Detail Katalog
ID: 2997
Judul Katalog
PEMODELAN KLASIFIKASI PADA INDEKS KETIMPANGAN GENDER (IKG) TAHUN 2020 DENGAN METODE NAÃVE BAYES / / Anne Mudya Yolanda ; Azra Aulia Dwiputri
Pengarang
Anne Mudya Yolanda ; Azra Aulia Dwiputri
Penerbit
Badan Kependudukan dan Keluarga Berencana Nasional,
Tempat Terbit
Jakarta :
Tahun Terbit
2022
Bahasa
ind
Subjek
Pembangunan Keluarga
Detail Teknis
Deskripsi Fisik
10 hlm. : ilus. ; 29,7 cm.
Nomor Panggil
304.6 ANN p
Control Number
INLIS000000000002989
BIB ID
0010-0225000279
Catatan
ABSTRAK
Indeks Ketimpangan Gender (IKG) merupakan indikator pendukung pembangunan dalam Tujuan
Pembangunan Berkelanjutan pada isu gender. Oleh karenanya peneliti tertarik melakukan kajian pemodelan
klasifikasi dengan tujuan melakukan prediksi tingkat IKG menurut kabupaten/kota di Indonesia tahun 2020
menggunakan algoritma machine learning. Algoritma yang diterapkan pada data IKG dan indikatornya
adalah metode naïve bayes. Adapun indikator penyusun yang digunakan yaitu proporsi persalinan tidak di
fasilitas kesehatan, proporsi perempuan berusia 15-49 tahun yang pernah kawin dan saat melahirkan hidup
pertama, persentase keterwakilan di parlemen, proporsi penduduk laki-laki dan perempuan dengan
pendidikan minimal SMA, dan tingkat partisipasi angkatan kerja. Analisis dengan metode naive bayes pada
empat kategori: rendah, menengah bawah, menengah atas, dan tinggi memberikan hasil klasifikasi yang baik
terutama dalam mengklasifikasi kelas positif. Hasil akurasi keseluruhan data training sebesar 82.86 %,
sedangkan pada data testing sebesar 83.72 %. Hasil klasifikasi dapat digunakan untuk peramalam IKG dan
landasan pengambilan kebijakan dan penyusunan program untuk mengatasi ketimpangan pembangunan
berbasis gender di Indonesia.
Kata kunci : Naïve Bayes, klasifikasi, akurasi, IKG
Indeks Ketimpangan Gender (IKG) merupakan indikator pendukung pembangunan dalam Tujuan
Pembangunan Berkelanjutan pada isu gender. Oleh karenanya peneliti tertarik melakukan kajian pemodelan
klasifikasi dengan tujuan melakukan prediksi tingkat IKG menurut kabupaten/kota di Indonesia tahun 2020
menggunakan algoritma machine learning. Algoritma yang diterapkan pada data IKG dan indikatornya
adalah metode naïve bayes. Adapun indikator penyusun yang digunakan yaitu proporsi persalinan tidak di
fasilitas kesehatan, proporsi perempuan berusia 15-49 tahun yang pernah kawin dan saat melahirkan hidup
pertama, persentase keterwakilan di parlemen, proporsi penduduk laki-laki dan perempuan dengan
pendidikan minimal SMA, dan tingkat partisipasi angkatan kerja. Analisis dengan metode naive bayes pada
empat kategori: rendah, menengah bawah, menengah atas, dan tinggi memberikan hasil klasifikasi yang baik
terutama dalam mengklasifikasi kelas positif. Hasil akurasi keseluruhan data training sebesar 82.86 %,
sedangkan pada data testing sebesar 83.72 %. Hasil klasifikasi dapat digunakan untuk peramalam IKG dan
landasan pengambilan kebijakan dan penyusunan program untuk mengatasi ketimpangan pembangunan
berbasis gender di Indonesia.
Kata kunci : Naïve Bayes, klasifikasi, akurasi, IKG
Status
Tersedia di OPAC
Bibliografi Nasional Indonesia
Karya Tulis Ilmiah Nasional
Informasi Eksemplar & Metadata
Format MARC21 - Total 19 field
| Tag | Ind1 | Ind2 | Nilai | Urutan |
|---|---|---|---|---|
| 001 | _ |
_ |
INLIS000000000002989 | 1 |
| 005 | _ |
_ |
20250218105023 | 2 |
| 035 | # |
# |
$a 0010-0225000279 | 3 |
| 007 | _ |
_ |
ta | 4 |
| 008 | _ |
_ |
250218###########################0#ind## | 5 |
| 082 | # |
# |
$a 304.6 | 6 |
| 084 | # |
# |
$a 304.6 ANN p | 7 |
| 100 | _ |
# |
$a Anne Mudya Yolanda | 8 |
| 245 | 1 |
# |
$a PEMODELAN KLASIFIKASI PADA INDEKS KETIMPANGAN GENDER (IKG) TAHUN 2020 DENGAN METODE NAÃVE BAYES /$c Anne Mudya Yolanda, Azra Aulia Dwiputri | 9 |
| 250 | # |
# |
$a Jurnal Keluarga Berencana Vol.7 No.01 (2022) | 10 |
| 260 | # |
# |
$a Jakarta :$b Badan Kependudukan dan Keluarga Berencana Nasional,$c 2022 | 11 |
| 300 | # |
# |
$a 10 hlm. : $b ilus. ; $c 29,7 cm. | 12 |
| 650 | # |
4 |
$a Naïve Bayes | 13 |
| 650 | # |
4 |
$a klasifikasi | 14 |
| 650 | # |
4 |
$a akurasi | 15 |
| 650 | # |
4 |
$a IKG | 16 |
| 700 | _ |
# |
$a Azra Aulia Dwiputri | 17 |
| 520 | # |
# |
$a ABSTRAK Indeks Ketimpangan Gender (IKG) merupakan indikator pendukung pembangunan dalam Tujuan Pembangunan Berkelanjutan pada isu gender. Oleh karenanya peneliti tertarik melakukan kajian pemodelan klasifikasi dengan tujuan melakukan prediksi tingkat IKG menurut kabupaten/kota di Indonesia tahun 2020 menggunakan algoritma machine learning. Algoritma yang diterapkan pada data IKG dan indikatornya adalah metode naïve bayes. Adapun indikator penyusun yang digunakan yaitu proporsi persalinan tidak di fasilitas kesehatan, proporsi perempuan berusia 15-49 tahun yang pernah kawin dan saat melahirkan hidup pertama, persentase keterwakilan di parlemen, proporsi penduduk laki-laki dan perempuan dengan pendidikan minimal SMA, dan tingkat partisipasi angkatan kerja. Analisis dengan metode naive bayes pada empat kategori: rendah, menengah bawah, menengah atas, dan tinggi memberikan hasil klasifikasi yang baik terutama dalam mengklasifikasi kelas positif. Hasil akurasi keseluruhan data training sebesar 82.86 %, sedangkan pada data testing sebesar 83.72 %. Hasil klasifikasi dapat digunakan untuk peramalam IKG dan landasan pengambilan kebijakan dan penyusunan program untuk mengatasi ketimpangan pembangunan berbasis gender di Indonesia. Kata kunci : Naïve Bayes, klasifikasi, akurasi, IKG | 18 |
| 600 | # |
4 |
$a Pembangunan Keluarga | 19 |
Penjelasan Field MARC21
001: Control Number
005: Date & Time Latest Transaction
020: ISBN
100: Main Entry - Personal Name
245: Title Statement
250: Edition Statement
260: Publication Information
300: Physical Description
650: Subject
700: Added Entry - Personal Name