Model Analysis of the 2019 Election Participation Level Against Demographics in Pamekasan Regency Using the Naive Bayes Method
Analisis Model Pada Tingkat Partisipasi Pemilu 2019 Terhadap Demografi Di Kabupaten Pamekasan Menggunakan Metode Naive Bayes
DOI:
https://doi.org/10.21070/ups.8664Keywords:
Elections, Predictions, Participation, Naïve BayesAbstract
This study aims to analyze the level of election participation in 2019 in Pamekasan Regency based on demographic data using the Naive Bayes classification method. The data used consists of 189 instances and 208 predictor attributes obtained from the publication of the Central Statistics Agency (BPS). The analysis process involves the stages of preprocessing, feature selection, and model evaluation. The test results show a model accuracy of 66%, with the highest f1-score value in the high participation class. Further analysis also shows that most sub-districts and villages in Pamekasan have a high level of participation. In addition, a very strong correlation was found between demographic attributes that have the potential to be important predictors of voter involvement. These findings provide an initial overview to understand the factors that influence public participation in elections.
Downloads
References
A. S. Fitriani, “JTAM (Jurnal Teori dan Aplikasi Matematika) Penerapan Data Mining Menggunakan Metode Klasifikasi Naïve Bayes untuk Memprediksi Partisipasi Pemilihan Gubernur,” vol. 3, no. 2, pp. 98–104, 2019, doi: 10.31764/jtam.v3i2.995.
F. Setiawan, A. S. Fitrani, and A. Eviyanti, “Seminar Nasional & Call Paper Fakultas Sains dan Teknologi (SENASAINS 5 th,” 2022. [Online]. Available: https://pemilu2019.kpu.go.id
Y. Raharja, A. Senja Fitrani, R. Dijaya, and F. Sains dan Teknologi, “KLASIFIKASI TINGKAT PARTISIPASI PEMILU BERDASARKAN SEKTOR INDUSTRI MENGGUNAKAN ALGORITMA NAÏVE BAYES,” Jurnal TEKINKOM, vol. 7, no. 1, 2024, doi: 10.37600/tekinkom.v7i1.1204.
A. W. Anggraeni, A. S. Fitrani, and A. Eviyanti, “Penerapan Algoritma Support Vector Machine untuk Memprediksi Tingkat Partisipasi Pemilu terhadap Kualitas Pendidikan,” Edumatic: Jurnal Pendidikan Informatika, vol. 8, no. 1, pp. 21–27, Jun. 2024, doi: 10.29408/edumatic.v8i1.24838.
D. Mizta Chulloh and A. Senja Fitrani, “Accuracy Test of K-Means in Predicting Election Participation in the Demographics of Pasuruan District Region [Uji Akurasi K-Means dalam Prediksi Partisipasi Pemilu pada Demografi Wilayah Kabupaten Pasuruan].”
F. Harahap, N. E. Saragih, E. T. Siregar, and H. Sariangsah, “Fitriana Harahap Penerapan Data Mining Dengan Penerapan Data Mining Dengan Algoritma Naive Bayes Classifier Dalam Memprediksi Pembelian Cat KATA KUNCI Data Mining Purchase of paint Naive Bayes. KORESPONDENSI.”
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,” Indonesian Journal of Business Intelligence (IJUBI), vol. 5, no. 1, p. 36, Jun. 2022, doi: 10.21927/ijubi.v5i1.2259.
W. Indah, S. Sinaga, R. Buaton, H. Sembiring, and S. Kaputama, “Klasifikasi Data Penduduk Pada Pemilihan Umum Di Kota Binjai Menggunakan Algoritma K-Means (Studi Kasus : KPU Kota Binjai),” 2023.
R. I. Borman and M. Wati, “Penerapan Data Maining Dalam Klasifikasi Data Anggota Kopdit Sejahtera Bandarlampung Dengan Algoritma Naïve Bayes.”
W. I. Rahayu, A. Anindita, and M. N. Fauzan, “PENENTUAN VALIDASI DATA PEMILIH DAN KLASIFIKASI HASIL PEMILU DPRD KAB.BONE UNTUK MEMPREDIKSI PARTAI PEMENANG MENGGUNAKAN METODE NAIVE BAYES Program Studi D4 Teknik Informatika 123 Politeknik Pos Indonesia 123,” 2022.
M. Younus, Suswanta, and Muchamad Zaenuri, “Public-Private Collaboration to Overcome the Digital Divide in Digital Transformation of Government,” Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, vol. 15, no. 1, pp. 28–41, May 2024, doi: 10.31849/digitalzone.v15i1.17027.
I. M. A. A. D. Putra, I. M. G. Sunarya, and I. G. A. Gunadi, “Perbandingan Algoritma Naive Bayes Berbasis Feature Selection Gain Ratio dengan Naive Bayes Kovensional dalam Prediksi Komplikasi Hipertensi,” JTIM : Jurnal Teknologi Informasi dan Multimedia, vol. 6, no. 1, pp. 37–49, Apr. 2024, doi: 10.35746/jtim.v6i1.488.
Y. Nanda Khoiril Umat et al., “Some rights reserved BY-NC-SA 4.0 International License ANALISIS FAKTOR YANG MEMPENGARUHI PEMILIHAN GUBERNUR DAERAH KHUSUS JAKARTA MENGGUNAKAN ALGORITMA NAIVE BAYES DAN REGRESI LOGISTIK 1),” vol. 9, no. 2, pp. 211–224, 2024, doi: 10.36341/rabit.vxix.xxx.
H. Rusli, “PREDIKSI HASIL PEMILIHAN UMUM BERDASARKAN DATA MEDIA SOSIAL MENGGUNKAN TEKNIK DATA MINING NAIVE BAYES,” 2025. [Online]. Available: http://jurnal.goretanpena.com/index.php/JSSR
S. Yanah, W. Purbaratri, S. Paylina, A. Novita, I. Safitri, and N. K. Tachjar, “SWADHARMA (JEIS) ANALISIS SENTIMEN APLIKASI PEMILU MENGGUNAKAN ALGORITMA NAIVE BAYES”.
Downloads
Additional Files
Posted
License
Copyright (c) 2025 UMSIDA Preprints Server
This work is licensed under a Creative Commons Attribution 4.0 International License.
