APLIKASI KLASIFIKASI PENERIMA KARTU INDONESIA SEHAT MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBHOR
Abstract
Kartu Indonesia Sehat adalah kartu yang diterbitkan pemerintah dibawah naungan kementerian kesehatan untuk mengatasi permasalahan semakin banyak masyarakat kurang mampu yang tidak mendapatkan pelayanan kesehatan. Data mining dinilai dapat menyelesaikan permasalahan terhadap penentuan masyarakat yang berhak menerima atau yang tidak berhak menerima Kartu Indonesia Sehat. Metode klasifikasi mampu membedakan kelas data atau konsep data. Algoritma K-nearest Neighbor digunakan untuk dapat mengklasifikasikan penerima Kartu Indonesia sesuai dengan faktor penentuannya antara lain jenis kelamin, usia, interval usia, pendidikan terakhir, pekerjaan, pendapatan, dan juga tanggungan anak. Berdasarkan pengujian data testing sebanyak 12 kali percobaan menghasilkan nilai 97,66% precison 98,5% accuracy dan recall 96,5%.
Kata Kunci : Data Mining, K-Nearest Neighbor, Klasifikasi Kartu Indonesia Sehat, Penerima Kartu Indonesia Sehat
Downloads
References
Crismanto R, L. Y. (2015). Perbandingan Metode-Metode Klasifikasi Untuk Indoor Positioning System. Jurnal Teknik Informatika Dan Sistem Informasi, 124-125.
Hasanah, U. (2016). Implementasi Program Jaminan Kesehatan Nasional Pemberian Bantuan Iuran Di Puskesmas Kokop Kabupaten Bangkalan. Ilmu Administrasi Negara, 4(1).
Kurniawan Y, I. (2018). Perbandingan Algoritma Naive Bayes Dan C.45 Dalam Klasifikasi Data Mining. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIK) Vol.5, No. 4, 455-456.
Mulyadi. (2016). Penerapan Algoritma Naive Bayes Untuk Klasifikasi Penerima Beasiswa Prestasi. Jurnal Sistem Informasi Stimik Antar Bangsa, 139-145.
Rahman, A. A., & Kurniawan, Y. I. (2018) Aplikasi Klasifikasi Penerima Kartu Indonesia Sehat Menggunakan Algoritma Naive Bayes Classifier. Jurnal Teknologi Dan Manajemen Informatika. 4(1).
Sabrina, Q. (2015). Pelaksanaan Program Jaminan Nasional (JKN) Dalam Peningkatan Kualitas Pelayanan Kesehatan Di Rsu Haji Surabaya. Kebijakan Dan Manajemen Publik, 54-62.
Vafeiadis, E. A. (2015). A Comparison Of Machine Learning Techniques For Customer Churn Prediction. Simulation Modelling Practice And Theory, 55.
Zaman. (2016). Penerapan Data Mining Menggunakan Algoritma C4.5 Untuk Menentukan Kelayakan Penerima Bantuan Rehabilitasi Sosial Rumah Tak Layak Huni (Studi Kasus Di Pemerintahan Kabupaten Solok Selatan). UPI YPTK Jurnal Komtekinfo, 12-24.
Copyright (c) 2019 ANIDA ZULAIFA ABIDIN, YOGIEK INDRA KURNIAWAN
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.