Penerapan Data Mining Menggunakan Metode Klasifikasi Naïve Bayes untuk Memprediksi Partisipasi Pemilihan Gubernur

Arif Senja Fitriani

doi:10.31764/jtam.v3i2.995

Penerapan Data Mining Menggunakan Metode Klasifikasi Naïve Bayes untuk Memprediksi Partisipasi Pemilihan Gubernur

Arif Senja Fitriani

Abstract

Abstrak: Pemilihan Umum (PEMILU) merupakan peristiwa politik yang penting untuk menentukan seorang pemimpin dalam Negara demokrasi. Pemilihan Umum (PEMILU) untuk periode tahun 2019-2024 di Jawa Timur telah dilaksanakan pada 27 Juni 2018 dengan dua pasangan calon gubernur dan calon wakil gubernur. Melalui Pemilihan Umum (PEMILU) semua pihak bisa terakomodasi apa yang diinginkan dan dicita-citakan sehingga terwujud kehidupan yang lebih baik. Masyarakat merupakan komponen penentu berhasil atau tidaknya suatu pelaksanaan Pemilihan Umum. Oleh karena itu, dalam penelitian ini peneliti meneliti partisipasi pemilu di Desa Jemirahan Kecamatan Jabon dengan menggunakan metode klasifikasi, yaitu algoritma Naïve Bayes. Data diperoleh dari Komisi Pemilihan Umum (KPU) Sidoarjo. Data tersebut di uji menggunakan metode klasifikasi Naive Bayes dengan Tools Weka dan Websitedengan 6 variabel yang sudah ditentukan. Dataset di ambil sebanyak 300 data dibagi 2 yaitu sebanyak 65% dari 195 data Training dan sebanyak 35% dari 105 data Testing. Hasil prediksi partisipasi pemilu dari dataset yang diambil sebanyak 300 data dibagi 2 yaitu sebanyak 65% dari 195 data Training dan sebanyak 35% dari 105 data Testing.Hasil prediksi berdasarkan set atribut kehadiran, untuk kehadiran dengan 105 data diperoleh nilai 97% prediksi kebenarannya dan diperoleh nilai 3% prediksi kesalahannya.

Abstract: General Election (PEMILU) is an important political event to determine a leader in democratic country. General Election (PEMILU) for the period 2019-2024 in East Java was held on June 27, 2018 with two pairs of candidates for governor and deputy governor candidates. Through the General Election (PEMILU) all parties can be accommodated what they want and aspire to so that a better life can be realized. The community is the determining component of the success or failure of a General Election. Therefore, in this study the researchers examined the participation of elections in Jemirahan Village, Jabon District by using a classification method, the Naïve Bayes algorithm. Data obtained from the General Election Commission (KPU) Sidoarjo. The data was tested using the Naive Bayes classification method with Weka Tools and Website with 6 predetermined variables. The dataset was taken as much as 300 data divided by 2, as much as 65% of 195 training data and as much as 35% of 105 Testing data. The results of the prediction of election participation from the dataset taken were 300 data divided by 2, as many as 65% of 195 training data and 35% of 105 data Testing. Prediction results are based on the presence attribute set, for the presence with 105 data, the value of 97% of the truth prediction is obtained and the value of the 3% prediction of error is obtained.

Keywords

Data Mining; Metode Naïve Bayes; Partisipasi Masyarakat.

Full Text:

PDF

References

Alimuddin, Sadali, M., & Wasil, M. (2017). Prediksi Hasil Pemilu Legislatif Kabupaten Lombok Timur Menggunakan Algoritma Naive Bayes Berbasis PSO. Jurnal Informatika Hamzanwadi, 2(2), 1–19.

Amelia, M. winny, Lumenta, A. S. ., & Jacobus, A. (2017). Prediksi Masa Studi Mahasiswa dengan Menggunakan Algoritma Naïve Bayes. Jurnal Teknik Informatika, 11(1), 1-10.

https://doi.org/10.35793/jti.11.1.2017.17652

Iskandar, D., & K. Suprapto, Y. (2015). Perbandingan Akurasi Klasifikasi Tingkat. Jurnal Ilmiah NERO, 2(1), 37–43.

https://doi.org/10.21107/NERO.V2I1.42

Jananto, A. (2013). Algoritma Naive Bayes untuk Mencari Perkiraan Waktu Studi Mahasiswa. Teknologi Informasi DINAMIK, 18(1), 9–16.

Kadir, A. A., & Mamentu, M. (2017). Partisipasi Politik Masyarakat Dalam Pemilihan Walikota Dan Wakil Walikota Kota Tidore Kepulauan di Kecamatan Tidore Tahun 2015. Jurnal Jurusan Ilmu Pemerintahan, 2(2), 1-7.

Khair, M., Suud, S., & Rispawati, R. (2018). Partisipasi Politik dalam Pemilihan Umum Kepala Daerah Tahun 2013. Jurnal Pendidikan Sosial Keberagaman, 5(2), 8-15, 9-18

https://doi.org/10.29303/juridiksiam.v5i2.62

Kusuma, A. P., & Srirahayu, I. (2016). Sistem Pencarian Katalog Buku Menggunakan Metode Naive Bayes Clasifier (NBC) Pada Aplikasi Mulia-Bookstore Berbasis Android. Antivirus : Jurnal Ilmiah Teknik Informatika, 10(2). https://doi.org/10.35457/antivirus.v10i2.161

Mining, D. (2016). Penerapan Data Mining Untuk Mengolah Data Pada Perpustakaan Sma Negeri 2 Lubuk Pakam. Jurnal Ilmiah INFOTEK, 1(1), 2–5.

Muktamar, B. A. (2017). Analisis Performa Algoritme Weighted Naive Bayes Classifier. Teknomatika, 10(1), 29–40.

Pujiono, S., Amborowati, A., & Suyanto, M. (2013). Analisis Kepuasan Publik Menggunakan Weka Dalam Mewujudkan Good Governance di Kota Yogyakarta. Jurnal Dasi, 14(2), 45–55.

Purwati, N. (2015). Perancangan Sistem E-Voting Untuk Pemilihan Kepala Daerah (Pilkada). Jurnal Bianglala Informatika, 3(1), 18–27.

S, Y. S., & Rahmawati, D. (2019). Peran Komisi Pemilihan Umum Dalam Mensosialisasikan Pemilihan Umum Serentak 2019 Pada Kelompok Marjinal Kota Bandung. Jurnal Signal, 7(2), 1-12.

https://doi.org/10.33603/signal.v7i2.2416

Saleh, A. (2015). Penerapan Data Mining Dengan Metode Klasifikasi Naïve Bayes Untuk Memprediksi Kelulusan Mahasiswa Dalam Mengikuti English Proficiency Test. Konferensi Nasional Sistem Informasi Universitas Klabat, 1–6.

Sunardi, Fadlil, A., & Suprianto. (2018). Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier Pada Angket Mahasiswa. Jurnal SAINTEKBU, 10(2), 1–9.

Utami, D. K., Kusuma, W. A., & Buono, A. (2017). Klasifikasi Metagenom dengan Metode Naïve Bayes Classifier. Jurnal Ilmu Komputer Dan Agri-Informatika, 3(1), 9-17. https://doi.org/10.29244/jika.3.1.9-17

DOI: https://doi.org/10.31764/jtam.v3i2.995