Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Supriadi Supriadi
Universitas Handayani Makassar
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Data Mining Klasifikasi Penduduk Miskin Menggunakan Metode Support Vektor Machine Ismail ismail; Supriadi Supriadi
Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI) Vol 8 No 1 (2025): Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (JISTI)
Publisher : Lembaga Penelitian dan Pengabdian Masyarakat Universitas Lamappapoleonro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57093/jisti.v8i1.283

Abstract

Klasifikasi penduduk miskin di Desa Kessing masih dilakukan secara manual, sehingga prosesnya lamban, kurang efektif dan tepat. Proses pendataan atau klasifikasi saat ini hanya dilakukan ketika diperlukan saja, misalnya ketika ada penyaluran program bantuan dari pemerintah. Berhubung data klasifikasi penduduk miskin masih kurang efektif dan tidak tepat maka bila ada program bantuan dari pemerintah tidak tepat sasaran dan kadang-kadang dapat menimbulkan kecemburuan sosial di masyarakat, misalnya ada keluarga yang mampu masuk klasifikasi penduduk miskin dan mendapatkan program bantuan. Untuk klasifikasi penduduk miskin yang akurat dan efisien diperlukan suatu metode baku dan lebih baik dari metode konvensional. Salah satu metode klasifikasi Data Mining yang cukup terkenal paling kuat dan akurat adalah metode Support Vektor Machine (SVM). Dengan menerapkan metode Support Vektor Machine (SVM) diharapkan penelitian ini dapat membantu penyelesaian masalah ketersediaan data klasifikasi penduduk miskin di wilayah Desa Kessing Kabupaten Soppeng dengan cepat dan tepat, sehingga penyaluran program-program bantuan pemerintah untuk program pengentasan kemiskinan tepat sasaran dan juga pemerataan kesejahteraan penduduk wilayah Desa Kessing dapat tercapai. Hasil implementasi Data Mining Klasifikasi Penduduk Miskin Wilayah Desa Kessing Kabupaten Soppeng Dengan Menggunakan Support Vektor Machine berjalan dengan baik dan menghasilkan dua bentuk klasifikasi berdasarkan prediksi yaitu Miskin dan tidak Miskin. Dari 27 data Penduduk yang diklasfikasi, mendapatkan hasil sebanyak 14 Penduduk Miskin, 13 Penduduk tidak miskin
Co-Authors Ismail Ismail