Social Assistance Decision Support System Using the Naive Bayes Method
Sistem Pendukung Keputusan Bantuan Sosial Dengan Menggunakan Metode Naive Bayes
Abstract
Covid-19 telah menjadi pandemi yang menyebar hampir ke seluruh penjuru dunia. Karena proses penularannya yang begitu cepat Dalam masa pandemi covid -19, pandemi ini menyebar ke seluruh sendi kehidupan dan salah satu yang paling menjadi perhatian adalah dibidang sosial ekonomi. Banyak terdapat bantuan Sosial (Bansos) yang disalurkan baik oleh pemerintah ataupun pihak swasta lain. Penelitian ini bertujuan untuk membuat sistem pendukung keputusan bantuan sosial menggunakan metode Naive Bayes, selanjutnya melakukan Analisa menggunakan tabel Confusion Matrix. Dalam menyelesaikan masalah dengan menggunakan metode Naive Bayes dari hasil pembahasan yang dilakukan dapat ditarik kesimpulan Naive Bayes dan aturan yang dihasilkan memiliki tingkat akurasi tinggi (good) yaitu sebesar 73% dan Sementara nilai Precision sebesar 92% dan Recall sebesar 86%. Sehingga metode Naive Bayes dapat diterapkan dalam menentukan prediksi yang lebih banyak dan potensial aturan yang dihasilkan untuk membantu menentukan pemberian bantuan sosial.
References
[2] Suryawati, Teori Ekonomi Mikro. Yogyakarta: UPP. AMP YKPN, 2004.
[3] M. Ayub, “Proses Data Mining dalam Sistem Pembelajaran Berbantuan Komputer,†J. Sist. Inf., vol. 2, no. 1, 2012.
[4] C. D. Mishra, R. K. Jaiswal, A. K. Nema, V. K. Chandola, dan A. Chouksey, “Priority assessment of sub-watershed based on optimum number of parameters using fuzzy-AHP decision support system in the environment of RS and GIS,†J. Indian Soc. Remote Sens., vol. 47, no. 4, hal. 603–617, 2019.
[5] M. S. Mustafa dan I. W. Simpen, “Perancangan Aplikasi Prediksi Kelulusan Tepat Waktu Bagi Mahasiswa Baru Dengan Teknik Data Mining (Studi Kasus: Data Akademik Mahasiswa STMIK Dipanegara Makassar),†Creat. Inf. Technol. J., vol. 1, no. 4, hal. 270–281, 2014.
[6] Y. B. Utomo dan G. Harsanto, “Penerapan Metode Certainty Factor Dan Na{\"\i}ve Bayes Untuk Mendiagnosa Penyakit Akibat Gigitan Nyamuk,†Gener. J., vol. 4, no. 2, hal. 49–60, 2020.
[7] E. T. L. Kusrini, “Algoritma data mining,†Yogyakarta Andi Offset, 2009.
[8] A. Jananto, “Algoritma Naive Bayes untuk Mencari Perkiraan Waktu Studi Mahasiswa,†Dinamik, vol. 18, no. 1, 2013.
[9] F. Gunawan, A. Triayudi, dan E. T. E. Handayani, “Collaboration of the Analytical Hierarchy Process (AHP) Method with Simple Additive Weighting (SAW) in Determining the Recipients of Direct Cash Assistance (BLT),†J. Mantik, vol. 4, no. 3, hal. 2155–2163, 2020.
[10] P. Purnama dan C. Supriyanto, “Deteksi Penyakit Diabetes Type II Dengan Naive Bayes Berbasis Particle Swarm Optimization,†J. Teknol. Inf., vol. 9, 2013.
[11] S. Kusumadewi, S. Hartati, A. Harjoko, dan R. Wardoyo, “Fuzzy multi-attribute decision making (fuzzy madm),†Yogyakarta Graha Ilmu, hal. 78–79, 2006.
[12] W. Waziana, R. Irviani, I. Oktaviani, F. Satria, D. Kurniawan, dan A. Maseleno, “Fuzzy Simple Additive Weighting for Determination of Recipients Breeding Farm Program,†vol, vol. 118, hal. 93–100, 2018.
[13] H. Bambang dan M. T. Ir, “Sistem manajemen basisdata informatika.†Bandung, 2004.
[14] A. Vijayakumar, “Original Paper Comparison of Multi Criteria Decision Making Methods SAW and ARAS: An Application to Performance of Indian Pharmaceutical Companies.â€
[15] K. Topuz, F. D. Zengul, A. Dag, A. Almehmi, dan M. B. Yildirim, “Predicting graft survival among kidney transplant recipients: A Bayesian decision support model,†Decis. Support Syst., vol. 106, hal. 97–109, 2018.
[16] M. Erfan, D. Erwanto, dan P. N. Rahayu, “Ekstraksi Fitur Warna dan Tekstur Pada Kulit Katak Menggunakan Metode Momen Warna dan CCM,†Setrum Sist. Kendali-Tenaga-elektronika-telekomunikasi-komputer, vol. 9, no. 2, 2020.
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
.png)
.png)
