i
L A P O R A N S K R I P S I
KLASIFIKASI PENERIMAAAN BERAS MISKIN (RASKIN)
MENGGUNAKKAN METODE NAIVE BAYES
STUDI KASUS ( Ds. Margorejo Kecamatan Dawe Kabupaten Kudus )
LATIFAH AGUSTIN VITA SARI
NIM.201351090
DOSEN PEMBIMBING
Endang Supriyati, M.KomRatih Nindyasari, M.Kom
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK
v
KLASIFIKASI PENERIMAAAN BERAS MISKIN (RASKIN)
MENGGUNAKKAN METODE NAIVE BAYES
STUDI KASUS ( Ds. Margorejo Kecamatan Dawe Kabupaten Kudus )
Nama Mahasiswa : Latifah Agustin Vita Sari
NIM : 201351090
Pembimbing :
1. Endang Supriyati, M.Kom 2. Ratih Nindyasari, M.Kom
ABSTRAK
Penerimaan bantuan beras miskin pada suatu masyarakat merupakan sebuah kegiatan yang selalu dilaksanakan setiap satu bulan sekali, dimana data calon penerima tersebut selalu meningkat dari tahun ke tahun. Namun dalam pelaksanaan raskin ini mempunyai masalah, diantara masalah tersebut adalah terjadinya kekeliruan, terjadinya akurasi pemilihan yang tidak konsisten, meningkatnya tingkat kecurangan dalam pembagian raskin, untuk mengatasai masalah tersebut dibuat penelitian untuk mengklasifikasi penerimaan beras miskin. Konsep data mining akan memudahkan cara menyelesaikan masalah yang terjadi pada perangkat desa yang akan menyeleksi penerima bantuan beras miskin dan metode naive bayes dapat memprediksi peluang menerima bantuan tersebut. Kata Kunci : Beras Miskin, Data Mining, Naive Bayes.
vi
CLASSIFICATION OF POOR RICE RECEIVING (RASKIN) USING NAIVE BAYES METHOD
CASE STUDY (Ds. Margorejo District Dawe Kudus District)
Student Name : Latifah Agustin Vita Sari Student Identity Number : 201351090
Supervisor :
1. Endang Supriyati, M.Kom 2. Ratih Nindyasari, M.Kom
ABSTRACT
The acceptance of poor rice assistance in a community is an activity that is
always implemented every once a month, where the data of the recipients always
increase from year to year. However, in the implementation of this raskin has a
problem, among these problems is the occurrence of errors, the accuracy of
inconsistent selection, increasing the level of fraud in the division of raskin, to
overcome the problem made research to classify the acceptance of poor rice. The
concept of data mining will facilitate how to solve problems occurring in the
village apparatus that will select recipients of poor rice aid and the naive bayes
method can predict the chance of receiving such assistance.
vii
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Allah SWT, yang senantiasa melimpahkan rahmat dan hidayah-Nya, sehingga dengan izin-Nya penulis dapat menyelesaikan laporan skripsi dengan baik. Penulis juga dapat menyelesaikan laporan skripsi dengan judul “Prediksi Penerimaan Beras Miskin Menggunakan Metode Naive Bayes ( Studi Kasus di Desa Margorejo Kecamatan Dawe kabupaten Kudus )”.
Penyusunan laporan skripsi ini ditujukan untuk memenuhi salah satu syarat memperoleh gelar sarjana komputer.
Dalam penyusunan laporan skripsi ini tak lepas dari bantuan dan dukungan beberapa pihak. Oleh karena itu penulis mengucapkan terima kasih sebesar-besarnya kepada :
1. Bapak Mohammad Dahlan, ST., MT., selaku Dekan Fakultas Teknik Universitas Muria Kudus
2. Bapak Ahmad Jazuli, M.Kom selaku Ketua Program Studi Teknik Informatika Universitas Muria Kudus.
3. Ibu Endang Supriyati, M.Kom., selaku pembimbing I yang telah banyak memberi masukan selama penyusunan skripsi ini.
4. Ibu Ratih Nindyasari, M.Kom., selaku pembimbing II yang telah banyak memberi masukan selama penyusunan skripsi ini.
5. Segenap Dosen Program Studi Teknik Informatika Universitas Muria Kudus yang telah memberi bekal ilmu pengetahuan dalam setiap perkuliahan.
6. Kedua orang tua senantiasa memberikan semangat serta do’a untuk penulis.
7. Teman-teman seperjuangan yang telah membantu dalam penyusunan laporan skripsi ini.
viii
Penulis menyadari adanya kekurangan dan ketidaksempurnaan dalam penulisan laporan skripsi ini, karena itu penulis menerima kritik, saran dan masukan dari pembaca sehingga penulis dapat lebih baik di masa yang akan datang. Akhirnya penulis berharap semoga buku tesis ini bisa bermanfaat khususnya bagi penulis dan umumnya bagi para pembaca.
Kudus, 11 Agustus 2017
ix
DAFTAR ISI
HALAMAN JUDUL ... i
HALAMAN PERSETUJUAN ... ii
HALAMAN PENGESAHAN ... iii
PERNYATAAN KEASLIAN ... iv
ABSTRAK ... v
DAFTAR PERSAMAAN... xv
DAFTAR LAMPIRAN ... xvi
BAB II TINJAUAN PUSTAKA 2.1. Penelitian Terkait ... 5
2.2. Landasan Teori... 6
2.2.1. Pengertian Naive Bayes Classifier ... 6
2.2.1.1. Prosedur Naive Bayes Classification ... 7
2.2.1.2. Cara Kerja Naive Bayes ... 7
x
2.2.3. Beras Miskin ... 12
2.2.4. Perangkat Lunak yang Digunakan ... 13
2.2.4.1. Adobe Dreamwever CS5 ... 13
2.2.4.2. Xampp ... 13
2.2.4.3. PHP ... 13
2.2.4.4. MySQL ... 14
2.2.5. Perancangan ... 15
2.2.5.1. DFD ( Data Flow Diagram) ... 15
2.2.5.2. Bagan Alir ( Flowchart ) ... 15
2.2.6 Klasifikasi ... 18
2.2.7 Data Training ... 18
2.2.8 Data Testing ... 19
2.3. Kerangka Pemikiran... 19
BAB III METODE PENELITIAN 3.1 Metode Pengumpulan Data ... 21
3.2 Tahapan Penelitian ... 21
3.3 Perancangan Sistem ... 23
3.3.1 Deskripsi Masalah ... 23
3.3.2 Seleksi Data ... 24
3.3.3 Transformasi Data ... 25
3.3.4 Klasifikasi Naive Bayes ... 27
3.4 Perancangan ... 31
xi
4.2 Hasil Pembahasan ... 53
BAB V PENUTUP
5.1 Kesimpulan ... 55 5.2 Saran ... 55 DAFTAR PUSTAKA ... 57
LAMPIRAN
xii
DAFTAR TABEL
Tabel 2.1 Simbol Program Flowchart ... 17
Tabel 3.1 Data yang telah diseleksi... 24
Tabel 3.2 Data training ... 25
Tabel 3.3 Data testing ... 26
Tabel 3.4 Tabel Hasil ... 30
Tabel 3.5 Login ... 32
Tabel 3.6 Training ... 32
xiii
DAFTAR GAMBAR
Gambar 2.1 Tahap-tahap Data Mining ... 11
Gambar 2.2 Kerangka Pemikiran ... 19
Gambar 3.1 Tahapan Studi Penelitian ... 21
Gambar 3.2 DFD level 0 ... 31
Gamabr 3.3 DFD level 1 Penerimaan Beras Miskin Menggunakkan Metode Naive Bayes ... 31
Gambar 3.4 Flowchart Menu Login ... 34
Gambar 3.5 Flowchart Menu Utama ... 35
Gambar 3.6 Flowchart Data Real ... 35
Gambar 3.7 Flowchart Data Training ... 36
Gambar 3.8 Flowchart Data Testing ... 37
Gambar 3.9 Desain Form Login... 38
Gambar 3.10 Desain Form halaman Utama ... 39
Gambar 3.11 Desain Form Data Real ... 39
Gambar 3.12 Desain Form Data Training ... 40
Gambar 3.13 Desain Form Data Testing ... 40
Gambar 3.14 Desain Form Detail ... 41
Gambar 3.15 Desain Form Output Laporan Data Real... 41
Gambar 3.16 Desain Form Output Laporan Data Training ... 42
Gambar 3.17 Desain Form Output Laporan Data Testing ... 42
Gambar 4.1 Implementasi form login ... 43
Gambar 4.2 Sintaks kode form login ... 43
Gambar 4.3 Implementasi form menu utama ... 44
Gambar 4.4 Sintaks kode form menu utama ... 45
Gambar 4.5 Implementasi form data real ... 46
Gambar 4.6 Sintaks kode form data real ... 46
Gambar 4.7 Implementasi form data training ... 47
xiv
Gambar 4.9 Implementasi form data testing ... 49
Gambar 4.10 Sintaks kode form data testing ... 49
Gambar 4.11 Sintaks kode detail ... 50
Gambar 4.12 Sintaks kode hapus data testing ... 51
Gambar 4.13 Sintaks kode print data real ... 51
Gambar 4.14 Sintaks kode print data training ... 51
Gambar 4.15 Sintaks kode print data testing ... 52
xv
DAFTAR PERSAMAAN
Persamaan 2.1 ... 8
Persamaan 2.2 ... 8
Persamaan 2.3 ... 8
Persamaan 2.4 ... 9
xvi
