Klasifikasi Tingkat Kepuasan Masyarakat Program RTP2S Menggunakan Metode SVM Berbasis Backward Elimination

Ruhmi Sulaehani, Bahrin Bahrin

Abstract


RTP2S merupakan program pencanangan Rumah Tangga Pelopor Pencegahan Stunting, pendekatanya diimplementasikan melalui model pilot RTP2S yang didasarkan desa lokus stunting dan desa bermasalah sanitasi dan air bersih. Permaslahan yang terjadi yaitu pemerintah tidak ada data langsung dari masyarakat untuk mengetahui berhasil tidaknya pemerintah atau puas tidaknya masyarajkat dengan adanya program RTP2S yang telah dijalankan. Klasifikasi keberasilan pemerintah dinilai dari tingkat kepuasan masyarakat terhadap program RTP2S. Data yang digunakan yaitu berupa data hasil wawancara terhadap masyarakat yang berupa kuesioner. Pertanyaan kuesioner yang dibuat terdiri dari 16 pertanyaan yang disimbolkan P1-P16. Hasil kuesioner diinput menggunakan Microsoft Excel, data yang didapatkan sebanyak 50 record. Tahap preprocessing yang dilakukan yaitu pertama data selection dimana dilakukan pemilihan data sebelum tahap pemodelan, yang kedua tahap cleaning diterapkan untuk menghapus data kosong dan merubah data yang tidak konsisten, dan ketiga data reduction dalam dataset mungkin terjadi inkonsisten data dan duplikat data atau terdapat data yang sama akan dijadikan satu tupel. Untuk tahap eksperimen, peneliti menggunakan tool RapidMiner untuk pemodelan klasifikasi. Dari hasil penelitian bahwa dengan menggunakan seleksi fitur sangat berpengaruh terhadap peningkatan akurasi, karna atribut yang tidak signifikan dari model akan dieliminasi, dari hasil eliminasi menggunakan backward elimination, atribut yang digunakan hanya 5 atribut. Akurasi yang didapatkan dengan menggunakan Metode Support Vector Machine yaitu 54.00% sedangkan Support Vector Machine berbasis Backward Elimination yaitu 62.00%. Klasifikasi Tingkat Kepuasan Masyarakat Terhadap Program RTP2S yang di proporsi jumlah data bernilai benar yang berhasil diklasifikasi secara tepat yaitu 62% yaitu data Puas diklasifikasi Puas. Hasil yang didapatkan merupakan tingkat keberhasilan pemerintah dimana 62% masyarakat penerima bantuan RTP2S merasa Puas terhadap program RTP2S.

Keywords


RTP2S; Metode SVM; Backward Elimination

Full Text:

PDF

References


Data, “RTP2S-Baperlitbang Pohuwato,” 2021

Baperlitbang,” Arah Kebijakan Kabupaten Pohuwato.” 2021

F.Byna, Agus; Anisa, Noor, “Backward Elimination Untuk Meningkatkan Akurasi Kejadian Stunting dengan Analisis Alogoritma Support Vector Machine,” Dinas Kesehatan.,Vol.9 no. 2,pp. 217-225, 2018.

F.Ariani and A. Taufik,” Perbandingan Metode Klasifikasi data Mining untuk Prediksi Tingkat Kepuasan Pelanggan telkomsel Prabayar,” SATIN-Sains dan Teknologi Informasi., vol. 6, no. 2 Desember 2020

A. Hermanto; Mustofa, Ali,” Algoritma Klasifikasi Naïve Bayes dan Support Vector Machine dalam Layanan Komplain Mahasiswa,” Ilmu Pengetahuan dan Teknologi Komputer, Vol. 5, No. 2, pp. 211-220, 2020

N. Ikhwana and M. Nusrang,” Perbandingan Metode PCA-SVM untuk klasifikasi Indeks Kepuasan Masyarakat Terhadap Layanan Pendidikan di Kabupaten jeneponto,” Variasi (Journal Of Statistic and Its Application on Teaching and Research,” Vol. 3, No. 3, pp. 148-155, 2021

R. Mukarramah, D. Atmajaya, and L. Budi, “Performance Comparasion Of Support Vector Machine (SVM) with linier kernel and polynomial kernel for multiclass sentiment analysis on twitter,”ILKOM Jurnal Ilmiah, Vol 13, No. 2, pp. 168-174, 2021

N.G. Ramadhan and A.Khoirunnisa, “Klasifikasi Data Malaria Menggunakan Metode Support Vector Machine”. Jurnal Media Informatika Budidarma, Vol. 5, No. 4. Pp-1580-1584

R. resmiati and T. Arifin,”Klasifikasi Pasien Kanker Payudara Menggunakan Metode Support Vector Machine dengan Backward Elimination,” SISTEMASI Jurnal Sistem Informasi, Vo. 10, No. 2, pp-381-393, 2021

Lonang, S. Normawati, D. 2022. Klasifikasi Status Stunting pada Balita Menggunakan K-Nearest Neighbor dengan Feature Selection Backward elimination. Jurnal Media Informatika Budidarma. Vol. 6, No. 1, Januari 2022, Page 49-56

I. Riadi, R. Umar and F.D. Aini,”Analisis Perbandingan Detection Traffic Anomaly Dengan Metode Naïve Bayes dan Support Vector Machine,”Vol. 11, No. 28, pp. 17-24, 2019.

S. Sharma, S. Srivastava, A. Kumar, and A. Dangi,”Multi-Class Sentiment Analysis Comparasion Using Support Vector Mchine 9SVM) And Bagging Technicque-An Ensemble Methode,” 2018 Int. Conf. Smart Computer Electronic Enterp, pp-1-6, 2018

Yunitasari. Hopipah, Hopi.S. Mayasari, R. Optimasi Backward Elimination Untuk Klasifikasi Kepuasan Pelanggan Menggunakan algoritma K-Nearest Meighbor (k-NN) and Naïve Bayes. Technomedia Journal. Vol. 6 No. 1 Agustus 2021. E-ISSN: 2528-6544

A. D. Ghani, N. Salman, and Mustikasari,”Algoritma k-Nearest Neighbor Berbasis Backward Elimination Pada Client Telemarketing,” Pros. Semin. Sistem Informasi dan Teknologi Informasi, Vol 8, No. 2, pp. 141-150, 2019

Imam, K. Wijayanto, A.W. Klasifikasi Rumah Tangga Penerima Beras Miskin (Raskin)/ Beras Sejahtera (Rastra) di Provinsi Jawa Barat dengan Metode Random Forest dan Support Vector Machine. JUSTIN Jurnal Sistem dan Teknoloi Informasi. Vol. 9, No. 2, April 2021, e-ISSN: 2620-8989, pp 178-184

Anggraini, R. Rangga, K.K. Tubagus, K. Partisipasi Petani dan Keberhasilan Program Pengembangan Usaha Pangan Masyarakat (PUPM) di Kecamatan Palas Kabupaten Lampung Selatan. Journal Of Agribusiness Science. Vol. 7, No. 1, Februari 2019. P-ISSN No. 2337-7070, pp 113-119




DOI: https://doi.org/10.37905/jjeee.v5i1.17204

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Published by:
Electrical Engineering Department
Faculty of Engineering
State University of Gorontalo
Jenderal Sudirman Street No.6, Gorontalo City, Gorontalo Province, Indonesia
Telp. 0435-821175; 081340032063
Email: redaksijjeee@ung.ac.id/redaksijjeee@gmail.com

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.