE KEMISKINAN TERTINGGI DI ACEH)</subTitle>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>PUTRI NADHIFA</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas MIPA Statistika</publisher>
   <dateIssued>2024</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Status kesejahteraan mencerminkan keberhasilan pemerintah dalam meningkatkan kesejahteraan masyarakat dan menjadi indikator yang akurat untuk mengidentifikasi kelompok yang membutuhkan bantuan seperti kelompok masyarakat miskin. Terdapat 9 Kabupaten di Provinsi Aceh yang masih memiliki tingkat kemiskinan yang tinggi. Salah satu faktor yang dapat menghambat penurunan tingkat kemiskinan ini adalah kategori status kesejahteraan yang seringkali tidak sesuai dengan kondisi rumah tangga yang sebenarnya sehingga menghambat efektivitas program pengentasan kemiskinan. Data status kesejahteraan merupakan data yang besar sehingga membutuhkan peran data mining untuk mengklasifikasi status kesejahteraan seperti metode Naïve Bayes dan Decision Tree. Kedua metode tersebut merupakan metode klasifikasi yang cocok digunakan untuk data bertipe kategori seperti status kesejahteraan rumah tangga. Penelitian ini bertujuan untuk membandingkan tingkat performa hasil klasifikasi antara metode Naïve Bayes dan Decision Tree berbasis seleksi variabel Information Gain pada data status kesejahteraan rumah tangga di 9 kabupaten dengan persentase kemiskinan tertinggi di Aceh. Data yang digunakan dalam penelitian ini adalah Data Terpadu Kesejahteraan Sosial (DTKS) tahun 2019. Data status kesejahteraan ini dilakukan proses clustering K-modes sebagai perbandingan ketepatan pengelompokan status kesejahteraan rumah tangga yang telah ditentukan. Hasil penelitian ini menunjukkan bahwa data hasil cluster lebih baik mengklasifikasi kesejahteraan rumah tangga dan metode klasifikasi terbaik yaitu metode Decision Tree dengan nilai performa yaitu nilai Accuracy 99,03%, Precision 98,94%, Recall 98,92%, dan F1-score 98,93%. Variabel yang paling berkontribusi dalam penentuan status kesejahteraan rumah tangga yaitu jumlah anggota keluarga (X1), sumber air minum (X10), bahan bakar untuk memasak (X14), jenis kloset (X16), penggunaan fasilitas BAB (X15), tempat pembuangan akhir tinja (X17) dan kepemilikan lemari es/kulkas (X19).</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>123696</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-06-14 08:55:56</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-06-14 10:31:32</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>