KETEPATAN KLASIFIKASI STATUS KERJA DI KOTA TEGAL MENGGUNAKAN ALGORITMA C4.5 DAN FUZZY K-NEAREST NEIGHBOR IN EVERY CLASS (FK-NNC) - Diponegoro University | Institutional Repository (UNDIP-IR)
KETEPATAN KLASIFIKASI STATUS KERJA
DI KOTA TEGAL MENGGUNAKAN ALGORITMA C4.5 DAN
FUZZY K-NEAREST NEIGHBOR IN EVERY CLASS
(FK-NNC)
Disusun Oleh :
ATIKA ELSADINING TYAS
24010211120013
JURUSAN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2015
(2)
KETEPATAN KLASIFIKASI STATUS KERJA
DI KOTA TEGAL MENGGUNAKAN ALGORITMA C4.5 DAN
FUZZY K-NEAREST NEIGHBOR IN EVERY CLASS
(FK-NNC)
Disusun Oleh:
ATIKA ELSADINING TYAS
24010211120013
Skripsi
Diajukan Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains pada
Jurusan Statistika Fakultas Sains dan Matematika Universitas Diponegoro
JURUSAN STATISTIKA
FAKULTAS SAINS DAN MATEMATIKA
UNIVERSITAS DIPONEGORO
SEMARANG
2015
(3)
(4)
(5)
KATA PENGANTAR
Puji syukur penulis panjatkan kepada Allah SWT atas rahmat,
hidayah, dan karunia-Nya sehingga penulis dapat menyelesaikan Tugas
Akhir yang diberi judul
Ketepatan Klasifikasi Status Kerja di Kota
Tegal Menggunakan Algoritma C4.5 dan
Fuzzy K-Nearest Neighbor in
every Class
(FK-NNC) .
Tugas Akhir ini tidak akan terselesaikan dengan
baik tanpa adanya dukungan dan bantuan dari berbagai pihak. Oleh karena
itu, penulis ingin mengucapkan terima kasih kepada:
1. Ibu Dra. Hj. Dwi Ispriyanti, M.Si. selaku Ketua Jurusan Statistika Fakultas
Sains dan Matematika Universitas Diponegoro dan dosen pembimbing I.
2. Bapak Drs. Sudarno, M.Si selaku dosen pembimbing II.
3. Bapak/Ibu dosen jurusan Statistika Fakultas Sains dan Matematika
Universitas Diponegoro.
4. Semua pihak yang telah membantu kelancaran penyusunan Tugas Akhir ini,
yang tidak dapat penulis sebutkan satu per satu.
Penulis menyadari bahwa dalam penyusunan Tugas Akhir ini masih jauh
dari sempurna. Oleh karena itu, penulis mengharapkan kritik dan saran demi
kesempurnaan penulisan selanjutnya.
Semarang, September 2015
Penulis
(6)
v
BSTRAK
y
s
t
y
u
t
t
fikasi status kerja pada penduduk
angkatan kerja di Kota Tegal bulan Agustus tahun 2014 yaitu algoritma C4.5 dan
Fuzzy K-Nearest Neighbor in every Class
(FK-NNC). Algoritma C4.5 adalah
salah satu metode klasifikasi dari
data mining
yang digunakan untuk
mengkonstruksikan pohon keputusan (
decision tree
).
Fuzzy K-Nearest Neighbor
in every Class
(FK-NNC) adalah teknik klasifikasi yang melakukan prediksi
menggunakan sejumlah
K
tetangga terdekat pada setiap kelas dari sebuah data uji.
Variabel prediktor yang digunakan adalah status dalam rumah tangga, jenis
kelamin, umur, status perkawinan, pendidikan, dan pelatihan kerja. Untuk
mengevaluasi hasil klasifikasi digunakan perhitungan APER. Berdasarkan analisis
tersebut pengklasifikasian status kerja dengan Algoritma C4.5 diperoleh nilai
APER = 28,3784% dan ketepatan klasifikasi sebesar 71,6216% sedangkan
menggunakan metode FK-NNC diperoleh nilai APER = 21,62% dan ketepatan
klasifikasi sebesar 78,38%. Sehingga dapat disimpulkan bahwa metode FK-NNC
lebih baik dibandingkan dengan Algoritma C4.5.
Kata kunci:
Klasifikasi, Algoritma C4.5,
Fuzzy K-Nearest Neighbor in every
Class
(FK-NNC), APER
(7)
BSTRACT
y
s
!y
"!# " !$t
%t
w
ys
& & ' "# !y
&ffected a national foundation. It used two methods for classifying a
employment status on productive society in Tegal City on August 2014, the
methods are C4.5 Algorithm and
Fuzzy K-Nearest Neighbor in every Class
(FK-NNC). C4.5 Algorithm is a way of classifying methods from data mining that use
to construct a decision tree. FK-NNC is another classification technique that
predict using the amount of closest neighbor of
K
in every class from a testing
data. The predictor variables that used on classifying an employment status are
neighborhood status, sex, age, marriage status, education, and a work training. To
evaluate the result of classification use APER calculation. Based on this analysis,
classification of employment status using C4.5 Algorithm obtained APER =
28,3784% and 71,6216% of accuracy, while FK-NNC methods obtained APER =
21,62% and 78,38% of accuracy. So, it can be concluded that FK-NNC is better
than C4.5 Algorithm.
Keywords:
Classification, C4.5 Algorithm,
Fuzzy K-Nearest Neighbor in every
Class
(FK-NNC), APER
(8)
() ) *+,-+ ./0/
123242 5 16 76869
J
: ;:7 <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<) 16 76869= > 9?> @ 6169A <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<< )) 16 76869= > 9?> @ 6169AA<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<< )) ) B6C 6= >9?6 9C6D <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<< ) ( 6E@ CD 6B <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<< ( 6E@ CD 6FC <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
() ;6GC 6DA@ A <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<< ()) ;6GC 6DC 6 E> 7 <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<
x
;6GC 6D? 6 8E6D <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<x
) ) ;6GC 6D768=AD 69 <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<x
) )) E6EA = > 9; 61: 7:6 9H <H 72I 2 JEK32 L2 5 M <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<< H H <N D O4OP2 582P 23 2Q <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<< R H <R E2I2P2 582P 232 Q <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<< S H <S C OT O2 5 <<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<< S E6EAA C A9
J
6:69= : @C 6 B6N <H BKI K52M2 LKJT 2 2 5<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<< U N <N
Data Mining
<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<< HN N <R 63MVJ)I4 2FS<W<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<<< H R N <R<H =K4 X K5IOL2 5=VQ V5BKY OI OP 2 563MVJ)I4 2FS<W <<<<<<<<<< H W N <R<N =JVPKZOJ=K4)32Q2563MVJ)I4 2F S<W <<<<<<<<<<<<<<<<<<<<<<<<<<<<< H [ N <R<R FV5IVQ=K4)32Q2 5=VQ V5BKY OIOP2 563MV J)I4 2FS<W<<< H \(9)
]^ ^^
2
_`Fuzzy K-Nearest Neighbor in every Class
_______________________________22
2
_a b ct
cdet
efb g eh^i^j eh^ _______________________________________________________________ klmnmooo pqrs tsus vow qx q uoron x
y_z
J
cf^h{ ef| }~ cte e ____________________________________________________________ k y_ k e^ecgw cfcg^^ef __________________________________________________________________ k y_y r cjf^jw cf ge eft ee__________________________________________________________ y y_` r eedefw cfcg^^ef __________________________________________________________________ yz mnmo n|outn xw qp mnn|nx`_z nf eg^h^htch j ^d^it e e| e }hb c e______________________________________ yy `_z_z | e}hb ceb er cegm} g efn }h }hkz`________________ yy `_z_ k | e}hb ceb er cegm} gefn }h }hkz`
mc{ehejef| e }h{ eg e~}~eref e_____________________ y` `_z_y | e}hb ceb er cegm} gefn}h }hkz`
mc{ehejefcf^hbcg e~^f____________________________________________ y `_z_` | e}hb ceb er cegm} gefn}h }hkz`
mc{ehejef~} __________________________________________________________ y l `_z_a | e}hb ceb er cegm} gefn}h }hkz`
mc{ehejef| e}hw cj e ^f ef_____________________________________ y l `_z_ | e}hb ceb er cegm} gefn}h }hkz`
mc{ehejefw cf{^{^j ef_________________________________________________ y `_z_ l | e}hb ceb er cegm} gefn}h }hkz`
mc{ehejefw cg e^efbc e__________________________________________ ` `_ k w cf j g eh^i^j eh^efpcf }fej efng ^~e`_a____________________ `z `_ k_z b fh}jh^ng ^~ e`_a____________________________________________ ` k
(10)
x
¢ £¤ ¥¦§ ¨© ª «©¬ ® ¢ «¦ ¥¦ ¯ «« ¦¯ ¤° ± ²² ³ ® ¨´¤« ¥¦ ¡ µµ¶ ·§£¯ ¸¹ ² ª º°» ¼¸ §» ½ ¹¯ £¼² ¾¿
(11)
x
ÈÉÊÉËÉ Ì ÍÉÎÏÊÐ ÑÉ ÒÉÓÊÉÔ Õ ÖÕ ×ÉÔ ÕØÏ ÙË ÉÕÌ
Baseball
ÚÏ ÌÛÉ ÌÍÕ ÜÏÝÒÙÕÎ ÞÒßÉË ÜÞÙÉ ÌàÐá ÍÉÎÏÊâ ÈÉÔ ÕÊã Ï ÙäÕÒÞÌÛÉ ÌåÕ ÊÉÕæÞÌÒ Þ×ÝÒ ÙÕ Î ÞÒç ÞäÞ ààààààààààààààààààààààààààààààààààààâè ÍÉÎÏÊé ÈÉÔ ÕÊã Ï ÙäÕÒÞÌÛÉ ÌEntropy
ÚÉ ÌGain
ÞÌÒÞ×Node
Ý×É ÙàààààààààààààààààààààâÐ ÍÉÎÏÊê ëì ÙËÞÊÉJ
É ÙÉ ×ÑÞÉÑÉ ÒÉÚÏ ÌÛÉ ÌçÉ ÒÞÝÒ ÙÕÎ ÞÒààààààààààààààààààààààààààààààààààààâé ÍÉÎÏÊí ÈÉÔ ÕÊã Ï ÙäÕÒÞÌÛÉ ÌîÉÙÉ ×ë Ó ïå å ßÜÉ ÚÉç ÏÒÑÉ Ò ÉØÞÉÒÉ Ìàààààààààààààààààààâí ÍÉÎÏÊð ñÉ Ò ÙÕ×ÔÓì ÌÖÞÔÕààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààâò ÍÉÎÏÊò óÉ ÙÕÉÎÏÊã Ï ÌÏÊÕÒÕ É Ìàààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààâá ÍÉÎÏÊô ç ÒÉ Ò ÞÔÓÏ ÙõÉÓì ÒÉÍÏ ÛÉÊØÞÊÉ ÌÝÛÞÔÒÞÔâèÐê àààààààààààààààààààààààààààààààààààéê ÍÉÎÏÊá ç ÒÉ Ò ÞÔÓÏ ÙõÉØÏÙÚÉÔÉÙ×É Ìç ÒÉ Ò ÞÔÚÉÊ ÉËö ÞË ÉäÍÉÌÛÛÉ àààààààààààààààààààéí ÍÉÎÏÊÐè ç ÒÉ Ò ÞÔÓÏ ÙõÉØÏÙÚÉÔÉÙ×É ÌJ
Ï ÌÕÔÓÏÊÉË Õ Ì àààààààààààààààààààààààààààààààààààààààààààéð ÍÉÎÏÊÐÐ ÑÏÔ×ÙÕÜÒÕÖÞÌÒ Þ×óÉ ÙÕÉÎ Ï Ê÷Ë ÞÙ ààààààààààààààààààààààààààààààààààààààààààààààààààààààààéò ÍÉÎÏÊÐâ ç ÒÉ Ò ÞÔÓÏ ÙõÉØÏÙÚÉÔÉÙ×É Ìç ÒÉ Ò ÞÔãÏÙ×ÉøÕÌÉÌ ààààààààààààààààààààààààààààààààààààéô ÍÉÎÏÊÐé ç ÒÉ Ò ÞÔÓÏ ÙõÉØÏÙÚÉÔÉÙ×É Ìã Ï ÌÚÕ ÚÕ×É Ìààààààààààààààààààààààààààààààààààààààààààààààààéá ÍÉÎÏÊÐê ç ÒÉ Ò ÞÔÓÏ ÙõÉØÏÙÚÉÔÉÙ×É Ìã ÏÊÉ ÒÕ äÉ ÌÓÏ ÙõÉ àààààààààààààààààààààààààààààààààààààààààêè ÍÉÎÏÊÐí ë ÙÏ ×ÞÏ ÌÔ ÕÍÕ É ÜÓÏÊÉÔ àààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààààêâ ÍÉÎÏÊÐð ã ÏÊ ÞÉ ÌÛñ ÉÔ ÕÌÛ ïËÉÔ Õ ÌÛÓÏÊ ÉÔ ààààààààààààààààààààààààààààààààààààààààààààààààààààààààààêâ ÍÉÎÏÊÐò ë ÙÏ ×ÞÏ ÌÔ ÕñÉÔÕÌÛïË ÉÔ ÕÌÛÓÉ ÒÏ Ûì ÙÕÜÉ ÚÉÝÒ ÙÕ Î ÞÒJ
ÏÌÕ ÔÓÏÊÉË Õ ÌØÏ ÙÚÉÔ ÉÙ×ÉÌÓÏÊÉÔÌÉy
ààààààààààààààààààààààààààààààààààààààààààààààààêéÍÉÎÏÊÐô ã ÏÊ ÞÉ ÌÛñ ÉÔ ÕÌÛ ïËÉÔ Õ ÌÛÓÉÒÏ Ûì ÙÕØÏ ÙÚÉÔ ÉÙ×É ÌÓÏ Ê ÉÔ Ì
y
É àààààààààààààààààêé ÍÉÎÏÊÐá åÕ ÊÉÕInformation Gain
ÜÉ ÚÉçÕ Ë ÜÞÊÝ×É Ù ààààààààààààààààààààààààààààààààààààààààêê(12)
x
ùúûüýþÿ ùþ ûùü ûûû ùü û û ý ý üý û
ý ûúù ûý ýû
úûüýþÿ û ù ù û û
Testing
úûüýþÿÿ û û
Training
ÿúûüýþÿ û û
Testing
ÿúûüýþÿ ýý ûû þ ûùùûù
K
(13)
x
! !*+,+-+ . /+- 0+12 34 .54 674 64 .89:;5;<+ .=
Decision Tree
>??????????????????????????????????????2@ /+- 0+1A 84 .<9 :K
B95+ . CC+B 9 1D 9E+5D+1!F 95!+ :8 9, +<D+, +-G H 8I I3 ???????????????????????????????????????????????????????????????????????????????AA /+- 0+1J K!+ C1+-L,!179 . C4,+ 6+.K+5 +M9 . CC;.+ E+.L ,C4 1!5 -+3@?N
D+ .G H 8I I3 ???????????????????????????????????????????????????????????????????????????????????JA /+- 0+1@ K!+ C1+-F5 +5;<89 1O+ ??????????????????????????????????????????????????????????????????????J@ /+- 0+1N K!+ C1+-F5 +5;<89 1O+P91D+< + 1E+ .
F5 +5 ;<D+,+-Q ;-+ 6B+ .CC+????????????????????????????????????????????????????????????JN /+- 0+1R K!+ C1+-F5 +5;<89 1O+P91D+< + 1E+ .S 9 .!<89, +-!. ?????????????????????????JR /+- 0+1T K!+ C1+-F5 +5;<89 1O+P91D+< + 1E+ .F5 +5;<791E+U!.+ .???????????????????JV /+- 0+1V K!+ C1+-F5 +5;<89 1O+P91D+< + 1E+ .79 .D!D!E+ . ??????????????????????????????JW /+- 0+1W K!+ C1+-F5 +5;<89 1O+P91D+< + 1E+ .79,+5!6+ .891O + ???????????????????????@2 /+- 0+12X74 64 .89 :;5 ;< + .B!.CE+ 57915 +- + ?????????????????????????????????????????????????@N
(14)
x
Y YYdefege h ieg jYke hl meneo p qrs tpoqun evwxefyzfe hp xz{ n z{ve | zh}~ ll ieg jYke h} de{Yfp fxukYng e w hxxzhe e hmene
Training
} ieg jYke h u| uhqw jzn z{ e hehxy
v wkw hn z w hxxzhe e hmene
Training
ieg jYke h de{Yfp fxukYng e w hxxzhe e hmeneTesting
ieg jYke h de{Yfw hx f e{YY e{Yehw hxxzhe ehp fxukYn ge ieg jYke hOutput
qwnw jene hqf e{YY e{Ywhxxzhe e hqtt hn z
K
ieg jYke h oy
hn ex
en fezhn z q t t (15)
HULUAN
1.1
Latar Belakang
r
¡ ¢ £r
¢ ¡ ¤ y
£ ¤ ¢ ¥ ¤ ¦ ¡ ¢y
£ §
r
¨ rt
¢ t
£©¢ §£ £r
§r
¢ §£ª « tu
£ r
¢ t
¢ § r
¢ § £ t
u
¥u s
¤ ¦s
t
y
¤¦ £ ¤ ¦ t
¡ ¢ §
r
¦ ¤ ¡ § £u
¤¦ £ r
y
£ §r
£¢ ¬ ª §£ £ r
§ r
¢ §£ ¡ r
¤u
¤ ¢ ¢ §y
¢ ¡ §¦ r
¬ ¢ ¢ £ ¡ §£ ¤ª §£ ¤ §rt
¥ ¬ ¢ £¢ t
¢ ¢ ¥ ¦¬ r
sy
r
¢t
ª ® £¢ t
y
¢ ¥ ¦¬r
r
¢y
t y
£ ¤
r
t
r
¡ ¢ t
¥ r
¡ §£ ¤ ª¯ ¨ ¢ ¥ ¦¬ r
r
¢y
t
r
£ t
¤ s
¢ ¡ ¤¢ ª« tu t
r
°¢ ¥¦¬©©¢
y
¬ ¦y
¡ ¬ ¤ ¤ ¤ ¢ ¬ ©-
¢ ¬ ©y
£ ¬© ¢ © © §©§£ ¡ ¢ ¡§£ ª ® © ¬ ±«(2014),
¡ ¢-
¡ ¢y
£ ¡ ¬ ££ §©¢ ¢ ¬£¢ ¬ ¢ ¥ ¦¬© ©¢y
¬ ¡ ¬ ¤¡ ¬ ¢ ¡ ¢ ¨ ¢ ¦ ¬ £z
,
¡ ¢ ¨ ¢ ¬ £¢©¥ ¨ ¬ © ° ¡ ¤ ¢ ,
¡ © ¦ ¤£¢ £¨¢ ¢ ¨ ©¬ ¤¤ y
.
«¤¦ ¬ ¤¦ £
y
¥ ¡ ©¦¬ ¡ © ¬¦ ¤¦ ¡ ©¤ ¦ §£ ¢ ¬ £ ¢ ©¥ ¬© ¬ ¤¦ ¡ £ ££ © ª ® ¤¦ ¡ £ ££ © © ¡ ¢ ¤ ¦y
£ £¬ ¢ © ¤ £y
¤ ¤ ¦ ¡ £© § ©¢ §£ ¡¬ ¡ £ © ¦ ¡ §£ ¤.
²££y
¡ £ ££ © ¬ £ © £ ¢ §¬ ¢ © ¦ y
¡©¬¡ ©¢y
¬ ¤ ¡ ©¬ § ¦ ¢ y
¬ ¡ ¡ ¬ ©¢¬y
¢ § ©¢ ©£(16)
´µ¶·¸¹¹º » º¼º
t
½µ¸y
µ ¾º¾¿º¸t
· ½¾ÀÁ¸ºy
¿µ ½ ·´¿ ·¸º¸ »º¸ ½º ´ºÁº ¶ ´Â ´·º Á Áº ·¸¸ºy
à ĺr
· »ºt
º ź»º¸ Æ À´ºt
Çt
ºt
·st
·¿(
ÅÆ Ç)
» ·¿µÈº ¶À· º¸¹¿ºÈº¸ ¿µ Éʺ ˸»Â¸ µ´·º ¼º»º ̹À´È À´2014
½µ¸ ͺ¼º · º¸¹¿ º121,
Î ÊÀȺ  ɺ¸ ¹.
Ç µ»º¸ ¹¿ º¸Ï ¼µ¸» À» À¿y
º¸ ¹ ¾µ¿µ ÉÊ º ¼º» º Ì ¹À´ÈÀ´2014
º»º Áº ¶ ´µ ¾º¸y
º¿114,6
Ê ÀÈ º  ɺ¸¹.
Ð¸È À ¿ º¸¹¿º Ñ·¸¹¿ºÈ Ƶ¸ ¹º¸ ¹¹Àɺ¸ ѵɾÀ¿º(
Ñ Æ Ñ)
¼º»º ̹À´ È À´2014,
½µ¸ ÀÉÀÈ Òµ¼º Áº ÅÆ Ç Ç ÀÉy
º ½ ·¸º»ºÁº ¶´µ ¾µ ´º É5,
Î ÓÔ. J
·¿º» · ¾º¸» ·¸¹¿ º¸»µ¸ ¹º¸Ì ¹À´ÈÀ´2013,
È·¸¹¿ºÈ ¼µ¸¹º¸ ¹¹Àɺ¸ ȵ ɾÀ¿ º ½µ¸¹º Áº½ · ¼µ¸ À ÉÀ¸º¸ »º É·6,17%
½µ¸Ê º»·5,
Î ÓÔ.
ŵ É»º´º É¿º¸ ¼µÉ½º ´º Áº ¶º¸ » · ºÈ º´Ï¼µÉÁ À » · Áº¿ À¿ º¸ ¼µ¸ ¹¿ Áº ´·Õ·¿º ´·º¸ ´ÈºÈÀ´ ¿µ Éʺ ¾º ¶Öº´µ´ µÂ ɺ¸ ¹» ·¿ ºÈ º¿ º¸¼µ¸ ¹º¸ ¹¹À ɺ¸ºÈº À¾À¿º¸¼µ¸ ¹º¸ ¹¹Àɺ¸ Ãƺ»ºÈÀ¹º ´º¿ ¶· É ·¸ ·» ·¹À¸º¿º¸» Àº½µÈ»µÀ¸È À¿ ½µ¸¹¿ Áº ´·Õ·¿ º ´ ·¿º¸»ºÈº ´ÈºÈ À´ ¿µ ÉÊ º È µÉ´µ ¾ÀÈ
, y
º·ÈÀ Ì Á¹Â É·È ½º ×4.5
»º¸ ØÙÚ ÚÛ Ü-
ÝÞßàÞá â ÝÞã ä åæçà ã è ÞéÞàÛ ê ë ßáá(
ìÒ-
íí×),
» ·½º¸º ¿µ» Àº ½µÈ »µ È µ É´µ ¾ÀÈ ½µ ÉÀ¼º¿ º¸ È µ¿¸ ·¿ ¿ Áº ´ ·Õ ·¿º´ ·y
º¸ ¹ ´ µ»µÉ¶º¸º È µÈ º¼ · ½µ ½¼ À¸º ·y
¶º ´ ·Á ¿µ Éʺy
º¸ ¹ ÍÀ¿ À¼ ¾º¹À´Ã ÌÁ¹Â É·È ½º ×4.5
º»º Áº ¶ ´º Áº ¶ ´ºÈ À ½µÈ »µ ¿ Áº ´ ·Õ ·¿º ´ · »º É· îßâ ß ïãèã èä º¸ ¹y
» ·¹À¸º¿ º¸ À¸ÈÀ¿ ½µ¸¹¿Â¸ ´ÈÉÀ¿ ´ ·¿º¸ ¼Â ¶Â¸ ¿µ¼ ÀÈÀ´º¸(
îÞðãá ã çè â àÞÞ).
ñµ¸ ÀÉÀÈ Æ Éº´µÈy
Â(2014),
¼Â ¶Â ¸ ¿µ¼ ÀÈ À´º¸ ºÈ º À îÞðãáãçè âàÞÞ º»º Áº ¶ ¼Â ¶Â ¸ º¸ ¹y
» ·¹À¸º¿ º¸ ´µ ¾º ¹º · ¼É ´µ » ÀÉ ¼µ¸º Á ºÉº¸ À¸È À¿ ½µ ¸»º¼ºÈ¿º¸ Ê ºÖ º¾º¸ »ºÉ· ½º ´º Áº ¶y
º¸¹ » ·½º´ À¿¿ º¸ Ã Ì Á¹ÂɷȽº ×
4.5
» ·¼µ É¿µ¸º Á¿º¸  Áµ ¶ òÀ·¸ Áº¸(1
ÎÎó)
´µ ¾º ¹º· ôµ É´ ·¼µÉ¾º ·¿º¸ »ºÉ·º Á ¹ÂÉ·È ½ºõâÞ à ßâã éÞ öãðåçâçïã áÞ à3 (
ËÄ3).
ñµ¸ ÀÉÀÈ ÷·È ȵ¸Þâ ßë., (2011),
ÌÁ¹Â É·È ½º×4.5
½µ ½· Á·¿ · ¿µ À¸¹¹ÀÁº¸ » ·¾º¸» ·¸¹¿º¸»µ ¸ ¹º¸ ËÄ3 y
º ·ÈÀ ½º ½¼ À ½µ¸ ¹ºÈº ´ · ¸ ·Áº·y
º ¸ ¹ ¶· Áº¸ ¹(
ïãá á ã èä éßë ÙÞ),
½µ¸ ¹ºÈ º ´· »ºÈº ¾µ ÉÈ·¼µ ¿Â¸È ·¸ ÀÏ»º¸ ½µ Áº¿ À¿º¸ ¼µ ½º¸¹¿º ´º¸¼Â ¶Â¸(
øàÙèèã èä âàÞÞá).
ǵ Áº·¸·ÈÀÏ»µ¸¹º¸ ½µ¸¹¹À¸ º¿º¸ÌÁ ¹Â É·È ½º×4.5
»º¼ºÈ» ·¿µÈ º ¶À·¼ ÀÁº¸ · Áº ·¿µÈ µ¼ºÈ º¸¿ Áº ´ ·Õ ·¿ º ´ ·.
(17)
úûü üý þ
-
ÿ ÿ ýt
u
t
t
y
! " ! # ! þ " "$! !#,
$! þ " " þ-
ÿ ÿ(
-
)
ú ûüüý þ-
ÿ ÿ(
).
% $!y
" ! & ' & % "y
&(2012
$)
( " ) û* $ &y
! & þ
-
ÿ ÿ(
-
),
úûüüý þ-
ÿ ÿ(
-
),
úûü üýþ-
ÿ ÿ ý(
-
).
% " $! ! $+ !"y
$" &-
" $! $ "-
-
.
% ! "# $!
y
" ! & ,y
'& % !"(2014)
$ ! &y
!ï
- .y
þ-
ÿÿ
(
-
).
% ! " ! "# & / !2014
! 0&"4.5 y
$! & ú ûüüý þ
-
ÿ ÿ ý(
-).
1" ! & " $!-
.
2,
3"y
"$ "! & " $!.
456 78 98: ;<=;:; >;?
%"
y
$ ! " $ $"!@1.
. " 0 &"4.5
$! & &(18)
CD EFGFH I FJ F KL
t
LMFt
FJ KN F OH PH K FOH QFR F OR FR SO KLTU F SJR SK VWRF XLGFN RFYSJ2014
IL JGGSJ FK FJZNGWTHRIF[4.5
\3.
EFGFH I FJ F KLRL MFR FJ KN F OH PHK FOH QFR F ORFR SO KLT UF SJR SK VWRF XLGFN R FYSJ2014
IL JGGSJFK FJ ILRWQL ]^_ _` a-
bcdecf g bchijkl e hm cnce ` op df f(
q V-
rr [)
\4.
EFGFH I FJ FMLT s FJQHJGFJKLR L MFRFJKN FOH PHK FOHQFRFORFR SOKLTU FSJR SKV WR FXLG FN R FYSJ
2014
ILJ GGSJFKFJ ZNGWTH R I F [4.5
QFJ ILR WQL ]^_ _` a-bcde cf gbchijkl ehmcnce`opdf f
(
q V-
r r [)
\tuv
Batasan Masalah
wLTI FOFNFYFJ MFQF RSG FO FK YHT HJH QHsFRFOH SJR SK QFLTFY VWR F XL GFN
,
OLO SFH QLJG FJ ML JQFR F FJy
FJG QH N FK SK FJ WNL Y Ew x MFQF Z GSORSO2014.
wL JGWN FY FJ R LT O L sSR QHsLTHK FJ s FR FO FJ IFO FNFY MFQ F MLI sFY FOFJ RL JR FJG MLTsFJQHJGFJ YFOHN KLRL MFRFJ KNFOHPH KFOH IL JGGSJFKFJ QS F ILR WQL, y
FH R S ZN GWTH R I F[4.5
QFJILRW QL]^_ _`a-
bcdecf gb chi jkl ehmcnce`opdff(
q V-
rr [).
1.4
Tujuan
XSU SFJQFTHMLJSN H O FJR S GFOFK YH TH JHFQFNFYy
1.
zLI sL JR SK MWYWJ KNFOHPH K FOH SJR SK QFRF ORFR SO KLT U F QH VWRF XLGFNIL JGGSJ FK FJZNGWTH R I F[
4.5.
2.
zLJGSK ST KLR LM FRFJ KN F OH PHK FOH QFRF OR FR SO KL T UF SJR SK V WR F XLG FN R FYSJ2014
ILJGGSJ FK FJZNGWTHRIF[4.5.
(19)
|} ~
r
t
p
t
2014
-
¡ ¢ £ ¤¥ (
¦ -
§§ ¨).
4.
~© ª
2014
« ¨4.5
-
¡ ¢£¤¥(
¦ -
§§¨).
(1)
x
Y YY
defege h ieg jYke hl meneo p qrs tpoqun evwxefyzfe hp xz{ n z{ve | zh}~ ll ieg jYke h} de{Yfp fxukYng e w hxxzhe e hmene
Training
} ieg jYke h u| uhqw jzn z{ e hehxy
v wkw hn z w hxxzhe e hmene
Training
ieg jYke h de{Yfp fxukYng e w hxxzhe e hmeneTesting
ieg jYke h de{Yfw hx f e{YY e{Yehw hxxzhe ehp fxukYn ge ieg jYke hOutput
qwnw jene hqf e{YY e{Ywhxxzhe e hqtt hn z
K
ieg jYke h oy
hn ex
en fezhn z q t t (2)
HULUAN
1.1
Latar Belakang
r
¡ ¢ £r
¢ ¡ ¤ y
£ ¤ ¢ ¥ ¤ ¦ ¡ ¢y
£ §
r
¨ rt
¢ t
£©¢ §£ £r
§r
¢ §£ª « tu
£ r
¢ t
¢ § r
¢ § £ t
u
¥u s
¤ ¦s
t
y
¤¦ £ ¤ ¦ t
¡ ¢ §
r
¦ ¤ ¡ § £u
¤¦ £ r
y
£ §r
£¢ ¬ ª §£ £ r
§ r
¢ §£ ¡ r
¤u
¤ ¢ ¢ §y
¢ ¡ §¦ r
¬ ¢ ¢ £ ¡ §£ ¤ª §£ ¤ §rt
¥ ¬ ¢ £¢ t
¢ ¢ ¥ ¦¬ r
sy
r
¢t
ª ® £¢ t
y
¢ ¥ ¦¬r
r
¢y
t y
£ ¤
r
t
r
¡ ¢ t
¥ r
¡ §£ ¤ ª¯ ¨ ¢ ¥ ¦¬ r
r
¢y
t
r
£ t
¤ s
¢ ¡ ¤¢ ª« tu t
r
°¢ ¥¦¬©©¢
y
¬ ¦y
¡ ¬ ¤ ¤ ¤ ¢ ¬ ©-
¢ ¬ ©y
£ ¬© ¢ © © §©§£ ¡ ¢ ¡§£ ª ® © ¬ ±«(2014),
¡ ¢-
¡ ¢y
£ ¡ ¬ ££ §©¢ ¢ ¬£¢ ¬ ¢ ¥ ¦¬© ©¢y
¬ ¡ ¬ ¤¡ ¬ ¢ ¡ ¢ ¨ ¢ ¦ ¬ £z
,
¡ ¢ ¨ ¢ ¬ £¢©¥ ¨ ¬ © ° ¡ ¤ ¢ ,
¡ © ¦ ¤£¢ £¨¢ ¢ ¨ ©¬ ¤¤ y
.
«¤¦ ¬ ¤¦ £
y
¥ ¡ ©¦¬ ¡ © ¬¦ ¤¦ ¡ ©¤ ¦ §£ ¢ ¬ £ ¢ ©¥ ¬© ¬ ¤¦ ¡ £ ££ © ª ® ¤¦ ¡ £ ££ © © ¡ ¢ ¤ ¦y
£ £¬ ¢ © ¤ £y
¤ ¤ ¦ ¡ £© § ©¢ §£ ¡¬ ¡ £ © ¦ ¡ §£ ¤.
²££y
¡ £ ££ © ¬ £ © £ ¢ §¬ ¢ © ¦ y
¡©¬¡ ©¢y
¬ ¤ ¡ ©¬ § ¦ ¢ y
¬ ¡ ¡ ¬ ©¢¬y
¢ § ©¢ ©£(3)
´µ¶·¸¹¹º » º¼º
t
½µ¸y
µ ¾º¾¿º¸t
· ½¾ÀÁ¸ºy
¿µ ½ ·´¿ ·¸º¸ »º¸ ½º ´ºÁº ¶ ´Â ´·º Á Áº ·¸¸ºy
à ĺr
· »ºt
º ź»º¸ Æ À´ºt
Çt
ºt
·st
·¿(
ÅÆ Ç)
» ·¿µÈº ¶À· º¸¹¿ºÈº¸ ¿µ Éʺ ˸»Â¸ µ´·º ¼º»º ̹À´È À´2014
½µ¸ ͺ¼º · º¸¹¿ º121,
Î ÊÀȺ  ɺ¸ ¹.
Ç µ»º¸ ¹¿ º¸Ï ¼µ¸» À» À¿y
º¸ ¹ ¾µ¿µ ÉÊ º ¼º» º Ì ¹À´ÈÀ´2014
º»º Áº ¶ ´µ ¾º¸y
º¿114,6
Ê ÀÈ º  ɺ¸¹.
Ð¸È À ¿ º¸¹¿º Ñ·¸¹¿ºÈ Ƶ¸ ¹º¸ ¹¹Àɺ¸ ѵɾÀ¿º(
Ñ Æ Ñ)
¼º»º ̹À´ È À´2014,
½µ¸ ÀÉÀÈ Òµ¼º Áº ÅÆ Ç Ç ÀÉy
º ½ ·¸º»ºÁº ¶´µ ¾µ ´º É5,
Î ÓÔ. J
·¿º» · ¾º¸» ·¸¹¿ º¸»µ¸ ¹º¸Ì ¹À´ÈÀ´2013,
È·¸¹¿ºÈ ¼µ¸¹º¸ ¹¹Àɺ¸ ȵ ɾÀ¿ º ½µ¸¹º Áº½ · ¼µ¸ À ÉÀ¸º¸ »º É·6,17%
½µ¸Ê º»·5,
Î ÓÔ.
ŵ É»º´º É¿º¸ ¼µÉ½º ´º Áº ¶º¸ » · ºÈ º´Ï¼µÉÁ À » · Áº¿ À¿ º¸ ¼µ¸ ¹¿ Áº ´·Õ·¿º ´·º¸ ´ÈºÈÀ´ ¿µ Éʺ ¾º ¶Öº´µ´ µÂ ɺ¸ ¹» ·¿ ºÈ º¿ º¸¼µ¸ ¹º¸ ¹¹À ɺ¸ºÈº À¾À¿º¸¼µ¸ ¹º¸ ¹¹Àɺ¸ Ãƺ»ºÈÀ¹º ´º¿ ¶· É ·¸ ·» ·¹À¸º¿º¸» Àº½µÈ»µÀ¸È À¿ ½µ¸¹¿ Áº ´·Õ·¿ º ´ ·¿º¸»ºÈº ´ÈºÈ À´ ¿µ ÉÊ º È µÉ´µ ¾ÀÈ
, y
º·ÈÀ Ì Á¹Â É·È ½º ×4.5
»º¸ ØÙÚ ÚÛ Ü-
ÝÞßàÞá â ÝÞã ä åæçà ã è ÞéÞàÛ ê ë ßáá(
ìÒ-
íí×),
» ·½º¸º ¿µ» Àº ½µÈ »µ È µ É´µ ¾ÀÈ ½µ ÉÀ¼º¿ º¸ È µ¿¸ ·¿ ¿ Áº ´ ·Õ ·¿º´ ·y
º¸ ¹ ´ µ»µÉ¶º¸º È µÈ º¼ · ½µ ½¼ À¸º ·y
¶º ´ ·Á ¿µ Éʺy
º¸ ¹ ÍÀ¿ À¼ ¾º¹À´Ã ÌÁ¹Â É·È ½º ×4.5
º»º Áº ¶ ´º Áº ¶ ´ºÈ À ½µÈ »µ ¿ Áº ´ ·Õ ·¿º ´ · »º É· îßâ ß ïãèã èä º¸ ¹y
» ·¹À¸º¿ º¸ À¸ÈÀ¿ ½µ¸¹¿Â¸ ´ÈÉÀ¿ ´ ·¿º¸ ¼Â ¶Â¸ ¿µ¼ ÀÈÀ´º¸(
îÞðãá ã çè â àÞÞ).
ñµ¸ ÀÉÀÈ Æ Éº´µÈy
Â(2014),
¼Â ¶Â ¸ ¿µ¼ ÀÈ À´º¸ ºÈ º À îÞðãáãçè âàÞÞ º»º Áº ¶ ¼Â ¶Â ¸ º¸ ¹y
» ·¹À¸º¿ º¸ ´µ ¾º ¹º · ¼É ´µ » ÀÉ ¼µ¸º Á ºÉº¸ À¸È À¿ ½µ ¸»º¼ºÈ¿º¸ Ê ºÖ º¾º¸ »ºÉ· ½º ´º Áº ¶y
º¸¹ » ·½º´ À¿¿ º¸ Ã Ì Á¹ÂɷȽº ×
4.5
» ·¼µ É¿µ¸º Á¿º¸  Áµ ¶ òÀ·¸ Áº¸(1
ÎÎó)
´µ ¾º ¹º· ôµ É´ ·¼µÉ¾º ·¿º¸ »ºÉ·º Á ¹ÂÉ·È ½ºõâÞ à ßâã éÞ öãðåçâçïã áÞ à3 (
ËÄ3).
ñµ¸ ÀÉÀÈ ÷·È ȵ¸Þâ ßë., (2011),
ÌÁ¹Â É·È ½º×4.5
½µ ½· Á·¿ · ¿µ À¸¹¹ÀÁº¸ » ·¾º¸» ·¸¹¿º¸»µ ¸ ¹º¸ ËÄ3 y
º ·ÈÀ ½º ½¼ À ½µ¸ ¹ºÈº ´ · ¸ ·Áº·y
º ¸ ¹ ¶· Áº¸ ¹(
ïãá á ã èä éßë ÙÞ),
½µ¸ ¹ºÈ º ´· »ºÈº ¾µ ÉÈ·¼µ ¿Â¸È ·¸ ÀÏ»º¸ ½µ Áº¿ À¿º¸ ¼µ ½º¸¹¿º ´º¸¼Â ¶Â¸(
øàÙèèã èä âàÞÞá).
ǵ Áº·¸·ÈÀÏ»µ¸¹º¸ ½µ¸¹¹À¸ º¿º¸ÌÁ ¹Â É·È ½º×4.5
»º¼ºÈ» ·¿µÈ º ¶À·¼ ÀÁº¸ · Áº ·¿µÈ µ¼ºÈ º¸¿ Áº ´ ·Õ ·¿ º ´ ·.
(4)
úûü üý þ
-
ÿ ÿ ýt
u
t
t
y
! " ! # ! þ" "$! !#
,
$! þ "" þ
-
ÿ ÿ(
-
)
ú ûüüý þ-
ÿ ÿ(
).
% $!y
" ! & ' & % "y
&(2012
$)
( " ) û* $ &
y
! & þ
-
ÿ ÿ(
-
),
úûüüý þ-
ÿ ÿ(
-
),
úûü üýþ
-
ÿ ÿ ý(
-
).
% " $!! $+ !"
y
$" &-
" $!$ "
-
-
.
% ! "# $!
y
" ! & ,y
'& % !"(2014)
$ ! &y
!ï
- .y
þ-
ÿÿ
(
-
).
% ! " ! "#& / !
2014
! 0&"4.5 y
$! & ú ûüüý þ
-
ÿ ÿ ý(
-).
1" ! & " $!-
.
2,
3"y
"$"! & " $!
.
456 78 98: ;<=;:; >;?%"
y
$ ! " $$"!@
1.
. " 0 &"4.5
$! & &(5)
CD EFGFH I FJ F KL
t
LMFt
FJ KN F OH PH K FOH QFR F OR FR SO KLTU F SJR SK VWRF XLGFN RFYSJ2014
IL JGGSJ FK FJZNGWTHRIF[4.5
\3.
EFGFH I FJ F KLRL MFR FJ KN F OH PHK FOH QFR F ORFR SO KLT UF SJR SK VWRF XLGFN R FYSJ2014
IL JGGSJFK FJ ILRWQL ]^_ _` a-
bcdecf g bchijkl e hm cnce ` op df f(
q V-
rr [)
\4.
EFGFH I FJ FMLT s FJQHJGFJKLR L MFRFJKN FOH PHK FOHQFRFORFR SOKLTU FSJR SKV WR F XLG FN R FYSJ2014
ILJ GGSJFKFJ ZNGWTH R I F [4.5
QFJ ILR WQL ]^_ _` a-bcde cf gbchijkl ehmcnce`opdf f
(
q V-
r r [)
\tuv
Batasan Masalah
wLTI FOFNFYFJ MFQF RSG FO FK YHT HJH QHsFRFOH SJR SK QFLTFY VWR F XL GFN
,
OLO SFH QLJG FJ ML JQFR F FJy
FJG QH N FK SK FJ WNL Y Ew x MFQF Z GSORSO2014.
wL JGWN FY FJ R LT O L sSR QHsLTHK FJ s FR FO FJ IFO FNFY MFQ F MLI sFY FOFJ RL JR FJG MLTsFJQHJGFJ YFOHN KLRL MFRFJ KNFOHPH KFOH IL JGGSJFKFJ QS F ILR WQL, y
FH R S ZN GWTH R I F[4.5
QFJILRW QL]^_ _`a-
bcdecf gb chi jkl ehmcnce`opdff(
q V-
rr [).
1.4
Tujuan
XSU SFJQFTHMLJSN H O FJR S GFOFK YH TH JHFQFNFYy
1.
zLI sL JR SK MWYWJ KNFOHPH K FOH SJR SK QFRF ORFR SO KLT U F QH VWRF XLGFN IL JGGSJ FK FJZNGWTH R I F[4.5.
2.
zLJGSK ST KLR LM FRFJ KN F OH PHK FOH QFRF OR FR SO KL T UF SJR SK V WR F XLG FN R FYSJ(6)
|} ~