PEMANFAATAN ALGORITMA WIT-TREE DAN HITS UNTUK KLASIFIKASI TINGKAT KEBERHASILAN PEMBERDAYAAN KELUARGA MISKIN (Studi Kasus: Kabupaten Bantul)

SITI KHOMSAH, Drs. Edi Winarko, M.Sc., Ph.D

2015 | Tesis | S2 Ilmu Komputer

Tujuan dari penelitian ini adalah untuk membangun model klasifikasi untuk memprediksi tingkat tingkat keberhasilan dari keluarga miskin, yang akan menerima bantuan pemberdayaan kemiskinan. Dalam penelitian ini, keberhasilan pemberdayaan keluarga miskin dapat diklasifikasikan oleh pola karakteristik yang diekstrak dari database yang berisi data pemberdayaan keluarga miskin. Model klasifikasi dibangun menggunakan metode weigthed association rule mining (WARM), yang mengkombinasikan metode Hyperlink Induced Topic Search (HITS) dan Weighted Itemset TidSet tree (WIT-tree). Secara umum, bobot atribut dalam WARM ditentukan langsung oleh pengguna tanpa mengetahui bagaimana menentukan bobot yang tepat. Algoritma HITS digunakan untuk memperoleh bobot atribut dari database. Bobot tersebut digunakan sebagai bobot atribut pada metode WIT-tree. WIT-tree membentuk aturan asosiasi yang memenuhi ambang batas minimum weight support dan minimum weight confidence. Aturan tersebut akan digunakan untuk mengklasifikasikan data baru. Data yang digunakan dalam penelitian ini adalah 831 data sampel keluarga miskin, yang dibagi menjadi dua kelas, yaitu keluarga miskin dalam kategori "berkembang" dan "belum berkembang". Akurasi model diukur menggunakan k-fold cross validation dengan ambang batas minimum weight support adalah 0,1; 0,2; 0,3 dan minimum weight confidence 0,5. Hasilnya, pembobotan atribut menggunakan HITS mendekati akurasi 86,45% dan pembobotan atribut yang ditetapkan oleh pengguna mendekati akurasi 66,13%. Penelitian ini menunjukkan bahwa bobot atribut yang diperoleh dari metode HITS lebih baik daripada bobot atribut yang ditentukan oleh pengguna.

The purpose of this research is to build a classification model to predict the level of successful rate from poor families, who will receive assistance empowerment of poverty. In this research, the success of the empowerment of poor families can be classified by characteristic patterns extracted from the database that contains the data of poor families empowerment. Classification models built with weigthed association rule mining method (WARM), which is a combination of methods Hyperlink Induced Topic Search (HITS) and Weighted Itemset TidSet-tree (WIT-tree). Generaly the weighting of attributes in WARM determined directly by users without knowing how to determine the exact weight. HITS algorithm is used to obtained the weight of the attributes from the database. The weights are used as the weight of the attributes on methods WIT-tree. WIT-tree is used to generate the association rules that satisfy a minimum weight support and a minimum weight confidence. The data used in this study was 831 sample data poor families, who are divided into two classes, namely poor families in the standard of "developing" and poor families in the level of "underdeveloped". Weighting attribute using HITS approaches the accuracy of 86.45% and weighted attributes defined by the user approaches the accuracy of 66.13%. This study shows that the weight of the attributes obtained from HITS method is better than the weight of the attributes specified by the user. The accuracy of the model was measured by k-fold cross validation with minimum weight support thresholds are 0.1, 0.2, 0.3 and minimum weight confidence threshold is 0.5.

Kata Kunci : empowerment of poor families, Weighted Asociation Rule Classifier, WIT-tree, HITS