PERBANDINGAN TEKNIK PEMBAGIAN DATA PADA ALGORITMA PNN UNTUK KELAYAKAN CALON PENERIMA DANA PROGRAM INDONESIA PINTAR

Abstrak / Ringkasan

Salah satu fungsi prediktif pada Data Mining adalah klasifikasi yang bertujuan untuk membangun model pada sebuah objek dalam data yang sesuai dengan karakteristik data. Hal yang tidak bisa dipisahkan dari klasifikasi adalah teknik pembagian data untuk menentukan data latih dan data uji. Salah satu penelitian pada teknik klasifikasi Data Mining yang pernah diterapkan dalam sektor pendidikan adalah penelitian oleh Mustakim dkk. (2019) mengenai pembagian data pada algoritma klasifikasi Naive Bayes Clasifier untuk kasus kelayakan penerima bantuan PIP. Selain algoritma NBC, salah satu algoritma yang biasa digunakan untuk masalah klasifikasi adalah algoritma Probabilistic Neural Network (PNN). maka pada penelitian ini dilakukan perbandingan teknik pembagian data pada algoritma PNN dengan menggunakan teknik pembagian data yang beragam. Namun sebelum dilakukan proses klasifikasi, terlebih dahulu dilakukan seleksi atribut menggunakan information gain untuk menentukan atibut yang akan digunakan, sehingga diperoleh 8 atribut yang dapat diproses lebih lanjut. Dalam penelitian ini digunakan tiga teknik pembagian data pada algoritma PNN yaitu Hold-Out, K-Means Clustering, dan K-Medoids. Penentuan teknik pembagian data terbaik ditentukan dengan melakukan uji evaluasi Confusion Matrix, sehingga dihasilkan algoritma K-Medoids yang memiliki tingkat klasifikasi sangat baik dengan nilai akurasi, Presisi, dan Recall berturut-turut sebesar 91,23%; 40,00%; dan 30,77%.

Kata Kunci: Information Gain, K-Means, K-Medoids, Probabilistic Neural Network, Program Indonesia Pintar.

Topik Terkait

Sitasi