Penerapan Metode Naive Bayes untuk Menentukan Klasifikasi Kelayakan Penerimaan Bantuan Rehabilitasi dan Pembangunan Sekolah pada Dinas Pendidikan dan Kebudayaan Kabupaten Banyuasin
Abstract
Klasifikasi merupakan salah satu proses pada data mining. Ada banyak jenis dalam pengunaan algoritma klasifikasi dalam data mining. Pada penelitian ini peneliti ingin melakukan proses klasifikasi terhadap data kelayakan penerima bantuan rehabilitasi dan pembangunan pada sekolah yang ada di wilayah Kabupaten Banyuasin. Dalam melakukan proses penentuan kelayakan penerimaan bantuan rehabilitasi bangunan sekolah pada wilayah Kabupaten Banyuasin perlu dilakukan proses klasifikasi kelayakan penerimaan bantuan. Klasifikasi dibuat berdasarkan data sekolah sebagai kriteria atau atribut dari proses klasifikasi yang akurat dan cepat. Dibutuhkan data yang valid agar proses klasifikasi ini dapat berguna dan mengurangi kesalahan. Guna mendukung penelitian, digunakan model Naïve Bayes Classifier. Metode ini adalah sebuah model dari bagian klasifikasi yang sederhana untuk melakukan proses perhitungan dari beberapa kumpulan probabilitas dengan melakukan kombinasi dari beberapa nilai pada sebuah dataset yang telah diberikan. Hasil penelitian diharapkan dapat dijadikan sebagai informasi pada Dinas Pendidikan Kabupaten Banyuasin dalam menentukan setiap sekolah apakalah layak atau tidak untuk menerima bantuan rehabilitasi dan pembangunan. Hasil dari serangkaian pengujian ini menegaskan bahwa model Naive Bayes dengan skema pembagian data 50% untuk pelatihan dan 50% untuk pengujian memberikan performa terbaik. Dengan akurasi pengujian mencapai 99.05% dan nilai-nilai recall serta presisi yang seimbang dan tinggi, model ini dapat diandalkan dalam membantu pengambilan keputusan terkait kelayakan penerimaan bantuan rehabilitasi dan pembangunan sekolah.
Full Text:
PDFReferences
Abbot, M. L., & McKinney, J. (2013). Understanding and applying research design. John Wiley & Sons, Inc.
Andre, A., & Negara, E. S. (2021). Pemanfaatan Data Mining Untuk Memprediksi Kelulusan Uji Kompetensi SMK Jurusan Teknik Komputer Jaringan Di SMK Setia Darma Palembang Dengan Algoritma C 4.5. In Bina Darma Conference on Computer Science (BDCCS) (Vol. 3, No. 3, pp. 569-576).
Army, A., & Tujni, B. (2020). Penerapan Algoritma Naïve Bayes Untuk Menentukan Nasabah Potensial Klaim Pada PT Penjaminan Jamkrindo Syariah. Bina Darma Conference on Computer Science, 2(1), 207–217.
Arya, A. D., & Nurhaida, I. (2020). Komparasi Algoritma Naïve Bayes Dan C4. 5 Dalam Menentukan Kelayakan Bantuan Kip (Kartu Indonesia Pintar). https://repository.mercubuana.ac.id/68157/%0A, https://repository.mercubuana.ac.id/68157/1/Jurnal_41516010048_AmatDeskaAryaAbdurahman.pdf
Faid, M., Jasri, M., & Rahmawati, T. (2019). Perbandingan Kinerja Tool Data Mining Weka dan Rapidminer Dalam Algoritma Klasifikasi. Teknika, 8(1), 11–16. https://doi.org/10.34148/teknika.v8i1.95
Ginantra, N. L. W. S. R., ARifah, F. N., Wijaya, A. H., Septarini, R. S., Ahmad, N., Ardiana, D. P. Y., ... & Negara, E. S. (2021). Data mining dan penerapan algoritma. Yayasan Kita Menulis.
Guia, M., Silva, R. R., & Bernardino, J. (2019). Comparison of Naive Bayes, support vector machine, decision trees and random forest on sentiment analysis. IC3K 2019 - Proceedings of the 11th International Joint Conference on Knowledge Discovery, Knowledge Engineering and Knowledge Management, 1(January), 525–531. https://doi.org/10.5220/0008364105250531
Idzha, M., Ranius, A., Sutabri, T., & Ranius, A. Y. (2023). Analisis Manajemen Pelayanan PT. KAI Sebagai Pengguna pada Aplikasi KAI ACCESS Berbasis Teknologi Informasi Menggunakan Framework ITIL Version 3. Indonesian Journal of Multidisciplinary on Social and Technology, 1(2), 135–140. https://doi.org/10.31004/ijmst.v1i2.136
Lahallo, J., Hasan, P., Temba, J., & Thamrin, R. M. H. (2021). Seleksi Penerima Bantuan Rehab Rumah Warga Kampung Koya Koso Menggunakan Metode Profile Matching. Jurnal Eksplora Informatika, 10(2), 122–130. https://doi.org/10.30864/eksplora.v10i2.493
Naas, A., Na’iema, S., Mulyo, H., & Widiastuti, A. (2022). Klasifikasi Penerima Bantuan Program Rehabilitasi Rumah Tidak Layak Huni Menggunakan Algoritme K-Nearest Neighbor. Jurnal Teknologi Dan Sistem Komputer, 10(1), 32–37. https://doi.org/10.14710/jtsiskom.2022.14110
Nata, A., & Suparmadi, S. (2022). Analisis Sistem Pendukung Keputusan Dengan Model Klasifikasi Berbasis Machine Learning Dalam Penentuan Penerima Program Indonesia Pintar. Journal of Science and Social Research, 5(3), 697. https://doi.org/10.54314/jssr.v5i3.1041
Nurhachita, N., & Negara, E. S. (2020). A comparison between naïve bayes and the k-means clustering algorithm for the application of data mining on the admission of new students. Jurnal Intelektualita: Keislaman, Sosial dan Sains, 9(1), 51-62.
Nurhachita, N., & Negara, E. S. (2021). A comparison between deep learning, naïve bayes and random forest for the application of data mining on the admission of new students. IAES International Journal of Artificial Intelligence, 10(2), 324.
Prasetyo, H., & Sutopo, W. (2017). Perkembangan Keilmuan Teknik Industri Menuju Era. Seminar Dan Konferensi Nasional IDEC 2017, 488–496. https://idec.ft.uns.ac.id/wp-content/uploads/2017/11/Prosiding2017_ID069.pdf
Putra, S. J., Khalil, I., Gunawan, M. N., Amin, R., & Sutabri, T. (2018). A Hybrid Model for Social Media Sentiment Analysis for Indonesian Text. Proceedings of the 20th International Conference on Information Integration and Web-Based Applications & Services, 297–301. https://doi.org/10.1145/3282373.3282850
Romzi, M., & Kurniawan, B. (2020). Pembelajaran Pemrograman Python Dengan Pendekatan Logika Algoritma. Jurnal Teknik Informatika Mahakarya, 03(2), 37–44.
Saleh, A. (2015). Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. Journal of Informatics, Information System, Software Engineering and Applications (INISTA), 2(3). https://doi.org/10.20895/inista.v1i2.73
Saputra, C. B., Muzakir, A., & Udariansyah, D. (2019). Analisis Sentimen Masyarakat Terhadap #2019Gantipresiden Berdasarkan Opini Dari Twitter Menggunakan Metode Naive Bayes Classifier. Bina Darma Conference on Computer Science, 403–413.
Sumpena, J., & Kurnia, N. (2019). Analisis Prediksi Kelulusan Siswa PKBM Paket C dengan Metoda Algoritma Naïve Bayes. Tedc, 13(2), 127–133.
Sutabri, T. (2014). Analisis Sitem Informasi. In Yogyakarta (Vol. 53, Issue 9).
Sutabri, T., & Napitupulu, D. (2019). Sistem Informasi Bisnis. Andi Offset.
Sutabri, T., Suryatno, A., Setiadi, D., & Negara, E. S. (2018). Improving Naïve Bayes in Sentiment Analysis For Hotel Industry in Indonesia. 2018 Third International Conference on Informatics and Computing (ICIC), 1–6. https://doi.org/10.1109/IAC.2018.8780444
Wanto, A., Kom, M., Siregar, M. N. H., Windarto, A. P., Hartama, D., Ginantra, N. L. W. S. R., ... & Prianto, C. (2020). Data Mining: Algoritma dan Implementasi. Yayasan kita menulis.
DOI: https://doi.org/10.37012/jtik.v9i2.1790
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Reza Pahlevi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Address:
Universitas Mohammad Husni Thamrin
Jl. Raya Pd. Gede No.23-25, RT.2/RW.1, Dukuh, Kec. Kramat jati, Kota Jakarta Timur, Daerah Khusus Ibukota Jakarta 13550
Jurnal Teknologi Informatika & Komputer Mohammad Husni Thamrin is licensed under a Creative Commons Attribution 4.0 International License.