Penerapan Naïve Bayes dalam Mengklasifikasikan Masyarakat Miskin di Desa Lepak
DOI:
https://doi.org/10.29408/geodika.v5i1.3430Keywords:
Tingkat kemiskinan, Data Mining, Klasifikasi, Naïve bayesAbstract
Desa Lepak merupakan desa yang berada di pulau Lombok Nusa Tenggara Barat dengan angka penduduk miskin cukup tinggi. Penelitian ini bertujuan untuk mengklasifikasi masyarakat di desa Lepak Kecamatan Sakra Timur Kabupaten Lombok Timur. Teknik pengumpulan data dilakukan dengan teknik studi dokumen. Teknik analisis data pada penelitian ini menggunakan metode Naïve Bayes Classifier, yang merupakan salah satu teknik pengklasifikasian dalam data mining. Berdasarkan hasil pengujian confusion matrix diperoleh klasifikasi masyarakat miskin di desa Lepak yang memang miskin adalah 148 record dari 156 record yang artinya terdapat 8 record yang error dimana ia lebih mirip dengan yang tidak miskin. Sedangkan untuk masyarakat tidak miskin terdapat 110 record dari 111 record yang memang tidak miskin dan sisanya 1 record error yang lebih mirip dengan miskin. Keakuratan data testing dalam memprediksi hasil klasifikasi yang menunjukkan masyarakat miskin dan tidak miskin dapat dilihat dari nilai acurasy yaitu sebesar 96.63% yang artinya termasuk dalam kategori good. Berdasarkan penelitian ini menunjukkan bahwa klasifikasi kelas untuk masyarakat desa Lepak adalah kelas dengan masyarakat miskin.
References
Abdi, H. (2019). 5 Penyebab Kemiskinan dan Definisinya yang Wajib Diketahui. Http://Www.Liputan6.Com, p. 1. Retrieved from https://hot.liputan6.com/read/3936545/5-penyebab-kemiskinan-dan-definisinya-yang-wajib-diketahui.
Annur, H. (2018). Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes. ILKOM Jurnal Ilmiah, 10(2), 160-165.
Badan Pusat Statistik. (2020). Profil Kemiskinan di Indonesia Maret 2020. Retrieved July 15, 2020, from http://www.bps.go.id.
Bustami, B. (2013). Penerapan Algoritma Naïve Bayes Untuk Mengklasifikasi Data Nasabah Asuransi. TECHSI-Jurnal Teknik Informatika, 5(2), 127-146.
Gorunescu, F. (2011). Data Mining: Concepts, Models and Techniques (Vol. 12). Springer Science & Business Media.
Jananto, A. (2013). Algoritma Naive Bayes untuk Mencari Perkiraan Waktu Studi Mahasiswa. Dinamik, 18(1), 9-16.
Kartiawati, K. (2017). Analisis Efektivitas Keluarga Harapan (PKH) Dalam Pengentasan Kemiskinan Ditinjau Dari Perspektif Ekonomi Islam (Studi Pada Peserta PKH Kampung Bonglai Kecamatan Banjit Kabupaten Way Kanan). Skripsi. UIN Raden Intan Lampung.
Kusrini, L. (2009). Algoritma Data Mining. Yogyakarta: Andi Offset:
Mujahid, A. S., & Marsoyo, A. (2019). Perbandingan Nilai Ekonomi Lahan dalam Kasus Konversi Lahan Sawah di Kecamatan Praya Kabupaten Lombok Tengah. Geodika: Jurnal Kajian Ilmu dan Pendidikan Geografi, 3(2), 58-69.
Prasetyo, E. (2012). Data Mining Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta: Andi.
Purwanto, E. A. (2004). Mengkaji Potensi Usaha Kecil Dan Menengah (UKM) untuk Pembuatan Kebijakan Anti Kemiskinan di Indonesia (JSP Volume 10 No 3). Jurnal (Mengkaji Potensi Usaha Kecil Dan Menengah (UKM) Untuk Pembuatan Kebijakan Anti Kemiskinan Di Indonesia†Penerbit FISIPOL UGM, Volume 10 No. 3, Maret 2007 ISSN: 1410-4946), 100(23), 295-324.
Saleh, A. (2015). Implementasi Metode Klasifikasi Naive Bayes dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. Creative Information Technology Journal, 2(3), 207-217.
Santosa, B. (2007). Data Mining; Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.
Santoso, H. (2017). Data Mining Penyusunan Buku Perpustakaan Daerah Lombok Barat Menggunakan Algoritma Apriori. Seminar Nasional TIK dan Ilmu Sosial.
Simatupang, F. J., Wuryandari, T., & Suparti, S. (2016). Klasifikasi Rumah Layak Huni Di Kabupaten Brebes Dengan Menggunakan Metode Learning Vector Quantization Dan Naive Bayes. Jurnal Gaussian, 5(1), 99-111.
Undang-undang Republik Indonesia Nomor 64 Tahun 1958 tentang Pembentukan Daerah-daerah Tingkat I Bali, Nusa Tenggara Barat dan Nusa Tenggara Timur.
