Implementasi Metode Naïve Bayes dalam Penentuan Tingkat Kesejahteraan Keluarga

Made Ayu Dusea Widyadara, Roni Heri Irawan

Abstract


Tingkat kesejahteraan penduduk dalam suatu pemerintah daerah maupun pusat dapat ditunjukan dengan tingkat keberhasilnya mencapai tujuanya. Dalam rangka meningkatkan kesejahteraan penduduk, pemerintahan melaksanakan berbagai program untuk meningkatkan kesejahteraan penduduk. Namun dalam meningkatkan kesejahteraan penduduk tersebut dirasa kurang berjalan efektif, dimana seringkali ditemukan terjadinya kesalahan dalam menentukan kelayakan penerima bantuan atau kurang tepatnya dalam menentukan target sasaran penerima bantuan tersebut. Maka, diperlukan suatu sistem yang dapat digunakan untuk mengolah data kesejahteraan penduduk sehingga didapatkan informasi mengenai tingkat kesejahteraan keluarga dengan teknik data mining classification yang menggunakan metode Naive Bayes. Dengan adanya hasil prediksi kondisi penduduk setiap keluarga tersebut, diharapkan dapat memberikan informasi mengenai tingkat kesejahteraan keluarga dan dapat digunakan untuk membuat keputusan yang bertujuan untuk kesejahteraan penduduk. Data yang digunakan berdasarkan data Pemutakhiran Basis Data Terpadu (PBDT) penduduk rumah tangga yang di peroleh dari Badan Pusat Statistik (BPS) Kota Kediri melalui Badan Perencanaan, Pengembangan, Penelitian & pengembangan (BARENLITBANG) pada Bidang Penelitian dan Pengembangan Kota Kediri. Data yang berasal dari PBDT digunakan sebagai variable input dan diolah dengan metode Naive Bayes. Dimana variable class nya dibagi menjadi empat yaitu, tingkat kesejahteraan dibawah 10%, tingkat kesejahteraan dengan rentang 11% sampai dengan 20%, tingkat kesejahteraan dengan rentang 21% sampai dengan 30% dan tingkat kesejahteraan dengan rentang 31% sampai dengan 40%. Hasil dari penelitian ini adalah aplikasi data mining dengan metode Naive Bayes dalam menentukan dan memprediksi tingkat kesejahteraan keluarga dengan tingkat akurasi mencapai 87%.

Full Text:

PDF

References


BKKBN, “Profil Hasil Pendataan Keluarga Tahun 2011,” in Badan Kependudukan dan Keluarga Berencana Nasional Direktorat Pelaporan dan Statistik, jakarta: Badan Kependudukan dan Keluarga Berencana Nasional Direktorat Pelaporan dan Statistik, 2011.

E. Karyadiputra, E. Noersasongko, dan A. Marjuni, “KLASIFIKASI STATUS KESEJAHTERAAN RUMAH TANGGA KELUARGA BINAAN SOSIAL MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS SELEKSI ATRIBUT CHI SQUARED,” Cyberku J., vol. 12, no. 2, hal. 3–3, 2016.

F. J. Simatupang, T. Wuryandari, dan Suparti, “Klasifikasi Rumah Layak Huni Di Kabupaten Brebes Dengan Menggunakan Metode Learning Vector Quantization Dan Naive Bayes,” GAUSSIAN, vol. 5, no. 1, hal. 99–111, Jan 2016.

G. Kishō-Kenkyūsho (Kyōto), H. K. Saputra, dan I. Novid, “The Meteorological notes of the Meteorological Research Institute Series 3.,” J. Teknol. Inf. dan Pendidik., vol. 11, no. 2, hal. 55–62, Apr 2018.

M. Han, J. & Kamber, “Data Mining : Concept and Techniques Second Edition,” in Morgan Kaufmann Publishers, San Francisco: Morgan Kaufmann Publishers, 2011.

Maymunatu Azzainabiy, “Implementasi Metode Simple Additive Weighting Untuk Sistem Pendukung Keputusan Penentuan Warga Miskin Kota Pekalongan,” Paradig. - J. Komput. dan Inform., vol. 19, no. 1, hal. 38–45, 2017.

C. R. Spritta, Y. D. Lulu, dan H. Rachmawati, “Aplikasi Teknik Classification Data Mining Kependudukan dengan Menggunakan Metode Naïve Bayes untuk Memprediksi Kondisi Penduduk (Studi Kasus : Kecamatan Luhak Nan Duo),” J. Aksara Komput. Terap., vol. 3, no. 1, 2014.

D. Iskandar dan Y. K. Suprapto, “Perbandingan akurasi klasifikasi tingkat kemiskinan antara algoritma C4 . 5 dan Naïve Bayes Clasifier,” JAVA J. Electr. Electron. Eng., vol. 11, no. 1, hal. 14–17, Apr 2013.

C. A. Ramadhan Suparman, E. Purwanti, dan P. Widiyanti, “Application Design of Dengue Hemorrhagic Fever Patients Screening Using Naive Bayes Method,” J. Biomimetics, Biomater. Biomed. Eng., vol. 34, hal. 20–28, 2017.

A. . Kenifesia, “Implementasi dan Study Analisis Data Mining Menggunakan Metode Bayesian untuk Menentukan Probabilitas Presentase Penerimaan Mahasiswa Baru Politeknik Caltex Riau,” in Politeknik Caltex Riau., Pekanbaru: Politeknik Caltex Riau., 2007.

E. Turban, Decision Support Systems and Intelligent Systems. Yogyakarta: ANDI, 2005.


Article Metrics

Abstract has been read : 1900 times
PDF file viewed/downloaded: 0 times


DOI: http://doi.org/10.25273/research.v2i1.4259

Refbacks

  • There are currently no refbacks.




This work by Research is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.