Implementasi Data Mining untuk Klasterisasi dan Prediksi Kelompok Keluarga

Imam Sapuan (Universitas Pasundan)
Muhammad Hilmi Fauzan (STMIK LIKMI Bandung)
Christina Juliane (STMIK LIKMI Bandung)

JTERA (Jurnal Teknologi Rekayasa)
Vol 7, No 1: June 2022

Pengelompokkan keluarga ke dalam cluster mampu dan tidak mampu sangat diperlukan untuk acuan berbagai kegiatan di masa depan seperti bantuan pemerintah atau pihak terkait lainnya. Data mining merupakan salah satu pendekatan yang dapat digunakan untuk menyelesaikan masalah ini. Metode data mining yang cocok adalah clustering dan prediksi. Penelitian ini bertujuan untuk mengimplementasikan data mining untuk klasterisasi dan prediksi kelompok keluarga. Terdapat dua algoritma yang digunakan pada penelitian ini, yaitu kModes dan decision tree. Algoritma kModes berfungsi untuk menghasilkan cluster yang akan digunakan pada tahap selanjutnya, sedangkan metode decision tree digunakan sebagai algoritma prediksinya. Hasil penelitian menunjukkan bahwa kedua metode ini berhasil menyelesaikan masalah dengan tingkat akurasi yang sangat tinggi yaitu sebesar 95,3%, presisi sebesar 95,4%, dan recall sebesar 95,3%.