PENERAPAN ALGORITMA NAÏVE BAYES PADA DATA MINING UNTUK PERBANDINGAN TINGKAT AKURASI KEMISKINAN DI INDONESIA

Aryo Putro Adi Baskorojati; Rizky Tahara Shita

Penulis

Aryo Putro Adi Baskorojati Universitas Budi Luhur
Rizky Tahara Shita Universitas Budi Luhur

Kata Kunci:

Perbandingan Tingkat Akurasi, Algoritma Naive Bayes, Data Mining, Kemiskinan

Abstrak

Badan Pusat Statistik (BPS) memiliki peran penting dalam menyediakan data statistik yang akurat dan terkini untuk Indonesia, namun pengolahan dan analisis data dalam jumlah besar menjadi tantangan tersendiri. Penerapan sistem prediksi berbasis web menggunakan metode Naïve Bayes dapat menjadi solusi yang tepat untuk mengatasi tantangan ini, memungkinkan BPS memproses dan menganalisis data secara lebih efektif dan efisien. Data mining, yang merupakan teknik penggalian informasi dari data, dapat digunakan untuk menganalisis data statistik dari berbagai sektor, seperti ekonomi, kesehatan, dan pendidikan. Permasalahan yang dihadapi yaitu Badan Pusat Statistik (BPS) membutuhkan aplikasi untuk menghadapi tantangan tingkat akurasi data kemiskinan, aplikasi tersebut perlu dirancang untuk menangani masalah yang mempengaruhi akurasi. Metode Naïve Bayes, yang menggunakan algoritma klasifikasi berbasis probabilitas, dapat membantu BPS memprediksi kategori data baru dengan cukup akurat. Sistem prediksi ini terdiri dari beberapa tahap, yaitu pengumpulan data, training model, prediksi, dan pengambilan keputusan. Implementasi sistem ini diharapkan dapat memberikan beberapa keuntungan, seperti meningkatkan akurasi dan efisiensi dalam pengolahan dan analisis data, memudahkan BPS dalam memprediksi tren dan pola data, serta mendukung pengambilan keputusan yang lebih tepat berdasarkan data. Secara keseluruhan, penerapan sistem prediksi berbasis web menggunakan metode Naïve Bayes dapat menjadi solusi yang efektif dan efisien untuk membantu BPS dalam mengelola data statistik dan mendukung pengambilan keputusan. Setelah dilakukan pengolahan data menggunakan metode preprocessing, proses algoritma naïve bayes dijalankan menggunakan data training 10% dan data testing 90% dari data kemiskinan di Indonesia periode tahun 2023 sampai dengan tahun 2024 dengan data keseluruhan sebanyak 210 data. Berdasarkan hasil pengujiannya diperoleh hasil accuracy 94,2%.. Tujuan dari penelitian ini adalah untuk menilai efektivitas dan keakuratan algoritma dalam mengklasifikasikan data kemiskinan.

Referensi

A. Damuri, U. Riyanto, H. Rusdianto, and M. Aminudin, “Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako,” JURIKOM (Jurnal Ris. Komputer), vol. 8, no. 6, pp. 219-225, 2021, doi: 10.30865/jurikom.v8i6.3655.

A. Twin, Data Mining Data mining, vol. 2, no. 2020. 2023.

B. G. Sudarsono, M. I. Leo, A. Santoso, and F. Hendrawan, “Analisis Data Mining Data Netflix Menggunakan Aplikasi Rapid Miner,” JBASE: Journal of Business and Audit Information System, vol. 4, no. 1, pp. 13–21, 2021, doi: 10.30813/jbase.v4i1.2729.

A. Asri, A. Arifin, W. Handoko, and Z. Efendi, “Implementasi Metode Naive Bayes Untuk Klasifikasi Penerima Program Keluarga Harapan,” J-Com (Journal of Computer ), vol. 2, no. 1, pp. 21–26, 2022.

M. Rasyida, “Naïve Bayes Classification untuk Penentuan Status Penduduk Miskin,” J. Inform. Kaputama, vol. 4, no. 2, pp. 175–180, 2020, doi: 10.59697/jik.v4i2.329.

Y. Mardi, “Data Mining: Klasifikasi Menggunakan Algoritma C4.5 Data Mining Merupakan Bagian Dari Tahapan Proses Knowledge Discovery in Database (KDD), Jurnal Edik Informatika,”, vol. 2, no. 2, pp. 213–219, 2019.

A. Triayudi and Sumiati, “Implementasi Klasifikasi Data Mining Untuk Penentuan Kelayakan Pemberian Kredit dengan Menggunakan Algoritma Naïve Bayes,” Jurnal Sistem Komputer dan Informatika, vol. 4, no. 1, pp. 240–244, 2022, doi: 10.30865/json.v4i1.4653.

H. Harliana and F. N. Putra, “Klasifikasi Tingkat Rumah Tangga Miskin Saat Pandemi Dengan Naïve Bayes Classifier,” Jurnal Sains dan Informatika, vol. 7, no. 2, pp. 165–173, 2021, doi: 10.34128/jsi.v7i2.339.

W. Yulita, E. D. Nugroho, and M. H. Algifari, “Analisis Sentimen Terhadap Opini Masyarakat Tentang Vaksin Covid-19 Menggunakan Algoritma Naïve Bayes Classifier,” Jurnal Data Mining dan Sistem Informasi, vol. 2, no. 2, pp. 1-9, 2021, doi: 10.33365/jdmsi.v2i2.1344.

D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional,” Jurnal Teknokompak, vol. 15, no. 1, pp. 131-145, 2021, doi: 10.33365/jtk.v15i1.744.

H. Susana, “Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet,” JURSISTEKNI: Jurnal Riset Sistem Informasi dan Teknologi Informasi, vol. 4, no. 1, pp. 1–8, 2022, doi: 10.52005/jursistekni.v4i1.96.