Data Mining Dengan Metode Naïves Bayes Classifer dalam Memprediksi Tingkat Kepuasan Pelayanan Dokumen Kependudukan
|
Keywords:
Data Mining, Naïve Bayes, Clasifikasi, indek kepuasan, dokumen kependudukan
AbstractKepuasan masyarakat terhadap layanan dokumen kependudukan merupakan hal yang sangat penting dalam peningkatan kualitas layanan sesuai yang diinginkan oleh masyarakat pada Dinas Kependudukan dan Pencatatan Sipil. Tujuan dari Penelitian ini adalah untuk memprediksi tingkat kepuasan masyarakat terhadap kualitas layanan dan untuk mengetahui hasil dari akurasi yang telah didapatkan dengan menggunakan algoritma Naïve Bayes. Data yang diolah merupakan data layanan kependudukan Tahun 2022. Dari hasil data yang diolah, bisa digunakan untuk meningkatkan kualitas dalam pelayanan dokumen kependudukan dan juga bisa digunakan untuk mengevaluasi kinerja pelayanannya. Hal ini dilakukan untuk mengetahui sejauh mana nilai dan kualitas dari pelayanan yang diberikan oleh Dinas Kependudukan dan Pencatatan Sipil Kota Pariaman kepada Masyarakat. Metode Naïve Bayes yang digunakan dalam penelitian ini untuk mencoba memprediksi kepuasan masyarakat terhadap kualitas pelayanan pada Dinas Kependudukan dan Pencatatan Sipil. Hasil dari indeks kepuasan terhadap pelayanan dokumen kependudukan pada Dinas Kependudukan dan Pencatatan Sipil menggunakan metode Naïve Bayes mendapatkan hasil yang baik. Downloads
Download data is not yet available.
References
[1] Wu, W. T., Li, Y. J., Feng, A. Z., Li, L., Huang, T., Xu, A. D., & Lyu, J. (2021). Data mining in clinical big data: the frequently used databases, steps, and methodological models. Military Medical Research, 8(1), 1-12. https://doi.org/10.1186/s40779-021-00338-z
[2] Ghazal, M. M., & Hammad, A. (2022). Application of knowledge discovery in database (KDD) techniques in cost overrun of construction projects. International Journal of Construction Management, 22(9), 1632-1646. https://doi.org/10.1080/15623599.2020.1738205 [3] Fayyad, U., Piatetsky-Shapiro, G., & Smyth, P. (1996). From data mining to knowledge discovery in databases. AI magazine, 17(3), 37-37. DOI: https://doi.org/10.1609/aimag.v17i3.1230 [4] Gan, W., Lin, J. C. W., Chao, H. C., & Zhan, J. (2017). Data mining in distributed environment: a survey. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 7(6), e1216. https://doi.org/10.1002/widm.1216 [5] Na`am, J. (2017). Edge Detection on Objects of Medical Image with Enhancement multiple Morphological Gradient (EmMG) Method. 4th Proc. EECSI. 23-24 Sep. 2017. Yogyakarta: Indonesia. http://dx.doi.org/10.1109/EECSI.2017.8239085 [6] Farhana, S. (2021). Classification of Academic Performance for University Research Evaluation by Implementing Modified Naive Bayes Algorithm. Procedia Computer Science, https://doi.org/10.1016/j.procs.2021.10.077 [7] Saritas, M. M., & Yasar, A. (2019). Performance analysis of ANN and Naive Bayes classification algorithm for data classification. International Journal of Intelligent Systems and Applications in Engineering, 7(2), 88-91. DOI: https://doi.org/10.18201//ijisae.2019252786 [8] Safitri, A. R., & Muslim, M. A. (2020). Improved accuracy of naive bayes classifier for determination of customer churn uses smote and genetic algorithms. Journal of Soft Computing Exploration, 1(1), 70-75. DOI: https://doi.org/10.52465/joscex.v1i1.5 [9] Yulias, N., & Widianto, S. R. (2021). Prediction of drinking water facility conditions using the Naive Bayes Algorithm. Jurnal Mantik, 4(4), 2599-2603. DOI: https://doi.org/10.35335/mantik.Vol4.2021.1190.pp2599-2603 [10] Amillina, I., & Qoiriah, A. (2021). Penerapan Algoritma Naïve Bayes dalam Klasifikasi Tingkat Kepuasan Siswa terhadap Pembelajaran Daring. Jurnal Ilmiah Teknologi Informasi dan Robotika, 3(2), 16-23. DOI: https://doi.org/10.33005/jifti.v3i2.59 [11] Rudiansyah, Y. A., Argenti, G., & Febriantin, K. (2022). Kualitas pelayanan administrasi kependudukan pada masa pandemi covid 19 di dinas kependudukan dan pencatatan sipil. Kinerja, 18(4), 513-520. DOI: http://dx.doi.org/10.29264/jkin.v18i4.9837 [12] Oktariyanda, T. A. INOVASI APLIKASI SAMSAT RAME (SAMSAT RAMAH MERAKYAT) DALAM OPTIMALISASI PELAYANAN DI KANTOR BERSAMA SAMSAT GRESIK. https://doi.org/10.26740/publika.v9n2.p185-200 [13] Marlius, D., & Putriani, I. (2020). Kepuasan Nasabah PT. Bank Rakyat Indonesia Unit Tapan Cabang Painan Dilihat dari Kualitas Layanan Customer Service. Jurnal Pundi, 3(2), 111-122. DOI: https://doi.org/10.31575/jp.v3i2.151 [14] Damayanti, L. D., Suwena, K. R., & Haris, I. A. (2019). Analisis kepuasan masyarakat terhadap pelayanan publik berdasarkan indeks kepuasan masyarakat (IKM) Kantor Kecamatan Sawan Kabupaten Buleleng. Jurnal Pendidikan Ekonomi Undiksha, 11(1), 21-32. DOI: https://doi.org/10.23887/jjpe.v11i1.20048 |
Published
2022-09-05
Section
Articles
How to Cite
Wirma, S. (2022). Data Mining Dengan Metode Naïves Bayes Classifer dalam Memprediksi Tingkat Kepuasan Pelayanan Dokumen Kependudukan. Jurnal Informatika Ekonomi Bisnis, 4(3), 119-123. https://doi.org/10.37034/infeb.v4i3.155
 This work is licensed under a Creative Commons Attribution 4.0 International License. |
