Amalia, Wandania Rizki (2024) KLASIFIKASI PENENTUAN PENERIMAAN BANTUAN KEPEMILIKAN KARTU KUSUKA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DI KOTA LHOKSEUMAWE. S1 thesis, Universitas Malikussaleh.

	Text SKRIPSI Cover.pdf Download (26kB)
	Text ABSTRAK.pdf Download (14kB)
	Text BAB I.pdf Download (88kB)
	Text dafpus.pdf Download (145kB)
	Text Wandania Rizki Amalia_Skripsi Jadi.pdf Restricted to Registered users only Download (2MB)

Abstract

Kartu KUSUKA, yang merupakan kartu pelaku utama sektor kelautan dan perikanan, memegang peran penting dalam mendukung pertumbuhan dan kesejahteraan industri perikanan dan kelautan. Dalam upaya meningkatkan efektivitas penyaluran bantuan melalui Kartu KUSUKA, proses ini dilakukan dengan cermat melalui pertimbangan berbagai faktor sebagai kriteranya seperti pendapatan, status kepemilikan, profesi utama beserta tambahan, dan pengalaman usaha. Penelitian ini menggunakan metode Support Vector Machine (SVM) metode untuk membangun aplikasi berbasis web yang dapat membantu proses evaluasi tersebut. Dengan menggunakan SVM, data dibagi menjadi dua bagian: data latih (sebanyak 320 sampel) dan data uji (sebanyak 80 sampel), dengan pembagian proporsi 80:20%. Hasil implementasi menunjukkan bahwa model yang dikembangkan memiliki tingkat akurasi klasifikasi yang tinggi. Berdasarkan hasil analisis, ditemukan bahwa akurasi klasifikasi untuk data latih adalah sebesar 90,31%, sementara untuk data uji mencapai 88,75%. Hasil implementasi dari aplikasi berbasis web ini menghasilkan klasifikasi pemegang Kartu KUSUKA menjadi dua kategori, yaitu dari kategori nelayan 80.00% untuk berhak serta 20.00% untuk tidak berhak, dan untuk budidaya ikan sebesar 61,91% berhak dan 38.08% untuk tidak berhak. Sedangkan untuk data uji yaitu pada nelayan sebesar 82,35% untuk berhak dan 17,64% untuk tidak berhak, dan juga untuk budidaya ikan sebesar 60,43% untuk berhak dan 39,56% untuk tidak berhak. Untuk confusion matrix di data latih 90,31% dan data uji 88,75%. Presisi di data latih 88,65% dan data uji 87,67%. Dan recall di data latih 98,13% dan data uji 100%. Dan untuk perbandingan antar bobot, tampaknya faktor pendapatan menjadi kriteria yang paling berpengaruh dalam menentukan kelayakan seseorang untuk menerima bantuan dari kepemilikan KUSUKA. Namun, faktor pengalaman kerja dan profesi tambahan juga penting untuk dipertimbangkan sebagai penunjang dalam proses penilaian berhak dan tidak berhaknya. Kata Kunci : Klasifikasi, KUSUKA, Support Vector Machine, Confusion Matrix

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Wandania Rizki Amalia
Date Deposited:	03 Sep 2024 06:37
Last Modified:	03 Sep 2024 06:37
URI:	https://rama.unimal.ac.id/id/eprint/5623

Actions (login required)

View Item