Penerapan Data Mining Untuk Mengklasifikasi Penerima Bantuan PKH Desa Wae Jare Menggunakan Metode Naïve Bayes

Purnama, Apolinaria Ifon; Wang, Li; Wiguna, Anggri Sartika

doi:10.33479/kurawal.v3i2.348

Cited by 2 publications

(2 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Jalur perhitungan yang lebih pendek membuat algoritma ini lebih mudah digunakan. Berdasarkan penelitian yang sudah dilaksanakan oleh [7]. Metode Naïve Bayes menerapkan model Confusion Matrix dengan 210 jumlah data, 154 sebagai data training dan 56 data testing akurasi yang dihasilkan sebesar 82,14%.…”

Section: Pendahuluanunclassified

Klasifikasi Emosi Pengguna Twitter Terhadap Bakal Calon Presiden Pada Pemilu 2024 Menggunakan Algoritma Naïve Bayes

Arifin,

Al-Idrus

2024

j.sains manaj. inform. dan kompʹût.

View full text Add to dashboard Cite

Tahun 2024 mendatang akan menjadi tahun politik. Terdapat tiga bakal calon presiden yang namanya telah muncul di masyarakat, yaitu Anies Baswedan, Ganjar Pranowo, dan Prabowo Subianto. Banyak berseliweran di media sosial terkhususnya Twitter respon mengenai para tokoh politik tersebut. Beragamnya respon para pengguna Twitter terhadap bakal calon presiden di pemilu 2024 mengakibatkan juga banyaknya jenis dari emosi “cuitan” para penggunanya, oleh karena itu diperlukan adanya analisis untuk mengetahui pandangan masyarakat terhadap para bakal calon presiden tersebut berdasarkan klasifikasi emosinya. Klasifikasi emosi pada proses penelitian ini menggunakan algoritma Multinomial Naïve Bayes dengan melibatkan beberapa tahapan proses, seperti preprocessing data, pelabelan data, ekstraksi fitur, pembagian dataset, klasifikasi, dan evaluasi model. Menggunakan pembagian data dengan metode 80:20, yaitu data latih dibagi menjadi 80% dan data uji menjadi 20%. Hasil pelabelan emosi dari tiap bakal calon presiden menunjukkan nilai yang berbeda satu sama lain. Tahapan pengujian dilakukan dan dibagi dengan beberapa tahap, yaitu pengujian menggunakan label netral, tanpa label netral, dan random sampling. Performa model algoritma Naïve Bayes tanpa menggunakan label netral menunjukkan performa yang lebih baik, dengan nilai akurasi model sebesar 58% pada data Anies Baswedan, 58% pada data Prabowo Subianto, dan 76% pada data Ganjar Pranowo, serta gabungan 69%. Klasifikasi pada skenario pengujian menggunakan label netral menunjukkan akurasi sebesar 55% pada data Anies Baswedan, 60% pada data Ganjar Pranowo, dan 53% pada data Prabowo Subianto, sedangkan untuk gabungan semuanya nilai akurasi sebesar 51%.

show abstract

Section: Pendahuluanunclassified

Klasifikasi Emosi Pengguna Twitter Terhadap Bakal Calon Presiden Pada Pemilu 2024 Menggunakan Algoritma Naïve Bayes

Arifin,

Al-Idrus

2024

j.sains manaj. inform. dan kompʹût.

View full text Add to dashboard Cite

show abstract

“…Seperti pada penelitian yang dilakukan oleh Warisa mengenai klasifikasi penerima bantuan langsung tunai (BLT) dengan menerapkan metode naïve bayes. Penelitian ini menghasilkan, akurasi 83.67%, presisi78.79% dan recall 74.29% [5]. Penelitian yang dilakukan oleh Amat Damuri, Umbar Riyanto, Hengki Rusdianto, dan Mohammad Aminudin, menerapkan metode naïve bayes dan evaluasi confusion matrix pada proses klasifikasi kelayakan penerima BLT di Bekasi.…”

Section: Pendahuluanunclassified

Klasifikasi Kelayakan Keluarga Penerima Bantuan Langsung Tunai Menggunakan Gain Ratio Dan Naïve Bayes

2023

View full text Add to dashboard Cite

Indonesia termasuk salah satu negara berkembang yang menghadapi kemiskinan khususnya didaerah kecil seperti Kelurahan Talang Babat yang terletak di Kabupaten Tanjung Jabung Timur Provinsi Jambi, penyebab terjadinya kemiskinan yaitu data warga penerima Bantuan Langsung Tunai tidak akurat dan tidak tepat sasaran.Hal ini dapat menimbulkan keluhan masyarakat, dan ketidakpuasan terhadap petugas kelurahan. Salah satu aspek penting yang mendukung strategi penanggulangan kemiskinan adalah dengan tersedianya data warga penerima Bantuan Langsung Tunai (BLT) yang akurat dan tepat sasaran. Oleh karena itu dibutuhkan metode untuk megelompokkan data penerima BLT, agar pemberian BLT tepat sasaran. Pada penelitian ini algoritma Naïve Bayes diimplementasikan dan dianalisis menggunakan evaluasi 3 options dengan Rapid miner sebagai alat bantu penelitian. Dari hasil evaluasi menggunakan 3 options test yaitu Use training set, 5 Fold Cross-Validation dan 10 Fold Cross-Validation, didapatkan persentase nilai tertinggi pada pengujian Use training set yang akurasinya sebesar 90,60%, presisi 96,67%, dan recall 92,06%.

show abstract

Penerapan Data Mining Untuk Mengklasifikasi Penerima Bantuan PKH Desa Wae Jare Menggunakan Metode Naïve Bayes

Cited by 2 publications

References 3 publications

Klasifikasi Emosi Pengguna Twitter Terhadap Bakal Calon Presiden Pada Pemilu 2024 Menggunakan Algoritma Naïve Bayes

Klasifikasi Emosi Pengguna Twitter Terhadap Bakal Calon Presiden Pada Pemilu 2024 Menggunakan Algoritma Naïve Bayes

Klasifikasi Kelayakan Keluarga Penerima Bantuan Langsung Tunai Menggunakan Gain Ratio Dan Naïve Bayes

Contact Info

Product

Resources

About