APLIKASI UNTUK MEMPREDIKSI KEMISKINAN BERBASIS DATA E-COMMERCE MENGGUNAKAN ALGORITMA LOGISTIC REGRESSION DAN SPARSE LEARNING BASED FEATURE SELECTION

SHERLI YUALINDA

Informasi Dasar

91 kali
20.06.367
005.262
Karya Ilmiah - TA (D3) - Reference

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

Subjek

WEB PROGRAMMING
 

Katalog

APLIKASI UNTUK MEMPREDIKSI KEMISKINAN BERBASIS DATA E-COMMERCE MENGGUNAKAN ALGORITMA LOGISTIC REGRESSION DAN SPARSE LEARNING BASED FEATURE SELECTION
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

SHERLI YUALINDA
Perorangan
Elis Hernawati, Dedy Rahman Wijaya
 

Penerbit

Universitas Telkom
Bandung
2020

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini