Klasifikasi Desa Berdasarkan Kesulitan Geografis Menggunakan Neural Network Backpropagation

Setiono, Heru (2019) Klasifikasi Desa Berdasarkan Kesulitan Geografis Menggunakan Neural Network Backpropagation. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 07111750067025-Master_Thesis.pdf Restricted to Repository staff only Download (34MB) | Request a copy

Abstract

Indonesia adalah negara dengan beragam kondisi geografis, mulai dari wilayah pesisir, kepulauan, perbukitan, hingga pegunungan. Indonesia sendiri terdiri atas 17.504 pulau. Keragaman kondisi geografis tersebut dapat memengaruhi proses pemerataan pembangunan. Selama ini, pusat pertumbuhan cenderung berada di wilayah dengan topografi datar. Pembangunan di wilayah berbukit, pegunungan, dan kepulauan menyebabkan biaya pembangunan menjadi lebih mahal. Kabupaten Sumenep merupakan salah satu kabupaten yang masih tertinggal di Provinsi Jawa Timur dan memiliki karakteristik yang lebih kompleks dibandingkan dengan kabupaten lainnya di Jawa Timur. Penelitian ini dilakukan untuk memperoleh informasi mengenai atribut-atribut yang memiliki peran penting dan dapat menjadi acuan dalam menentukan prioritas pembangunan desa dengan mengklasifikasikan tingkat kesulitan geografis berdasarkan indikator yang digunakan sebagai atribut. Pengujian awal menggunakan 28 atribut, kemudian dilakukan seleksi fitur menggunakan Chi-Square dan korelasi Cramer’s V sehingga diperoleh 25 atribut dengan tingkat akurasi sebesar 87,62%, lebih tinggi dibandingkan dengan penggunaan jumlah atribut awal yang menghasilkan akurasi klasifikasi menggunakan Backpropagation sebesar 83,07%.
========================================================================================================================================
Indonesia has a variety of geographical conditions, ranging from coastal areas and islands to hills and mountains. Indonesia consists of 17,504 islands, and this geographical diversity affects the process of equitable development. To date, growth centers have tended to be located in regions with flat topography. Development in hilly, mountainous, and archipelagic regions can be more costly. Sumenep Regency is one of the regencies that is still considered underdeveloped in East Java Province, with characteristics that are more complex than those of other regencies in East Java. This research was conducted to obtain information about attributes that play an important role and can serve as a reference for determining village development priorities by classifying the level of geographical difficulty based on indicators used as attributes. The initial test used 28 attributes, followed by feature selection using the Chi-Square test and Cramer’s V correlation, resulting in 25 attributes with an accuracy of 87.62%, which was higher than the accuracy obtained using the initial number of attributes, with the Backpropagation classification achieving an accuracy of 83.07%.

Item Type:	Thesis (Masters)
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering T Technology > TK Electrical engineering. Electronics Nuclear engineering > TK5105.546 Computer algorithms
Divisions:	Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	heru setiono
Date Deposited:	05 Aug 2026 07:37
Last Modified:	05 Aug 2026 07:37
URI:	http://repository.its.ac.id/id/eprint/65566

Actions (login required)

View Item