PERBANDINGAN ALGORITMA FUZZY C-MEANS DAN ALGORITMA NAIVE BAYES DALAM MENENTUKAN KELUARGA PENERIMA MANFAAT (KPM) BERDASARKAN STATUS SOSIAL EKONOMI (SSE) TERENDAH

Authors

  • Putu Satya Saputra

DOI:

https://doi.org/10.23887/jstundiksha.v10i1.23340

Keywords:

data mining, naïve bayes, fuzzy c-means, confusion matrix, bdt

Abstract

Penelitian ini bertujuan untuk mengetahui : hasil clustering algoritma Fuzzy C-means, hasil klasifikasi Naïve Bayes, dan tingkat akurasi penerapan Fuzzy C-means dan Naïve Bayes dalam penentuan penerima bantuan sosial di Kabupaten Buleleng berdasarkan Basis Data Terpadu (BDT). Data yang digunakan yaitu Basis Data Terpadu sesuai Kepmensos No. 71/huk/2018 yang didapat di Bidang Perlindungan dan Jaminan Sosial Dinas Sosial Kabupaten Buleleng. Data tersebut dikelompokkan menjadi 3 kelompok yaitu penerima bantuan Program Keluarga Harapan (PKH), Bantuan Sosial Pangan (BSP) dan Penerima Bantuan Iuran (PBI) Jaminan Kesehatan. Metode perhitungan akurasi data mining menggunakan confusion matrix. Hasil implementasi algoritma dengan 1350 data keluarga menunjukan tingkat akurasi yang diperoleh algoritma Naïve Bayes lebih baik dari pada Fuzzy C-means. Nilai akurasi Naïve bayes sebesar 74% dan akurasi Fuzzy C-means sebesar 67%. Dari pengujian yang telah dilakukan dengan menggunakan perhitungan confusion matrix didapatkan hasil algoritma yang efektif digunakan dalam menentukan keluarga penerima manfaat tersebut adalah algoritma Naïve Bayes.

Downloads

Published

2021-03-24

Issue

Vol. 10 No. 1 (2021)

Section

Articles

License

Authors who publish with the Jurnal Sains dan Teknologi (JST)   agree to the following terms:

  1. Authors retain copyright and grant the journal the right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal. 
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work. (See The Effect of Open Access)