Klasifikasi Rumah Tangga Miskin Menggunakan Metode Naive Bayes (Studi Kasus: Provinsi Papua Tahun 2017)

Aisyah Chairani Putri, Fauzi Edi Hariyanto, Ni Luh Evindia Andini, Zullyana Cempaka S Zulkarnaen

Abstract


Kemiskinan merupakan salah satu permasalahan kependudukan yang banyak terjadi pada negara berkembang, salah satunya Indonesia. Badan Pusat Statistik (BPS) mencatat bahwa persentase penduduk miskin di Indonesia tahun 2017 mencapai 10,12 persen. Salah satu provinsi dengan persentase penduduk miskin tertinggi di Indonesia adalah Provinsi Papua, yakni sebesar 27,76 persen. Penelitian ini bertujuan untuk melakukan klasifikasi rumah tangga berdasarkan status ekonominya di Provinsi Papua yang diperoleh dari Survei Sosial Ekonomi Nasional (Susenas) 2017 menggunakan teknik data mining. Metode analisis yang digunakan adalah metode pengklasifikasian Naive Bayes. Variabel yang digunakan antara lain jenis kelamin, pendidikan KRT, lapangan usaha KRT, jenis atap terluas, jenis dinding terluas, jenis lantai terluas, sumber air minum, sumber penerangan, dan bahan bakar untuk memasak. Berdasarkan hasil analisis, disimpulkan bahwa pengklasifikasian status ekonomi rumah tangga di Provinsi Papua memiliki tingkat akurasi sebesar 80 persen dan termasuk dalam kategori “good” dengan nilai presisi sebesar 52 persen dan spesifisitas sebesar 91 persen.


Full Text:

PDF

References


G. Kartasasmita, Pemberdayaan Masyarakat: Konsep Pembangunan yang Berakar pada Masyarakat, Jakarta: Bappenas, 1996.

N. Nurwati, “Kemiskinan: Model Pengukuran, Permasalahan dan Alternatif Kebijakan,” Jurnal Kependudukan Padjadjaran, vol. 10, no. 01, 2008.

Ishartono, S.T. Raharjo, “Sustainable Development Goals (SDGs) dan Pengentasan Kemiskinan,” Jurnal Universitas Padjajaran, vol. 6, no. 2, 2016.

Mustafa, M. S., & Simpen, I. W, “Perancangan Aplikasi Prediksi Kelulusan Tepat Waktu Bagi Mahasiswa Baru Dengan Teknik Data Mining Studi Kasus: Data Akademik Mahasiswa STMIK Dipanegara Makassar),” Creative Information Technology Journal, vol. 1, no. 4, hal. 270. 2015. https://doi.org/10.24076/citec.2014v1i4.27

D. T. Larose, Discovering Knowledge in Data Mining An Introduction to Data Mining. Wiley Interscience. 2005.

Y. Mardi, Analisa Data Rekam Medis untuk Menentukan Penyakit Terbanyak Berdasarkan ICD Menggunakan Decision Tree. UPI YPTK Padang, 2018.

Y. Mardi, “Data Mining: Klasifikasi menggunakan Algoritma C4.5,” Jurnal Edik Informatika, vol. 2, 2016.

A. Saleh, “Implementasi Metode Klasifikasi Naive Bayes dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga,” Citee Journal, vol. 2, no.3, 2015.

V. Agarwal, S. Thakare, and A. Jaiswal, “Survey on Classification Techniques for Data Mining,” Int. J. Comput. Appl., vol. 132, no. 4, pp. 13–16, 2015.

Bustami, “Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi,” TECHSI : Jurnal Penelitian Teknik Informatika, vol. 3, no.2, hal. 127-146. 2013.

Pattekari, S. A., Parveen, A., “Prediction System for Heart Disease Using Naive Bayes,” International Journal of Advanced Computer and Mathematical Sciences, vol. 3, no. 3, hal 290-294. 2012.

Fleiss, J. L, Statistical methods for rates and proportion, 2nd ed. (New York: John Wiley) pp. 38-46. 1981.




DOI: http://dx.doi.org/10.24014/jsms.v7i1.11924

Refbacks

  • There are currently no refbacks.


Jurnal JSMS

p-ISSN     : 2460-4542 (print)
e-ISSN     : 2615-8663 (online)
Alamat   : Program Studi Matematika
                   Fakultas Sains dan Teknologi, UIN Suska Riau
                   Jl. H.R Soebrantas, No. 155, Tampan, Pekanbaru.
Website : http://ejournal.uin-suska.ac.id/index.php/JSMS
e-mail    : jsmsfst@uin-suska.ac.id