Penerapan Algoritma C45 untuk menentukan Prioritas Penerima Bantuan Sosial Rumah Tidak Layak Huni (RTLH) (Studi Kasus: Kecamatan Raimanuk)

Authors

  • Bertha Veronika Da Silva Pinto Universitas Nusa Cendana
  • Emerensye Sofia Yublina Pandie Universitas Nusa Cendana
  • Tiwuk Widiastuti Universitas Nusa Cendana

DOI:

https://doi.org/10.58300/inovatif-wira-wacana.v2i1.626

Keywords:

Algoritma C4.5, Rapidminer 10.1, RLTH, Cross Validation, Confusion Matrix

Abstract

Bantuan sosial Rehabilitasi Rumah Tidak Layak Huni (RTLH) adalah bantuan yang diberikan kepada pemilik atau penghuni rumah yang kondisinya tidak memenuhi standar keamanan, kelayakan, atau kualitas hunian yang layak. Pada penelitian ini peneliti mengimplementasikan algoritma C4.5 dengan menggunakan RapidMiner 10.1 untuk mengklasifikasikan kelayakan penerima bantuan sosial berdasarkan kriteria-kriteria yang ditentukan oleh Kementrian Sosial Republik Indonesia. Data dalam penelitian ini diperoleh melalui hasil wawancara berupa data penerima bantuan sosial RTLH pada tahun 2018-2021 sebanyak 2000 data mentah, setelah di preprocessing diperoleh data sebanyak 1850 data. Atribut yang digunakan dalam penelitian ini adalah sebanyak 20, dengan 8 atribut dan 12 atribut tambahan. Dataset yang berjumlah 1850 records diproses menggunakan RapidMiner 10.1 dengan pengaturan decision tree yaitu criterion = information gain, maximal depth = 10, apply pruning, confidence = 0.25, apply prepruning, minimal gain = 0.03, minimal leaf size = 2, minimal size for spilt = 4 menghasilkan 32 rules/aturan keputusan yang menunjukkan bahwa atribut keadaan lantai merupakan indikator yang paling berpengaruh dalam pengklasifikasian data bantuan sosial RTLH dan hasil pengujian terhadap model decision tree menggunakan cross validation dan confusion matrix pada fold 10 menunjukkan bahwa algoritma C4.5 memberikan nilai accuracy sebesar  87,62%, nilai precision sebesar 87,15%, dan nilai recall sebesar 87,64%.

Downloads

Download data is not yet available.

Downloads

Published

2023-08-26

Issue

Section

Articles