Sebuah Penerapan Metode Naïve Bayes dalam Klasifikasi Masyarakat Miskin pada Desa Tanjungsari

Tundo Tundo; Mesra Betty Yel; Veri Arinal; Bobby Arvian James; Andi Saidah

doi:10.36499/jinrpl.v6i1.9799

Sebuah Penerapan Metode Naïve Bayes dalam Klasifikasi Masyarakat Miskin pada Desa Tanjungsari

Tundo Tundo, Mesra Betty Yel, Veri Arinal, Bobby Arvian James, Andi Saidah

Abstract

The main problem in efforts to reduce poverty today is related to the fact that economic growth is not spread evenly. The research will carry out classification based on data on poor residents obtained from Tanjungsari Village, Kajen District using data mining techniques. The attributes that will be used in classifying residents are Education, Occupation, Income, Dependents, Electricity Power, Home Ownership Status. The method that will be used is the Naïve Bayes Classifier method, which is one of the classification techniques in data mining. The expected result of this research is to obtain information/data regarding determining poverty in the Tanjungsari Village community which can be used by the district government to design strategies to improve community welfare. The classification system for the poor population of Tanjungsari Village is based on the results of confusion matrix testing, using the Naïve Bayes classification method based on test data taken from the research object, obtaining an accuracy rate of 83%, a recall value of 100%, a precision of 83%, and an error rate of 17%.

Keywords

Data Mining, Naïve Bayes, Poverty, Classification

Full Text:

PDF

References

Aprilia, R., Muludi, K. and Aristoteles (2016) ‘Pemetaan Sebaran Asal Siswa Dan Klasifikasi Jarak Asal Siswa Sma Negeri Di Kabupaten Pringsewu Menggunakan Metode Naive Bayes’, Junal Komputasi, 4(2), pp. 52–101.

Arifin, A. (2019) ‘Analisis Faktor - Faktor Yang Mempengaruhi Kemiskinan di Indonesia’, Jurnal Administrasi Publik dan Bisnis, 1(2), pp. 1–15.

Arifin, A. A. A., Handoko, W. and Efendi, Z. (2022) ‘Implementasi Metode Naive Bayes Untuk Klasifikasi Penerima Program Keluarga Harapan’, J-Com (Journal of Computer), 2(1), pp. 21–26. doi: 10.33330/j-com.v2i1.1577.

Damuri, A. et al. (2021) ‘Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako’, JURIKOM (Jurnal Riset Komputer), 8(6), p. 219. doi: 10.30865/jurikom.v8i6.3655.

Dewi, I. G. A. M. P., Parwita, W. G. S. and Setiawan, I. M. D. (2021) ‘Algoritma Decision Tree untuk Klasifikasi Calon Debitur LPD Desa Adat Anggungan’, Jurnal Krisnadana, 1(1), pp. 23–36. doi: 10.58982/krisnadana.v1i1.79.

Jumairah&Mulyadi (2017) ‘Analisis Perbandingan Klasifikasi Algoritma CART dengan Algoritma C 4 . 5 Pada Kasus Penderita Kanker Payudara’, 17(1), pp. 171–183.

Karyadiputra, E. (2016) ‘Analisis Algoritma Naive Bayes Untuk Klasifikasi Status Kesejahteraan Rumah Tangga Keluarga Binaan Sosial’, Jurnal Technologia, 7(4), pp. 199–208.

Manurung, E. and Hasugian, P. S. (2019) ‘Data Mining Tingkat Pesanan Inventaris Kantor Menggunakan Algoritma Apriori pada Kepolisian Daerah Sumatera Utara’, Journal Of Informatic Pelita Nusantara, 4(2), pp. 8–13.

Rachman, R. and Handayani, R. N. (2021) ‘Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM’, Jurnal Informatika, 8(2), pp. 111–122. doi: 10.31294/ji.v8i2.10494.

Rahman, A. and Suryanto, A. (2017) ‘Implementasi Sistem Informasi Seleksi Penerima Beasiswa Dengan Metode Naive Bayes Classifier’, Jurnal Penelitian Pendidikan Indonesia, 2(3), pp. 1–8.

Rasyida, M. (2020) ‘Naïve Bayes Classification untuk Penentuan Status Penduduk Miskin’, Jurnal Informatika Kaputama(JIK), 4(2), pp. 175–180.

Rosandy, T. (2016) ‘Perbandingan Metode Naive Bayes Classifier dengan Metode Decision Tree Untuk Menganalisa Kelancaran Pembiayaan’, Jurnal TIM Darmajaya, 02(01), pp. 52–62.

Sutopo, J. et al. (2023) ‘Dance Gesture Recognition Using Laban Movement Analysis with J48 Classification’, Indonesian Journal of Electrical Engineering and Informatics (IJEEI), 11(2), pp. 528–536. doi: 10.52549/ijeei.v11i2.4314.

Tundo, Akbar, R. and Sela, E. I. (2020) ‘Analisis Perbandingan Fuzzy Tsukamoto Dan Sugeno Dalam Menentukan Jumlah Produksi Kain Tenun Menggunakan Base Rule Decision Tree’, Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 7(1), pp. 171–180. doi: 10.25126/jtiik.202071751.

Tundo, T. and ’Uyun, S. (2020) ‘Penerapan Decision Tree J48 dan Reptree dalam Menentukan Prediksi Produksi Minyak Kelapa Sawit menggunakan Metode Fuzzy Tsukamoto’, Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 7(3), p. 483. doi: 10.25126/jtiik.2020731870.

Tundo, T. and ’Uyun, S. (2022) ‘Konsep Decision Tree Reptree Untuk Melakukan Optimasi Rule Dalam Fuzzy Inference System Tsukamoto’, Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 9(3). doi: 10.25126/jtiik.202292601.

Tundo, T. and Mahardika, F. (2023) ‘Fuzzy Inference System Tsukamoto – Decision Tree C 4 . 5 in Predicting the Amount of Roof Tile Production in Kebumen’, JTAM (Jurnal Teori dan Aplikasi Matematika), 7(2), pp. 533–544.

DOI: http://dx.doi.org/10.36499/jinrpl.v6i1.9799