Al Haridt Mahmudi Primary Author mixed material bibliography Banda Aceh Fakultas mipa 2024

Skripsi

Outlier merupakan data yang berada jauh atau terpencil dari populasi. Kehadiran outlier berimplikasi pada analisis data seperti menyebabkan bentuk distribusi data menjadi tidak normal, menciptakan bias dalam taksiran parameter serta berpengaruh terhadap hasil signifikansi pengujian parameter. Deteksi outlier dalam data dapat memberikan informasi penting yang berguna dalam pengambilan keputusan kebijakan publik, khususnya dalam meningkatkan kesejahteraan masyarakat. Metode mencari outlier salah satunya adalah clustering yang mendefinisikan data sebagai outlier jika tidak terdapat dalam klaster tersebut atau secara implisit mendefinisikan outlier sebagai noise dari suatu klaster. Penelitian ini bertujuan untuk memperbaiki kategori status dan mendeteksi outlier dalam data status kesejahteraan rumah tangga pada kota di Aceh dengan menggunakan metode clustering berbasis K-modes dan K-medoids. Temuan ini diharapkan dapat memberikan kontribusi dalam perumusan kebijakan yang lebih tepat sasaran untuk meningkatkan kesejahteraan rumah tangga pada kota di Aceh. Penelitian ini menggunakan K-modes dengan jarak hamming dan K-medoids dengan jarak manhattan. Kedua metode tersebut diterapkan untuk memperbaiki status kesejahteraan rumah tangga serta mendeteksi outlier pada data tersebut. Data yang digunakan dalam penelitian ini mencakup berbagai variabel yang memengaruhi status kesejahteraan rumah tangga pada kota di Aceh pada tahun 2019 yang didata oleh Bappeda Aceh. Proses memperbaiki kategori status kesejahteraan rumah tangga dilakukan dengan membandingkan jarak terdekat amatan ke pusat klaster. Hasil analisis menunjukkan bahwa metode K-medoids memiliki akurasi yang lebih baik dibandingkan dengan K-modes dalam memperbaiki kategori status kesejahteraan rumah tangga yakni sebesar 0,9617. Hasil deteksi outlier menggunakan K-medoids menunjukkan terdapat outlier sebanyak 2.326 dari 60.744 data. Pengujian model Decision Tree menggunakan data yang diperbaiki dan tanpa outlier menghasilkan akurasi yang lebih bagus sebesar 0,9837. Hasil ini lebih bagus dibandingkan dengan data asli status kesejahteraan. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 126321 2024-07-23 09:50:23 2024-07-23 14:42:57 machine generated