Penerapan Algoritma Support Vector Machine untuk Memprediksi Tingkat Partisipasi Pemilu terhadap Kualitas Pendidikan
DOI:
https://doi.org/10.29408/edumatic.v8i1.24838Keywords:
election, participation, prediction, support vector machineAbstract
Elections are a democratic means of choosing leaders. Public participation in elections is important for a healthy democracy. The quality of education influences public participation in elections. Therefore, the government needs to improve the quality of education in the Pasuruan Regency area. This research aims to predict the level of participation in elections on the quality of education in Pasuruan Regency. This research uses the Education sector dataset obtained from BPS data for Pasuruan Regency in 2022 and the level of election participation obtained from the recapitulation of the 2019 election results. Data analysis was carried out in an experimental stage to determine the variables to be predicted (target variables) and the variables used to predict it (predictor variable) using the Support Vector Machine (SVM) algorithm with three kernels, namely linear, rbf, and polynomial. The findings show an accuracy of 88.4% for the linear kernel, 88.5% for the rbf kernel, and 88.5% for the polynomial kernel. The quality of education can influence the level of election participation. This is because high quality education can increase public awareness of the importance of participating in elections.
References
Amri, Z., Kusrini, K., & Kusnawi, K. (2023). Prediksi Tingkat Kelulusan Mahasiswa menggunakan Algoritma Naïve Bayes, Decision Tree, ANN, KNN, dan SVM. Edumatic: Jurnal Pendidikan Informatika, 7(2), 187-196. https://doi.org/10.29408/edumatic.v7i2.18620
Andini, Y., Hardinata, J. T., Purba, Y. P., Studi, P., Informasi, S., Utara, S., & Apriori, M. (2022). Penerapan Data Mining Terhadap Tata Letak Buku. Jurnal Technology Informatics & Computer System, XI(1), 9–15.
Armansyah, A., & Ramli, R. K. (2022). Model Prediksi Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes. Edumatic: Jurnal Pendidikan Informatika, 6(1), 1-10. https://doi.org/10.29408/edumatic.v6i1.4789
Dairul, Akbar, B., Djaenuri, A., & Lukman, S. (2021). Model Baru Partisipasi Masyarakat Pada Pelaksanaan Pilkada Era Pandemi Covid-19 Di Provinsi Banten. Jurnal Education and Development, 9(3), 446–451. https://doi.org/10.54783/ijsoc.v3i3.347
Gründler, K., & Krieger, T. (2021). Using Machine Learning for measuring democracy: A practitioners guide and a new updated dataset for 186 countries from 1919 to 2019. European Journal of Political Economy, 70, 102047. https://doi.org/10.1016/j.ejpoleco.2021.102047
Handayani, F. (2021). Komparasi Support Vector Machine, Logistic Regression Dan Artificial Neural Network Dalam Prediksi Penyakit Jantung. JEPIN (Jurnal Edukasi Dan Penelitian Informatika), 7(3), 329-334. https://doi.org/10.26418/jp.v7i3.48053
Hidayat, W., Ardiansyah, M., & Setyanto, A. (2021). Pengaruh Algoritma ADASYN dan SMOTE terhadap Performa Support Vector Machine pada Ketidakseimbangan Dataset Airbnb. Edumatic: Jurnal Pendidikan Informatika, 5(1), 11–20. https://doi.org/10.29408/edumatic.v5i1.3125
Hidayat, W., Utami, E., Iskandar, A. F., Hartanto, A. D., & Prasetio, A. B. (2021). Perbandingan Performansi Model pada Algoritma K-NN terhadap Klasifikasi Berita Fakta Hoaks Tentang Covid-19. Edumatic: Jurnal Pendidikan Informatika, 5(2), 167-176. https://doi.org/10.29408/edumatic.v5i2.3664
Hukubun, R. D., Samangun, W. A., Manila, P. S., Tahalea, H., Pattippeilohy, G. V., Supusepa, A., ... & Lewerissa, S. (2023). Penyuluhan dan Fasilitasi Pemilihan Umum Bagi Masyarakat Negeri Hatalai. Jurnal Insan Pengabdian Indonesia, 1(4), 31-41.
Isnain, A. R., Sakti, A. I., Alita, D., & Marga, N. S. (2021). Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma Svm. Jurnal Data Mining Dan Sistem Informasi, 2(1), 31-37. https://doi.org/10.33365/jdmsi.v2i1.1021
Kurniawati, F. N. A. (2022). Meninjau Permasalahan Rendahnya Kualitas Pendidikan Di Indonesia Dan Solusi. Academy of Education Journal, 13(1), 1–13. https://doi.org/10.47200/aoej.v13i1.765
Luter Laia, M., & Setyawan, Y. (2020). Perbandingan Hasil Klasifikasi Curah Hujan Menggunakan Metode Svmdan Nbc. JurnalStatistika Industri Dan Komputasi, 05(2), 51–61.
Millah, N. S., & Dewi, D. A. (2021). Skpp Bawaslu Sebagai Sarana Pendidikan Politik Dalam Upaya Meningkatkan Partisipasi Politik Warga Negara. Jurnal Kewarganegaraan, 5(2), 355–363. https://doi.org/10.31316/jk.v5i2.1583
Moento, P. A., Fitriani;, F., & Maturan, A. Y. (2019). Strategi Komisi Pemilihan Umum Dalam Meningkatkan Partisipasi Masyarakat Dalam Pemilihan Umum. Societas : Jurnal Ilmu Administrasi Dan Sosial, 8(2), 109–121. https://doi.org/10.35724/sjias.v8i2.2518
Nur, F., Swari, I., Kurniawati, R. A., Hutasoit, A. A., Nurrani, P. G., Amilia, R., Gunawan, D., & Soekamto, H. (2022). Edu Geography. 10(2), 45–50. https://doi.org/10.15294/edugeo.v10i2.59986
Prayoga, P. R., Purnawansyah, P., Hasanuddin, T., & Darwis, H. (2023). Klasifikasi Daun Herbal Menggunakan K-Nearest Neighbor dan Support Vector Machine dengan Fitur Fourier Descriptor. Edumatic: Jurnal Pendidikan Informatika, 7(1), 160–168. https://doi.org/10.29408/edumatic.v7i1.17521
Pristiwanti, D., Badariah, B., Hidayat, S., & Dewi, R. S. (2022). Pengertian Pendidikan. Jurnal Pendidikan Dan Konseling (JPDK), 4(6), 1707–1715.
Pulungan, M. C., Rahmatunnisa, M., & Herdiansah, A. G. (2020). Strategi Komisi Pemilihan Umum Kota Bekasi Dalam Meningkatkan Partisipasi Pemilih Pada Pemilu Serentak Tahun 2019. Politea : Jurnal Politik Islam, 3(2), 251–272. https://doi.org/10.20414/politea.v3i2.2439
Rizky, M., Ridha, A. A., & Prihandani, K. (2021). Penentuan Paket Promosi Pakaian PT. D&C Production dengan Menggunakan Algoritma FP-Growth. Edumatic: Jurnal Pendidikan Informatika, 5(2), 177-186. https://doi.org/10.29408/edumatic.v5i2.3714
Safitri, D. E., & Fitrani, A. S. (2022). Implementasi Metode Klasifikasi Dengan Algoritma Support Vector Machine Kernel Gaussian Rbf Untuk Prediksi Partisipasi Pemilu Terhadap Demografi Kota Surabaya. Indonesian Journal of Business Intelligence (IJUBI), 5(1), 36-44. https://doi.org/10.21927/ijubi.v5i1.2259
Wardhani, P. S. N., & Sukma, P. (2018). Partisipasi politik pemilih pemula dalam pemilihan umum. Jurnal Pendidikan Ilmu-Ilmu Sosial, 10(1), 57-62. https://doi.org/10.24114/jupiis.v10i1.8407
Wibawa, I. P. A. P., Purnawan, I. K. A., Putri, D. P. S., & Rusjayanthi, N. K. D. (2019). Prediksi Partisipasi Pemilih dalam Pemilu Presiden 2014 dengan Metode Support Vector Machine. Jurnal Ilmiah Merpati (Menara Penelitian Akademika Teknologi Informasi), 7(3), 182-192. https://doi.org/10.24843/jim.2019.v07.i03.p02
Widaningsih, S. (2022). Penerapan Data Mining untuk Memprediksi Siswa Berprestasi dengan Menggunakan Algoritma K Nearest Neighbor. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(3), 2598–2611. https://doi.org/10.35957/jatisi.v9i3.859
Zai, C. (2022). Implementasi Data Mining Sebagai Pengolahan Data. Jurnal Portal Data, 2(3), 1-12.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 Anifah Warda Anggraeni, Arif Senja Fitrani, Ade Eviyanti
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Semua tulisan pada jurnal ini adalah tanggung jawab penuh penulis. Edumatic: Jurnal Pendidikan Informatika bisa diakses secara free (gratis) tanpa ada pungutan biaya, sesuai dengan lisensi creative commons yang digunakan.
This work is licensed under a Lisensi a Creative Commons Attribution-ShareAlike 4.0 International License.
