Whatsapp
Ada yang ditanyakan?
Klik untuk chat dengan customer support kami
CS RBI Pustaka● online 6282133885295
● online
- 🎁 GRATIS DESAIN COVER! Untuk setiap pemesanan cetak buku di RBI Pustaka, dapatkan layanan desain cover GRATIS! 🤩📘
- 📢 PROMO SPESIAL! Cetak buku di RBI Pustaka diskon hingga 20%! 🎉 Jangan lewatkan kesempatan ini. Hubungi kami sekarang! 📚✨
- 🎁 KEJUTAN PROMO! Dapatkan berbagai bonus menarik untuk setiap penerbitan dan cetak buku di RBI Pustaka! Yuk, terbitkan karyamu sekarang! 🚀📚
- 📢 PROMO TERBATAS! Cetak buku di RBI Pustaka sekarang dan dapatkan keuntungan lebih! 📚✨ Hubungi kami segera!
click image to preview
activate zoom
Klasifikasi Pengangguran dengan Random Forest dan SVM Pada Data Ketenagakerjaan
Rp 45.000| Stok | Tersedia |
| Kategori | Buku Referensi |
Judul : Klasifikasi Pengangguran dengan Random Forest dan SVM Pada Data Ketenagakerjaan
Penulis : Ayu Widasari Siregar
Halaman : 85
Harga : Rp 45.000
Sinopsis :
Buku ini disusun sebagai bentuk kontribusi akademik dalam pengembangan pemanfaatan teknologi analisis data dan machine learning dalam bidang ketenagakerjaan. Permasalahan pengangguran merupakan salah satu isu penting dalam pembangunan daerah yang memerlukan pendekatan analisis yang tepat dan berbasis data. Oleh karena itu, penelitian dalam buku ini berfokus pada penerapan metode klasifikasi machine learning untuk mengidentifikasi dan menganalisis status pengangguran menggunakan data ketenagakerjaan.
Secara khusus, buku ini membahas perbandingan kinerja dua algoritma machine learning yang banyak digunakan dalam proses klasifikasi data, yaitu Random Forest dan Support Vector Machine (SVM). Kedua metode tersebut dianalisis untuk mengetahui tingkat akurasi dan performa terbaik dalam mengklasifikasikan status pengangguran berdasarkan data yang diperoleh dari Dinas Tenaga Kerja Kabupaten Labuhanbatu. Melalui proses pengolahan data yang meliputi tahap prapemrosesan, pelatihan model, serta evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score, penelitian ini diharapkan mampu memberikan gambaran mengenai metode yang paling efektif untuk digunakan dalam analisis data ketenagakerjaan.
Penyusunan buku ini diharapkan dapat memberikan manfaat bagi berbagai pihak, khususnya bagi akademisi, peneliti, mahasiswa, serta instansi pemerintah yang bergerak di bidang ketenagakerjaan dalam memahami penerapan machine learning untuk analisis data sosial dan ekonomi. Selain itu, buku ini juga diharapkan dapat menjadi referensi dalam pengembangan penelitian selanjutnya yang berkaitan dengan klasifikasi data dan pengambilan keputusan data. Penulis menyadari bahwa buku ini masih memiliki keterbatasan dan jauh dari sempurna. Oleh karena itu, kritik dan saran yang membangun sangat diharapkan guna perbaikan dan pengembangan karya ilmiah di masa mendatang.
Klasifikasi Pengangguran dengan Random Forest dan SVM Pada Data Ketenagakerjaan
Buku ini disusun sebagai bentuk kontribusi akademik dalam pengembangan pemanfaatan teknologi analisis data dan machine learning dalam bidang ketenagakerjaan. Permasalahan pengangguran merupakan salah satu isu penting dalam pembangunan daerah yang memerlukan pendekatan analisis yang tepat dan berbasis data. Oleh karena itu, penelitian dalam buku ini berfokus pada penerapan metode klasifikasi machine learning untuk mengidentifikasi dan menganalisis status pengangguran menggunakan data ketenagakerjaan.
Secara khusus, buku ini membahas perbandingan kinerja dua algoritma machine learning yang banyak digunakan dalam proses klasifikasi data, yaitu Random Forest dan Support Vector Machine (SVM). Kedua metode tersebut dianalisis untuk mengetahui tingkat akurasi dan performa terbaik dalam mengklasifikasikan status pengangguran berdasarkan data yang diperoleh dari Dinas Tenaga Kerja Kabupaten Labuhanbatu. Melalui proses pengolahan data yang meliputi tahap prapemrosesan, pelatihan model, serta evaluasi menggunakan metrik accuracy, precision, recall, dan F1-score, penelitian ini diharapkan mampu memberikan gambaran mengenai metode yang paling efektif untuk digunakan dalam analisis data ketenagakerjaan.
Penyusunan buku ini diharapkan dapat memberikan manfaat bagi berbagai pihak, khususnya bagi akademisi, peneliti, mahasiswa, serta instansi pemerintah yang bergerak di bidang ketenagakerjaan dalam memahami penerapan machine learning untuk analisis data sosial dan ekonomi. Selain itu, buku ini juga diharapkan dapat menjadi referensi dalam pengembangan penelitian selanjutnya yang berkaitan dengan klasifikasi data dan pengambilan keputusan data. Penulis menyadari bahwa buku ini masih memiliki keterbatasan dan jauh dari sempurna. Oleh karena itu, kritik dan saran yang membangun sangat diharapkan guna perbaikan dan pengembangan karya ilmiah di masa mendatang.
Klasifikasi Pengangguran dengan Random Forest dan SVM Pada Data Ketenagakerjaan
| Berat | 300 gram |
| Kondisi | Baru |
| Dilihat | 4 kali |
| Diskusi | Belum ada komentar |
Dokumen ini hadir sebagai sebuah ikhtiar intelektual untuk merajut kembali benang merah antara iman dan ilmu, antara teks-teks suci yang diwahyukan dan jejak-jejak material yang terbenam dalam benda-benda peninggalan dalam perjalanan sejarah. Bagi sebagian kalangan, arkeologi dianggap sebagai ancaman yang berpotensi mereduksi nilai sakral Kitab Suci menjadi sekadar catatan sejarah biasa. Namun bagi kalangan lainnya,… selengkapnya
Rp 94.000
Teori dan Kebijakan. Kami menyambut baik dan mengapresiasi kehadiran buku yang membahas teori ekonomi moneter, perbankan, dan kebijakan dengan diadaptasi pada konteks Indonesia. Penyusunan buku ini dapat membantu mahasiswa dalam memahami konsep, teori dan praktik kebijakan moneter sehingga dapat mengembangkan kemampuan analisis dan berpikir kritis dalam pembelajaran mata kuliah. Tentunya buku ini menjadi referensi bagi… selengkapnya
Rp 93.000
Era yang kita hadapi hari ini adalah era disrupsi informasi. Ruang publik tidak lagi didominasi oleh narasi tunggal, melainkan oleh banjir opini, persepsi, dan konstruksi kebenaran yang kerap bergerak lebih cepat daripada proses verifikasi. Inilah yang oleh banyak kalangan disebut sebagai era kebenaran baru — suatu fase ketika fakta, opini, dan sentimen sering kali bercampur… selengkapnya
Rp 68.000
Belum ada komentar, buka diskusi dengan komentar Anda.