Klasifikasi Warga Penerima Bantuan Stimulan Perumahan Swadaya Menggunakan Metode ADABOOST
Article Sidebar
Published
Aug 16, 2019
Main Article Content
Abstract
Kementerian Pekerjaan Umum dan Perumahan Rakyat (PUPR) selaku tim fasilitator mengalami kendala dalam proses penilaian 200 rumah di kabupaten Maros dengan jangka waktu 1 tahun di mana terkadang penilaian tidak maksimal sehingga tidak dapat menghasilkan klasifikasi terbaik calon penerima bantuan. Untuk mengatasi masalah tersebut dibutuhkan sistem pengambilan keputusan dengan menerapkan metode Adaboost. Bahasa pemrograman yang digunakan adalah bahasa pemrograman web dengan database Mysql. Kriteria yang dinilai adalah kondisi atap rumah, kondisi dinding, dan lantai. Penelitian ini menghasilkan sebuah aplikasi pengambilan keputusan untuk mengklasifikasi penerima bantuan perumahan swadaya. Aplikasi mengolah nilai kriteria dan menghasilkan keputusan warga yang layak menerima bantuan. Berdasarkan hasil pengujian blackbox disimpulkan bahwa semua fungsi aplikasi berjalan dengan baik.
Downloads
Download data is not yet available.
Article Details
Section
Articles
References
[1] Muhammad Faisal Amin. Penerapan Reduksi Region Palsu Berbasis Mathematical Morphology
pada Algoritma Adaboost Untuk Deteksi Plat Nomor Kendaraan Indonesia. Journal of Intelligent Systems. februari 2015; Vol. 1 No. 1:Hal.9-14
[2] Rahayu, Marliani Rara. Algoritma AdaBoost untuk Optimasi Ensemble Least Squares Support Vector Machine.. Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin; 2016.
[3] Achmad Bisri. Penerapan Adaboost untuk Penyelesaian Ketidakseimbangan Kelas pada Penentuan Kelulusan Mahasiswa dengan Metode Decision Tree. Journal of Intelligent Systems, februari 2015; Vol. 1 No. 1:Hal.27-32
[4] Zulhanif. Algoritma AdaBoost Dalam Pengklasifikasian. Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS. 2015; ISBN : 978.602.361.002.0: Hal.559-569
[5] Upriyadi. 2009. Klasifikasi Bahan Ajar Diklat Pengolahan Bahan Pustaka (Perpustakaan Nasional)
[6] Menteri Pekerjaan Umum dan Perumahan Rakyat Republik Indonesia. Peraturan Menteri Pekerjaan Umum Dan Perumahan Rakyat Republik Indonesia Nomor 07/Prt/M/2018.
[7] Sparague,2016.Decision Support Systems: Putting Theory Into Practice. Englewood Clifts, N. J., Prentice Hall.
[8] T. Gianty, 2012, White Box Testing dan Black Box Testing, Andi Offset, Yogyakarta.
[9] Kristanto Andri, 2010, Perancangan Sistem Dan Aplikasi, Penerbit Informatika, Bandung.
[10]Martin Fowler, 2015, System Use Cases Revision II, Independent, California.
[11]___________. 2014. UML Distilled Revision II, United Kingdom
pada Algoritma Adaboost Untuk Deteksi Plat Nomor Kendaraan Indonesia. Journal of Intelligent Systems. februari 2015; Vol. 1 No. 1:Hal.9-14
[2] Rahayu, Marliani Rara. Algoritma AdaBoost untuk Optimasi Ensemble Least Squares Support Vector Machine.. Jurusan Matematika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Hasanuddin; 2016.
[3] Achmad Bisri. Penerapan Adaboost untuk Penyelesaian Ketidakseimbangan Kelas pada Penentuan Kelulusan Mahasiswa dengan Metode Decision Tree. Journal of Intelligent Systems, februari 2015; Vol. 1 No. 1:Hal.27-32
[4] Zulhanif. Algoritma AdaBoost Dalam Pengklasifikasian. Prosiding Seminar Nasional Matematika dan Pendidikan Matematika UMS. 2015; ISBN : 978.602.361.002.0: Hal.559-569
[5] Upriyadi. 2009. Klasifikasi Bahan Ajar Diklat Pengolahan Bahan Pustaka (Perpustakaan Nasional)
[6] Menteri Pekerjaan Umum dan Perumahan Rakyat Republik Indonesia. Peraturan Menteri Pekerjaan Umum Dan Perumahan Rakyat Republik Indonesia Nomor 07/Prt/M/2018.
[7] Sparague,2016.Decision Support Systems: Putting Theory Into Practice. Englewood Clifts, N. J., Prentice Hall.
[8] T. Gianty, 2012, White Box Testing dan Black Box Testing, Andi Offset, Yogyakarta.
[9] Kristanto Andri, 2010, Perancangan Sistem Dan Aplikasi, Penerbit Informatika, Bandung.
[10]Martin Fowler, 2015, System Use Cases Revision II, Independent, California.
[11]___________. 2014. UML Distilled Revision II, United Kingdom