Algoritma Naive Bayes untuk Prediksi Kepuasan Pelayanan Perekaman e-KTP

Abstract

Abstrak-Layanan publik adalah semua kegiatan layanan yang dilakukan oleh penyedia layanan publik sebagai upaya untuk memenuhi kebutuhan penerima layanan sesuai dengan ketentuan dan aturan yang dibuat. Pelayanan e-KTP sebagai salah satu layanan publik yang masih belum maksimal, hali ini dibuktikan dengan data yang telah dikumpulkan. Sampel data yang diambil adalah data dari Kecamatan Batujajar Kabupaten Bandung Barat. Kecataman Batujajar menjadi tempat pengambilan data karena masih banyak data yang belum terekam sebanyak sebanyak 7974 data e-KTP. Untuk mengetahui lebih dini tingkat kepuasan mayarakat terhadap pelayanan perekaman e-KTP, salah satunya menggunakan data mining. Pada penelitian ini akan memprediksi tingkat kepuasan pelayanan perekaman e-KTP dengan mengumpulkan 17 indikator dengan menggunakan skala likert. Data kepuasan yang telah dikumpulkan akan dipisahkan antara data latih dan data uji. Hasil model data latih akan digunakan untuk melihat akurasi pada data uji, Dari hasil pengujian, ditemukan bahwa alagoritma naïve bayes memiliki akurasi sebesar 91.70%. Adapun algoritma pembanding dalam hal ini Decision Tree, yaitu sebesar 65.90%. Kata-kata kunci: Naive Bayes, Decision Tree, e-KTP,Klasifikasi. Abstract-Public services are all service activities carried out by community service providers to meet the needs of service recipients, as well as in the implementation of rules. The e-ID Card (e-KTP) service as one of the public services provided is still not maximal, it is proven by the data that has been collected. Samples of data taken are data from Batujajar District, West Bandung Regency. Batujajar District is the place for data collection because there are 7974 e-ID Card data that have not been recorded. To find out the level of community satisfaction with e-ID Card recording services, one of them uses data mining. The study will predict the level of satisfaction of e-ID Card recording services by collecting 17 indicators using a Likert scale. Satisfaction data that has been gathered will be collected between training data and test data. The results of the training data model will be used to see the accuracy of the test data. From the results of testing, the Bayes algorithmhas an accuracy of 91.70%. There is a comparison algorithm in this case, the Decision Tree, which is 65.90%.

PENERAPAN MEMBACA TULISAN DI DALAM GAMBAR MENGGUNAKAN METODE OCR BERBASIS WEBSITE (STUDI KASUS: e-KTP)

“…Pemerintah Republik Indonesia telah memperkenalkan Kartu Tanda Penduduk Elektronik Indonesia (e-KTP) sebagai kartu identitas bagi penduduk (Suriadi & Hasibuan, 2013;Wahyono & Zakiyah, 2020;Yani et al, 2017). Informasi yang disajikan pada e-KTP mencakup lima jenis yaitu NIK, biodata, foto, sidik jari dan tanda tanga (Amrizal et al, 2016;Apandi & Sugianto, 2019). E-KTP dapat mempermudah pertukaran data karena chip yang dipasangka pada kartu.…”

The Prediction of Ppa and Kip-Kuliah Scholarship Recipients Using Naive Bayes Algorithm

“…Tahap pemodelan menggunakan Algoritma Naive Bayes yaitu sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan [14], [15].…”

“…Variabel yang digunakan untuk program beasiswa PPA yaitu Indeks Prestasi Kumulatif (IPK), jumlah tanggungan dan penghasilan. Sedangkan untuk beasiswa Kartu Indonesia Pintar Kuliah (KIP-K) data yang digunakan terdiri dari tes tulis, tes wawancara, kondisi ekonomi, prestasi akademik, prestasi non akademik, hasil survei.Tahap pemodelan menggunakan Algoritma Naive Bayes yaitu sebuah pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan[14],[15].Tahap evaluasi, menggunakan Confussion matrix. Confussion matrix menurut Han dan Kamber yang dikutip dalam penelitian Fibrianda, dkk[16] dapat diartikan sebagai suatu alat yang memiliki fungsi untuk melakukan analisis apakah classifier tersebut baik dalam mengenali tuple dari kelas yang berbeda.…”

Klasifikasi Kinerja Programmer pada Aktivitas Media Sosial dengan Metode Support Vector Machines

“…Validasi dilakukan dengan metode Cross Validation. Cross Validation adalah sebuah metode untuk mempredikisi keakuratan data pengujian [27]. Metode Cross Validation yang digunakan adalah K-fold cross validation yaitu, sebuah teknik yang dapat melakukan pengulangan data latih (training) dan data uji (testing) dengan sebanyak k pengulangan dan pembagian 1/k dari dataset, dimana 1/k tersebut akan digunakan sebagai data uji [8].…”