SMOOTH SUPPORT VECTOR MACHINE (SSVM) UNTUK PENGKLASIFIKASIAN INDEKS PEMBANGUNAN MANUSIA KABUPATEN/KOTA SE-INDONESIA

Fatkhurokhman Fauzi(1*), Moh. Yamin Darsyah(2), Tiani Wahyu Utami(3)


(1) 
(2) 
(3) 
(*) Corresponding Author

Abstract


Indeks Pembangunan Manusia (IPM) adalah mengukur capaian pembangunan manusia berbasis sejumlah komponen dasar kualitas hidup. Indeks pembangunan manusia dikatakan rendah jika IPM kurang dari 60, IPM sedang antara 60 sampai kurang dari 70,IPM tinggi antara 70 sampai kurang dari 80, dan sama dengan 80 dan lebih dari 80 tergolong IPM tinggi. Smooth Support Vector Machine (SSVM) merupakan teknik pengklasifikasian yang tergolong baru. Algoritma yang digunakan adalah Newton Armijo dengan pendekatan kernel linier, polynomial, dan Radial Basis Function (RBF). Hasil klasifikasi indeks pembangunan manusia dengan metode SSVM dengan kernel linier menunjukan keakuratan prediksi sebesar 84.77%, kernel polynomial 61.65%, dan kernel RBF sebesar 100%. Dengan jumlah klasifikasi 440 kabupaten/ kota untuk kernel linier,kernel polynomial 320, dan kernel RBF 519 kabupaten/kota yang dibagi menjadi 4 klasifikasi menurut BPS. Dari ketiga kernel yang digunakan kernel Radial Basis Function (RBF) merupakan kernel yang paling akurat dalam memperdiksi serta IPM.
Kata kunci: Indeks Pembangunan Manusia, Smooth Support Vector Machine (SSVM),  kernel, akurasi, klasifikasi

Full Text:

PDF

Article Metrics

Abstract view : 129 times
PDF - 64 times

DOI: https://doi.org/10.26714/jsunimus.5.2.2017.%25p

Refbacks

  • There are currently no refbacks.


Copyright (c) 2017 Jurnal Statistika Universitas Muhammadiyah Semarang

Editorial Office:
Department of Statistics
Faculty Of Mathematics And Natural Sciences 
Universitas Muhammadiyah Semarang

Jl. Kedungmundu No. 18 Semarang Indonesia

Published by: 
Department of Statistics Universitas Muhammadiyah Semarang

View My Stats

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.