RAHMADANI, NOVRIYANTI and Nurfalinda, Nurfalinda and Pertiwi, Marisha (2026) KLASIFIKASI TINGKAT KESEJAHTERAAN KELUARGA DI KOTA TANJUNGPINANG MENGGUNAKAN METODE FUZZY LEARNING VECTOR QUANTIZATION (FLVQ). S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) NOVRIYANTI_RAHMADANI_2101020010_Teknik_Informatika - Cover.pdf - Published Version Download (844kB)
	Text (Abstrak) NOVRIYANTI_RAHMADANI_2101020010_Teknik_Informatika - Abstrak.pdf Download (183kB)
	Text (BAB I) NOVRIYANTI_RAHMADANI_2101020010_Teknik_Informatika - BAB I.pdf Download (179kB)
	Text (Daftar Pustaka) NOVRIYANTI_RAHMADANI_2101020010_Teknik_Informatika - Daftar Pustaka.pdf Download (247kB)
	Text (Full Teks) NOVRIYANTI_RAHMADANI_2101020010_Teknik_Informatika - Full Teks.pdf - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Ketidakakuratan data kesejahteraan masyarakat di Kota Tanjungpinang menyebabkan penyaluran bantuan sosial sering tidak tepat sasaran. Penelitian ini bertujuan mengklasifikasikan tingkat kesejahteraan keluarga menggunakan metode Fuzzy Learning Vector Quantization (FLVQ) menggunakan data Penyasaran Percepatan Penghapusan Kemiskinan Ekstrem dari Dinas Sosial Kota Tanjungpinang. Data yang digunakan sebanyak 4.000 keluarga dengan 11 fitur dan empat kelas output (Sangat Miskin, Miskin, Rentan Miskin, Mampu), dengan pembagian data latih dan uji 80:20. Pencarian hyperparameter terbaik dilakukan menggunakan GridSearch dengan 5-Fold Stratified Cross-Validation, menghasilkan konfigurasi optimal K=3, mi=1.1, mf=5.0, N=300, dan ε=1e-06. Model konvergen pada iterasi ke-256 dengan error akhir 0,00000100. Hasil pengujian menunjukkan akurasi training 69,31% dan akurasi testing 69,75%, dengan selisih 0,44% yang mengindikasikan bukan overfitting. Evaluasi per kelas menunjukkan performa terbaik pada kelas Sangat Miskin (F1-Score 0,83), sedangkan kelas Rentan Miskin memperoleh performa terendah (F1-Score 0,58) akibat kemiripan karakteristik fitur dengan kelas Miskin dan Mampu. Rendahnya variasi akurasi antar-kombinasi hyperparameter disebabkan oleh karakteristik data sosial yang multikategori dan tumpang tindih antarkelas. Model diimplementasikan ke aplikasi web berbasis Streamlit untuk memudahkan klasifikasi kesejahteraan secara mandiri.

Actions (login required)

View Item