Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Sintek Kuwera

Klasifikasi Tingkat Kesejahteraan Masyarakat Desa Cikuya Berdasarkan Data Sosial Ekonomi Menggunakan Algoritma Nive Bayes Ramdan Irawan; Rudi Kurniawan; Bani Nurhakim; Arif Rinaldi; Fathurrahman
Jurnal Sistem Informasi dan Teknologi Vol 6 No 1 (2026): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v6i1.203

Abstract

Penentuan tingkat kesejahteraan masyarakat memiliki peran penting dalam proses penyaluran bantuan sosial di tingkat desa. Namun, pendataan berbasis observasi manual masih menghadirkan potensi bias subjektif dan ketidakkonsistenan dalam pengambilan keputusan. Penelitian ini bertujuan mengembangkan model klasifikasi tingkat kesejahteraan masyarakat Desa Cikuya menggunakan algoritma Naïve Bayes sebagai pendekatan berbasis data yang lebih objektif. Tahapan penelitian meliputi pengumpulan data sosial ekonomi, pra-pemrosesan, encoding variabel kategorik, normalisasi variabel numerik, pelatihan model Gaussian Naïve Bayes, serta evaluasi menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa model menghasilkan akurasi sebesar 98,33%, yang menunjukkan performa klasifikasi yang sangat baik. Analisis lebih lanjut mengindikasikan bahwa variabel pendapatan dan kondisi fisik rumah memiliki peranan paling dominan dalam membedakan kategori kesejahteraan. Model yang dikembangkan tidak hanya berfungsi sebagai alat klasifikasi, tetapi juga dapat dimanfaatkan sebagai sistem pendukung keputusan bagi pemerintah desa untuk menilai status kesejahteraan masyarakat secara lebih cepat, konsisten, dan bebas bias subjektif. Penelitian ini memberikan kontribusi pada pemanfaatan teknologi pembelajaran mesin dalam pemetaan kesejahteraan masyarakat, meskipun masih memiliki keterbatasan pada jumlah variabel dan cakupan data lokal. Temuan ini diharapkan dapat menjadi dasar pengembangan sistem penyaluran bantuan yang lebih tepat sasaran dan transparan.
Evaluasi Pengaruh Kualitas Data Terhadap Performa Model Machine Learning Menggunakan Pendekatan Data-Centric AI Bisma Mahendra; Martanto; Denni Pratama; Ahmad Faqih; Rudi Kurniawan
Jurnal Sistem Informasi dan Teknologi Vol 6 No 1 (2026): Jurnal Sistem Informasi dan Teknologi (SINTEK)
Publisher : LPPM STMIK KUWERA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56995/sintek.v6i1.211

Abstract

Penelitian ini mengevaluasi pengaruh kualitas data terhadap performa model machine learning menggunakan pendekatan Data-Centric Artificial Intelligence (DCAI). Eksperimen dilakukan pada Titanic Dataset dengan membandingkan Random Forest dan Support Vector Machine (SVM) dalam tiga skenario penanganan missing values, yaitu Drop Missing, Mean Imputation, dan No Imputation. Kinerja model dievaluasi menggunakan metrik Accuracy, F1 Score, dan Area Under Curve (AUC). Hasil menunjukkan bahwa intervensi kualitas data memberikan dampak signifikan terhadap performa model. Random Forest mencapai performa terbaik pada skenario Drop Missing dengan Accuracy 0.813, F1-Score 0.758, dan AUC 0.859, sedangkan SVM memperoleh Accuracy tertinggi sebesar 0.822 pada skenario Mean Imputation. Uji statistik Paired t-Test menunjukkan tidak terdapat perbedaan performa yang signifikan secara statistik antara kedua model (p-value > 0.05). Temuan ini menegaskan bahwa peningkatan kualitas data lebih berpengaruh terhadap kinerja model dibandingkan pemilihan algoritma, sehingga mendukung paradigma Data-Centric AI.