Implementasi Metode Naïve Bayes dalam Penentuan Tingkat Kesejahteraan Keluarga

Authors

  • Made Ayu Dusea Widyadara Universitas Nusantara PGRI Kediri
  • Roni Heri Irawan Universitas Nusantara PGRI Kediri

DOI:

https://doi.org/10.25273/research.v2i1.4259

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%.

Downloads

Download data is not yet available.

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.

Downloads

Published

2019-04-24

How to Cite

Widyadara, M. A. D., & Irawan, R. H. (2019). Implementasi Metode Naïve Bayes dalam Penentuan Tingkat Kesejahteraan Keluarga. RESEARCH : Journal of Computer, Information System & Technology Management, 2(1), 19–24. https://doi.org/10.25273/research.v2i1.4259

Issue

Vol. 2 No. 1 (2019)

Section

Articles

License

Authors who publish with this journal agree to the following terms:

Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.

Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.

Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Crossref
Scopus
Google Scholar
Europe PMC