Adzy, Luthfy Budhy and Asriyanik, Asriyanik and Pambudi, Agung (2023) ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI KELAYAKAN PENERIMA BANTUAN IURAN JAMINAN KESEHATAN PEMERINTAH DAERAH KABUPATEN SUKABUMI. Mnemonic : Jurnal Teknik Informatika, 6 (1). pp. 1-10. ISSN 2614-4808

Text 5714 Download (33kB)

Abstract

Penerima Bantuan Iuran (PBI) Jaminan Kesehatan (JK) merupakan tanggungan berbentuk perawatan kesehatan supaya penerima mendapat utilitas perlindungan kesehatan yang dihibahkan untuk masing-masing masyarakat yang sudah melunasi iuran ataupun iuran itu dibayarkan oleh pemerintah negara. Permasalahan yang biasa terjadi di dalam lapangan yakni dalam pemilihan Keluarga Penerima Manfaat (KPM) yang digunakan masih belum bisa membantu keputusan Supervisor secara objektif dan tepat sasaran. Penelitian ini dilaksanakan untuk membantu Supervisor dalam menentukan cara pemilihan kelayakan calon penerima PBI-JK yang tepat secara objektif dan sesuai target berasaskan standar yang sudah ditetapkan. Pengklasifikasian yang diterapkan mengaplikasikan algoritma naïve bayes dengan metode Knowledge Discovery in Databases (KDD). Algoritma naïve bayes merupakan satu diantara algoritma penggalian data dan pengklasifikasi statistik sebuah klasifikasi berpeluang mudah yang menerapkan teorema bayes melalui asumsi antar variabel ketidak ketergantungan yang luhur. Kelebihan dari algoritma naïve bayes adalah bersifat scalable dengan jumlah predictor dan titik data, bisa membuat prediksi nilai probabilitas (peluang) dan menangani kontinu beserta diskrit data. Pencapaian hasil atas penelitian ini yakni mewujudkan bentuk pengklasifikasian kelayakan penerima bantuan iuran jaminan kesehatan secara otomatis dalam klasifikasi data tersebut layak untuk dibantu atau tidak layak untuk diperbantukan dalam program pemerintah khusus kegiatan Penerima Bantuan Iuran Jaminan Kesehatan Pemerintah Daerah Kabupaten Sukabumi.

Item Type:	Article
Uncontrolled Keywords:	Dinas Sosial, Penerima Bantuan Iuran Jaminan Kesehatan, Naïve Bayes, Knowledge Discovery in Databases, Keluarga Penerima Manfaat.
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User:	Perpus ID UMMI
Date Deposited:	08 Aug 2023 02:35
Last Modified:	08 Aug 2023 02:35
URI:	http://eprints.ummi.ac.id/id/eprint/3289

Actions (login required)

View Item