Widiawati, Wiwin Yuli (2018) Analisis Klasifikasi Pelanggan Listrik Rumah Tangga Bersubsidi Kota Surabaya Menggunakan Support Vector Machine dan Naïve Bayes Classifier. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
06211645000015_Undergraduate_Theses.pdf - Accepted Version Download (3MB) | Preview |
Abstract
Pemerintah menyediakan dana bagi kelompok masyarakat miskin dan tidak mampu dalam bentuk subsidi terhadap tarif tenaga listrik. Subsidi tersebut diberikan kepada pelanggan rumah tangga dengan daya 450 VA dan sebagian pelanggan 900 VA. Berdasarkan data dari Badan Pusat Statistik (BPS) yang telah diolah oleh Tim Nasional Percepatan Penanggulangan Kemiskinan (TNP2K), dikeluarkan daftar 40% masyarakat Indonesia yang berada dalam kondisi ekonomi terendah dan menjadi prioritas pemerintah dalam program subsidi listrik. Pada penelitian ini bertujuan untuk melakukan klasifikasi sesuai karakteristik yang dimiliki oleh pelanggan subsidi listrik rumah tangga daya 450 VA dan 900 VA menggunakan metode Support Vector Machine dan Naïve Bayes Classifier. Hasil Perbandingan antara metode SVM dan NBC didapatkan bahwa SVM memberikan hasil yang lebih baik dengan parameter optimal pada kernel RBF adalah C = 10 dan = 1. Kategori 450 VA sebanyak 91,6% pelanggan rumah tangga diklasifikasikan dengan benar dan sisanya 8,4% pelanggan diprediksi dalam kategori subsidi 900 VA. Pada kategori subsidi 900 VA sebanyak 81,9% pelanggan rumah tangga diklasifikasikan dengan benar dan sisanya 18,1% pelanggan diprediksi dalam kategori 450VA.
=============================================================================================
The Government gives the electric subsidy funds for the poor and underprivileged society. Such subsidies are given to household customers with electrical power 450 VA and most customers 900 VA. Based on data from Badan Pusat Statistik (BPS) that had been treated by the national for acceleration of poverty reduction (TNP2K), released a list of 40% Indonesia society who are in the lowest economic conditions and become a priority of the Government in the electric subsidy program. This study aims to make classification household electrical subsidies customers based on their characteristics using the method of Support Vector Machine and Naïve Bayes Classifier. The results of the comparison between SVM and NBC acquired that SVM gives better results with optimal parameters in RBF kernel is C = 10 and = 1. The Customers with 450 VA category who are 91.6% classified correctly and 8.4% predicted in the category 900 VA. The Customers with 900 VA category who are 81.9% classified correctly and 18.1% household predicted in the category 900 VA.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Naive Bayes Classifier, Radial Basis Function, Subsidi Listrik, Support Vector Machine |
| Subjects: | Q Science > QA Mathematics > QA279.5 Bayesian statistical decision theory. Q Science > QA Mathematics > QA353.K47 Kernel functions (analysis) Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science) Q Science > QA Mathematics > QA9.58 Algorithms |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | Wiwin Yuli Widiawati |
| Date Deposited: | 21 Jul 2021 22:37 |
| Last Modified: | 21 Jul 2021 22:37 |
| URI: | http://repository.its.ac.id/id/eprint/57563 |
Actions (login required)
 |
View Item |