Classification of Election Participation Levels Based on Industrial Sectors Using Naïve Bayes Algorithm
Klasifikasi Tingkat Partisipasi Pemilu Berdasarkan Sektor Industri Menggunakan Algoritma Naïve Bayes
DOI:
https://doi.org/10.21070/ups.3940Keywords:
Classification, Data Mining, Election Participation, Industrial Sector, Naïve BayesAbstract
This research aims to classify the level of electoral participation in Pasuruan Regency based on demographic aspects, specifically focusing on the industrial sector in Pasuruan Regency. The demographic dataset sourced from the Pasuruan Regency Central Statistics Agency (BPS) designated as predictor attributes and 2019 election recapitulation data on the level of community participation at the voting place (TPS) specified as target attribut. The preprocessing steps include data cleaning, data transformation, data integration, attribute correlation, random dataset, forming two model datasets, and splitting the data with a 70:30 ratio. The method used in this research is the classification method with the Naïve Bayes algorithm. The results of the testing of model dataset 1 produced an accuracy of 61.8% and model dataset two produced an accuracy of 67.6%. The number of industries in Pasuruan Regency does not have a significant influence on the level of public participation in elections in Pasuruan Regency.
Downloads
References
U. Nufikha, H. Yayuk, and T. Meiwatizal, “Urgensi Etika Demokrasi Di Era Global: Membangun Etika Dalam
Mengemukakan Pendapat Bagi Masyarakat Akademis Melalui Pendidikan Kewarganegaraan,” J. Kewarganegaraan, vol. 5, no. 2, p. 18, 2021, doi: 10.31316/jk.v5i2.1576.
A. Kristian Sumual, M. Gerson Lontaan, and Y. Supit, “Pelaksanaan Pemilu Di Indonesia Berdasarkan Perspektif Undang Undang Dasar 1945,” J. Law Nation, vol. 2, no. Mei, pp. 103–112, 2023.
A. Dedi, “Analisis Sistem Pemilihan Umum Serentak 2019,” Moderat J. Ilm. Ilmu Pemerintah., vol. 5, no. 3, pp. 213–226, 2019, doi: 10.25147/moderat.v5i3.2676.
W. Kusuma, B. Permatasari, and R. A. Suntara, “Peningkatan Pengawasan Partisipatif Masyarakat Desa dalam Pelaksanaan Pemilihan Umum Serentak Tahun 2024 melalui Penyuluhan Hukum,” DAS SEIN J. Pengabdi. Huk. dan Hum., vol. 2, no. 2, pp. 93–104, 2022, doi: 10.33756/jds.v2i2.15256.
M. Gultom, M. Silalahi, G. Hutagalung, and J. A. Marbun, “Pengaruh Sosialisasi Terhadap Tingkat Partisipasi Pemilih Dalam Menggunakan Hak Pilihnya Pada Pemilu Di Kabupaten Toba Samosir,” J. Reg. Plan., vol. 2, no. 1, pp. 26–41, 2020, doi: 10.36985/jrp.v2i1.591.
Z. Abidin AS and D. Kurnia, “Implementasi Nilai-Nilai Demokrasi Dalam Pemilihan Kepala Desa Di Kabupaten Bandung Barat,” J. Acad. Praja, vol. 5, no. 1, pp. 1–12, 2022, doi: 10.36859/jap.v5i1.700.
D. E. Safitri and A. S. Fitrani, “IMPLEMENTASI METODE KLASIFIKASI DENGAN ALGORITMA SUPPORT VECTOR MACHINE KERNEL GAUSSIAN RBF UNTUK PREDIKSI PARTISIPASI PEMILU TERHADAP DEMOGRAFI KOTA SURABAYA,” Indones. J. Bus. Intell., vol. 5, no. 1, p. 36, 2022, doi: 10.21927/ijubi.v5i1.2259.
O. Manurung and P. S. Hasugian, “Analisa Algoritma Apriori Untuk Peminjaman Buku Pada Perpustakaan SMA 1 Silima Pungga-Pungga Parongil,” Remik, vol. 4, no. 1, pp. 154–160, 2019, doi: 10.33395/remik.v4i1.10445.
M. Wibowo and R. Ramadhani, “Perbandingan Metode Klasifikasi Data Mining Untuk Rekomendasi Tanaman Pangan,” vol. 5, pp. 913–921, 2021, doi: 10.30865/mib.v5i3.3086.
M. M. Arif, H. Setiawan, A. S. Fitrani, F. Sains, and U. Muhammadiyah, “Penggunaan Datamining Untuk Memprediksi Masa Studi Mahasiswa di Universitas Muhammadiyah Sidoarjo Dengan Algoritma Naive Bayes,” vol. 4, no. 3, pp. 622–629, 2023, doi: 10.30645/kesatria.v4i3.210.
B. Laurensz and Eko Sediyono, “Analisis Sentimen Masyarakat terhadap Tindakan Vaksinasi dalam Upaya Mengatasi Pandemi Covid-19,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 10, no. 2, pp. 118–123, 2021, doi: 10.22146/jnteti.v10i2.1421.
A. N. Sihananto and H. Maulana, “STUDI LITERATUR TENTANG PERFORMA NAÏVE BAYES DALAM KLASIFIKASI DATA,” Pros. Semin. Nas. Inform. Bela Negara, vol. 2, pp. 132–135, 2021, doi: 10.33005/santika.v2i0.134.
M. Saputra et al., “Analisis metode algoritma k- nearest neighbor (knn) dan naive bayes untuk klasifikasi diabetes mellitus,” vol. 6, pp. 723–729, 2023, doi: 10.37600/tekinkom.v6i2.942.
R. I. Borman and M. Wati, “Penerapan Data Maining Dalam Klasifikasi Data Anggota Kopdit Sejahtera Bandarlampung Dengan Algoritma Naïve Bayes,” J. Ilm. Fak. Ilmu Komput., vol. 09, no. 01, pp. 25–34, 2020.
F. A. Pratama, R. Narasati, and D. R. Amalia, “Pengaruh Kata Cashback Terhadap Peningkatan Penjualan Menggunakan Data Mining,” J. Ilm. Manaj. Inform. dan Komput., vol. 3, no. 2, pp. 1–5, 2019, doi: 10.32485/kopertip.v3i2.66.
S. Anastassia Amellia Kharis and A. Haqqi Anna Zili, “Learning Analytics dan Educational Data Mining pada Data Pendidikan,” J. Ris. Pembelajaran Mat. Sekol., vol. 6, pp. 12–20, 2022, doi: 10.21009/jrpms.061.02.
M. Thoriq, “Peramalan Jumlah Permintaan Produksi Menggunakan Jaringan Saraf Tiruan Algoritma Backpropagation,” J. Inf. dan Teknol., vol. 4, pp. 27–32, 2022, doi: 10.37034/jidt.v4i1.178.
A. S. Fitriani, “Penerapan Data Mining Menggunakan Metode Klasifikasi Naïve Bayes untuk Memprediksi Partisipasi Pemilihan Gubernur,” JTAM (Jurnal Teor. dan Apl. Mat., vol. 3, no. 2, pp. 98–104, 2019, doi: 10.31764/jtam.v3i2.995.
S. Melangi, “Klasifikasi Usia Berdasarkan Citra Wajah Menggunakan Algoritma Artificial Neural Network
dan Gabor Filter,” Jambura J. Electr. Electron. Eng., vol. 2, no. 2, pp. 60–67, 2020, doi: 10.37905/jjeee.v2i2.6956.
A. Damuri, U. Riyanto, H. Rusdianto, and M. Aminudin, “Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako,” JURIKOM (Jurnal Ris. Komputer), vol. 8, no. 6, p. 219, 2021, doi: 10.30865/jurikom.v8i6.3655
Downloads
Additional Files
Posted
License
Copyright (c) 2024 UMSIDA Preprints Server
This work is licensed under a Creative Commons Attribution 4.0 International License.
