APLIKASI UNTUK MEMPREDIKSI KEMISKINAN BERBASIS DATA E-COMMERCE MENGGUNAKAN ALGORITMA LOGISTIC REGRESSION DAN SPARSE LEARNING BASED FEATURE SELECTION
SHERLI YUALINDA
Informasi Umum
Kode
20.06.367
Klasifikasi
005.262 - Programming in specific programming languages
Jenis
Karya Ilmiah - TA (D3) - Reference
Subjek
Web Programming
Dilihat
302 kali
Informasi Lainnya
Abstraksi
Kemiskinan adalah keadaan dimana terdapat ketidakmampuan untuk memenuhi suatu kebutuhan serta keperluan mulai dari kebutuhan makan, pakaian, tempat tinggal, pendidikan, kesehatan serta yang lainnya, suatu tingkat kemiskinan dapat diukur oleh BPS. Secara konsep, untuk mengukur tingkat kemiskinan yaitu dengan cara perhitungan kemampuan seseorang untuk memenuhi kebutuhan dasar atau basic needs approach yang diukur dari sisi pengeluaran oleh BPS. Metode lain untuk melengkapi hasil survei dan sensus yang diusulkan peneliti untuk memprediksi kemiskinan adalah dengan mengunakan machine learning logistic regression dengan metode sparse learning based feature selection baerbasis data e-commerce. Dari hasil percobaan ini, menghasilkan nilai yang cukup relevan antara nilai prediksi jumlah fitur dengan nilai asli, tetapi sejumlah kecil fitur tidak selalu menunjukkan hasil yang buruk dan sebaliknya, di mana penggunaan yang besar jumlah fitur tidak selalu mendapatkan hasil yang baik.
Kata Kunci: Kemiskinan, BPS, machine learning logistic regression , sparse learning based feature selection, data e-commerce
Koleksi & Sirkulasi
Seluruh (1) koleksi tidak tersedia
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | SHERLI YUALINDA |
| Jenis | Perorangan |
| Penyunting | Elis Hernawati, Dedy Rahman Wijaya |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom |
| Kota | Bandung |
| Tahun | 2020 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
