KOMPARASI KLASIFIKASI PADA PREDIKSI PENDAPATAN RUMAH TANGGA

Abstract

Kebutuhan akan kehidupan sehari-hari tidak terlepas dari pendapatan yang dihasilkan, baik pendapatan harian, mingguan atau bulanan. Oleh karena itu prediksi pendapatan rumah tangga sangat penting dikarenakan akan membantu dalam menciptakan pendapatan yang lebih baik, dalam memprediksi suatu data dapat dilakukan dengan beberapa algoritma diantaranya dengan algoritma K-nearest neighbor dan algorima Neural Network. Pada penelitian kali ini akan dikomparasi bagaimana algoritma K-Nearest neighbor dengan Neural network dalam memprediksi pendapatan rumah tangga pada sensus yang dilakukan di Bereu pada tahun 1996. Algoritma K-Nearest neighbor menghasilkan nilai akurasi sebesar 70,49% sedangkan algoritma Neural Network menghasilkan akurasi sebesar 83,62%, hal ini membuktikan bahwa algoritma Neural Network dapat bekerja lebih baik dalam memprediksi pendapatan rumah tangga di Bereu yang dilakukan oleh Ronny Kohavi dan Barry Becker pada 1 mei 1996 yang terdiri dari 48842 dataset dan 14 atribut. Beberapa atribut menjadi faktor penentu dalam menciptakan pendapatan yang lebih tinggi, diantaranya status pernikahan yang utuh yang terdiri dari minimal suami dan istri dalam satu atap dan pendidikan yang tinggi mendapatkan peluang untuk mendapatkan penghasilan yang lebih tinggi dari pasangan itu sendiri yang nantinya dapat mempengaruhi pendapatan rumah tangga lebih dari $50.000/tahun. Selain itu faktor pengalaman bekerja juga menjadi salah satu faktor penentu tingginya pendapatan rumah tangga. Faktor ketidakharmonisan dalam rumah tangga juga menjadi salah satu fakto pendapatan yang kurang dari $50.000/tahun.