Penerapan Metode Naive Bayes Classifier Untuk Klasifikasi Indeks Pembangunan Manusia Di Provinsi Jawa Timur

Abstract View: 160, PDF Download: 294

Authors

  • Muhammad Arifat Universitas Nahdlatul Ulama Sunan Giri
  • Wardiana Adinda Putri Universitas Nahdlatul Ulama Sunan Giri
  • Alfin Syayirotin Mufida Universitas Nahdlatul Ulama Sunan Giri

DOI:

https://doi.org/10.32665/statkom.v2i1.1661

Keywords:

IPM, Naive Bayes Classifier, Kuantitatif, Jawa Timur

Abstract

Latar   Belakang: IPM adalah alat ukur pencapaian kualitas hidup suatu negara yang terdiri atas tiga dimensi, yaitu: kesehatan, pengetahuan, dan hidup layak. Terdapat variasi IPM yang cukup signifikan antara kota dan kabupaten. Untuk mengatasi permasalahan ini, perlu adanya klasifikasi IPM di Jawa Timur sebagai acuan pemerataan di seluruh wilayah Jawa Timur.

Tujuan : Mendapatkan hasil klasifikasi IPM di Jawa Timur menggunakan metode Naive Bayes Classifier (NBC).

Metode : Digunakan metode kuantitatif dengan metode NBC dan software Jupyter Notebook untuk mengklasifikasikan data IPM skala nominal yang didapatkan dari BPS Provinsi Jawa Timur. Faktor-faktor yang dianalisis meliputi Pendapatan Per kapita, Angka Harapan Hidup, Harapan Lama Sekolah, Rata-rata Lama Sekolah, Produk Domestik Regional Bruto, Penduduk Miskin, Jumlah Fasilitas Kesehatan, dan Jumlah Tenaga Kesehatan dengan skala rasio.

Hasil: Metode klasifikasi NBC berhasil dipakai untuk memprediksi IPM di Jawa Timur. Data training dan testing yang optimal dengan pembagian 70% dan 30% menghasilkan akurasi 91,6%. Dari 12 data testing, model dapat memprediksi IPM dengan keakuratan 92% dan sensitivitas yang baik pada kelas Sangat Tinggi dan Tinggi.

Kesimpulan: Disimpulkan bahwa prediksi IPM di Provinsi Jawa Timur cukup akurat dengan persentase keakuratan mencapai 92%. Model juga memiliki nilai recall yang baik pada kelas Sangat Tinggi dan Tinggi serta cukup pada kelas Sedang.

 

References

Budiman, M. A., & Cahyani, N. (2022). Pemodelan Regresi Logistik Ordinal Pada Indeks Pembangunan Manusia (IPM) Di Jawa Timur Tahun 2020. Jurnal Statistika Dan Komputasi, 1(2), 64–73. https://doi.org/10.32665/statkom.v1i2.1169

Cholili, F. M. (2014). Analisis Pengaruh Pengangguran, Produk Dmestik Regional Bruto ( PDRB), dan Indeks Pembangunan Manusia ( IPM) Terhadap Jumlah Penduduk Miskin. Journal of Economic and Business, 1–14.

Fadhillah, H. (2018). Pengaturan Tentang Tenaga Kesehatan Dalam Peraturan Perundang-Undangan Dan Azas Kepastian Hukum. Jurnal Hukum Kesehatan. 21, 1–9. https://doi.org/10.24167/shk.v5i1.1653

Fathurrahman, M., & Qisthi, N. (2021). Klasifikasi Indeks Pembangunan Manusia (IPM) Multi-Class Dengan Metode Artificial Neural Network (ANN). 0, 377–384.

Fauzi, F., Yamin, M., & Wahyu, T. (2017). Klasifikasi Indeks Pembangunan Manusia Kabupaten / Kota Se-Indonesia dengan Pendekatan Smooth Support Vector Machine ( SSVM ) Kernel Radial Basis Function ( RBF ). Seminar Nasional Pendidikan, Sains Dan Teknologi Fakultas Matematika Dan Ilmu Pengetahuan Alam Universitas Muhammadiyah Semarang, 88–97.

Hapsari, R. I. (2019). Analisis Pengaruh Indeks Pembangunan Manusia, Pendapatan Perkapita Dan Investasi Terhadap Kemiskinan Di Provinsi Lampung Dalam Perspektif Ekonomi Islam Tahun 2010-2018. In Progress in Retinal and Eye Research (Vol. 561, Issue 3).

Hasibuan, L. S., Rujiman, & Sukardi. (2020). Analisis Determinan Indeks Pembangunan Manusia (IPM) Di Indonesia. Jurnal Penelitian Pendidikan Sosial Humaniora, 5(2), 139–141. https://doi.org/https://doi.org/10.32696/jp2sh.v5i2.470

Hikmah, N. (2022). Analisis Spasial Sebaran Fasilitas Kesehatan Tingkat Pertama (Fktp) Di Kota Jambi. In Braz Dent J. (Vol. 33, Issue 1).

Joko Ade Nursiyono, S. (2021). Indeks Pembangunan Manusia Provinsi Jawa Timur 2020-2021.

Mashfia, F. R. (2022). Prediksi Ketepatan Waktu Kelulusan Mahasiswa Menggunakan Metode Naive Bayes Classifier. 90.

Pratiwi, I. A. A. S., & Wijayanto, A. W. (2019). Klasifikasi Indeks Pembangunan Manusia dengan Metode K-Nearest Neighbor dan Support Vector Machine di Pulau Jawa. Jurnal Ilmu Komputer, 15(1), 8–21.

Putera, R. D. (2020). Analisis Pengaruh Angka Harapan Lama Sekolah, Upah Minimum Provinsi, dan Tingkat Pengangguran Terhadap Kemiskinan di Indonesia. https://all3dp.com/2/fused-deposition-modeling-fdm-3d-printing-simply-explained/

Putri, R. E., Suparti, & Rahmawati, R. (2014). Perbandingan Metode Klasifikasi Naive Bayes Dan K-Nearest Neighbour Pada Analisis Data Status Kerja di Kab.Demak. Jurnal Gaussian, 3, 831–838. https://doi.org/10.14710/j.gauss.3.4.831-838

Rafiqi, A. (2020). Pengaruh Rata-rata Lama Sekolah, Pengeluaran Riil Perkapita, Pertumbuhan Ekonomi dan Pengangguran Terhadap Tingkat Kemiskinan di Provinsi D.I Yogyakarta. Skripsi.

Ramaulidyah, F. N., Hayati, M. N., & Goejantoro, R. (2021). Perbandingan Metode Klasifikasi Naive Bayes Dan K-Nearest Neighbor Pada Data Status Pembayaran Pajak Pertambahan Nilai Di Kantor Pelayanan Pajak Pratama Samarinda Ulu. Eksponensial, 12(2), 161–165.

Timur, B. jawa. (2020). Indeks Pembangunan Manusia (IPM) Jawa Timur Tahun 2021. Berita Resmi Statistik, 53(9), 1689–1699.

Downloads

Published

2023-06-30

How to Cite

Arifat, M., Wardiana Adinda Putri, & Mufida, A. S. (2023). Penerapan Metode Naive Bayes Classifier Untuk Klasifikasi Indeks Pembangunan Manusia Di Provinsi Jawa Timur. Jurnal Statistika Dan Komputasi, 2(1), 31–43. https://doi.org/10.32665/statkom.v2i1.1661

Issue

Vol. 2 No. 1 (2023): Jurnal Statistika dan Komputasi

Section

Articles

License

Copyright (c) 2023 Jurnal Statistika dan Komputasi

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish in this Journal agree to the following terms:

  1. The author retains copyright and grants the Journal right of first publication with the work simultaneously licensed under a creative commons attribution license that allows others to share the work within an acknowledgement of the work’s authorship and initial publication of this Journal.
  2. Authors can enter into a separate, additional contractual arrangement for the non-exclusive distribution of the Journal’s published version of the work (e.g. acknowledgement 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 websites) before and during the submission process, as it can lead to productive exchanges and earlier and more extraordinary citations of published works.
Abstract View: 160, PDF Download: 294