23090474, RAMA PAULUS PUTIRAY (2016) PREDIKSI TINGKAT PERCERAIAN MENGGUNAKAN METODE KNN DAN MULTIKRITERIA STUDI KASUS : CATATAN SIPIL KOTA AMBON. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.
Text (SKRIPSI SISTEM INFORMASI)
23090474_bab1_bab5_daftarpustaka.pdf Download (3MB) |
|
Text (SKRIPSI SISTEM INFORMASI)
23090474_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (3MB) |
Abstract
Masalah perceraian antara suami istri di sering terjadi di Kota Ambon dengan berbagai macam masalah. Masalah-masalah yang sering menjadi alasan perceraian di kota ambon seperti tidak memiliki keturunan, telah pisah rumah, kekerasan dalam rumah tangga, beda agama dan lain-lain. K-nearest neighbor adalah sebuah metode klasifikasi yang menentukan jarak paling terdekat atau mendekati antara data - data lama/sample dengan data baru/kasus baru. Data yang dipakai adalah data-data perceraian yang terdapat pada akte perceraian. Input yang harus dimasukan oleh pemakai adalah nama suami-istri,tanggal menikah dan memasukan indikator yang telah disiapkan oleh sistem. Output pada sistem adalah prediksi perceraian dan presentase perceraian. Fitur dalam program ini dapat mengidenfikasi pengguna yang memakai program dan hanyapemakai yang sudah terdaftar yang dapat memakai sitem, terdapat laporan hasil prediksi. Program dapat memprediksi dengan k = 3, k = 5, dan k = 7 dan program dapat menghasilkan presentase perceraian. Berdasarkan hasil analisis sistem keberhasilan yang memakai data testing dalam memprediksi pasangan suami istri menggunakan k = 3 adalah 80 %, K = 5 adalah 90 % , k = 7 adalah 80 % dan keberhasilan presentase adalah 70 % yang sesuai dengan data aslinya. Dengan demikian bisa disimpukan knn mampu meprediksi perceraian dengan presentasi keberhasilan yang tinggi.
Item Type: | Student paper (Final Year Projects (S1)) |
---|---|
Subjects: | Q Ilmu Pengetahuan > Matematika > Komputer Elektronik. Ilmu Komputer |
Divisions: | Fakultas Teknologi Informasi > Prodi Sistem Informasi |
Depositing User: | ms anggel dolonseda |
Date Deposited: | 01 Jul 2020 04:32 |
Last Modified: | 01 Jul 2020 04:32 |
URI: | http://katalog.ukdw.ac.id/id/eprint/854 |
Actions (login required)
View Item |