Perbandingan Algoritma NaÃ¯ve Bayes dan Algoritma Support Vector Machine (SVM) Untuk Melihat Potensi Kepatuhan Peserta BPJS Dalam Membayar Tagihan

Rika Dinda Lestari; Raissa Amanda Putri

doi:10.24114/cess.v9i2.61542

Authors

Rika Dinda Lestari Universitas Islam Negeri Suamtera Utara
Raissa Amanda Putri Universitas Islam Negeri Sumatera Utara

DOI:

https://doi.org/10.24114/cess.v9i2.61542

Keywords:

BPJS, data mining, klasifikasi, naive bayes, support vector machine

Abstract

Jaminan Kesehatan Nasional (JKN) yang diselenggarakan oleh Badan Penyelenggara Jaminan Sosial (BPJS) merupakan jaminan sosial yang wajib bagi seluruh warga negara Indonesia berdasarkan Undang-Undang Nomor 40 Tahun 2004 tentang Sistem Jaminan Sosial Nasional (SJSN). Penelitian ini bertujuan untuk melihat potensi kepatuhan peserta BPJS dalam membayar tagihan dengan menggunakan perbandingan antara algoritma naÃ¯ve bayes dan algoritma support vector machine (SVM). Pada penelitian ini metode yang digunakan ialah metode kuantitatif dengan menghitung hasil tingkat akurasi dari masing masing algoritma yang digunakan. Sebelum dilakukannya penerapan pada algoritma naive bayes dan algoritma support vector machine (SVM) maka akan dilakukannya teknik KDD (Knowledge Discovery in Database) agar data yang digunakan lebih akurat. Dengan data sampel sebanyak 1.499 kita dapat mengetahui peserta BPJS mana yang membayar tagihannya sangat tepat waktu, tepat waktu, dan tidak tepat waktu dengan menggunakan teknik klasifikasi dan menerapkan algoritma naÃ¯ve bayes dan algoritma support vector machine (SVM) pada rapidminer alat sehingga dapat diperoleh hasil akurasi sebesar 99,10%. Dengan nilai sangat tepat waktu sebesar 0,334, tepat waktu dengan nilai sebesar 0,182, dan tidak tepat waktu dengan nilai sebesar 0,484 pada algoritma naÃ¯ve bayes. Sedangkan pada algoritma support vector machine (SVM) memperoleh tingkat akurasi sebesar 98,48% dengan nilai sangat tepat waktu sebesar 45, tepat waktu dengan nilai 6, dan tidak tepat waktu dengan nilai 45. dilihat dari hasil tingkat akurasi algoritma naÃ¯ve bayes lebih unggul dibandingkan algoritma support vector machine (SVM).

Author Biography

Rika Dinda Lestari, Universitas Islam Negeri Suamtera Utara

Universitas Islam Negeri Sumatera Utara

References

M. S. Haq, S. A. Fachrin, and M. K. Alwi, œFaktor Yang Berhubungan Dengan Kepatuhan Membayar Iuran BPJS Peserta Mandiri Di Puskesmas Rappokalling Kota Makassar, Wind. Public Heal. J., vol. 3, no. 4, pp. 615“623, 2022, doi: 10.33096/woph.v3i4.464.

F. Fajrini, N. Latifah, D. Hermansyah, and N. Firda, œStudi Ketidakpatuhan Membayar Iuran BPJS Bukan Penerima Upah di Kelurahan Cempaka Putih, Public Heal. J., 2021, [Online]. Available: https://media.neliti.com/media/publications/227635-peran-umkm-dalam-pembangunan-dan-kesejah-7d176a2c.pdf%0Ahttp://journal.uinsgd.ac.id/index.php/jispo/article/view/1752

H. Apriyani and K. Kurniati, œPerbandingan Metode NaÃ¯ve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus, J. Inf. Technol. Ampera, vol. 1, no. 3, pp. 133“143, 2020, doi: 10.51519/journalita.volume1.isssue3.year2020.page133-143.

M. Novita, œFaktor-Faktor Yang Berhubungan Dengan Kepatuhan Membayar Iuran BPJS Kesehatan Mandiri pada Pasien Rawat Jalan di Puskesmas Lubuk Basung Kab. Agam, Study Fenomenol. Pengalaman Kel. Pasien Dalampenanganan Prehospital Pasca Deteksi Dini Stroke, vol. 11, no. 2, pp. 282“289, 2020.

M. A. M. B. Prasetiyo, E. L. H. M. A. J. H. Mirqotussa™adah, and S. H. R. A. Nurzahputra, Data Mining Algoritma C4.5. 2019.

R. A. Kurniawan, M. S. Hasibuan, P. Piramida, and R. S. Ramadhan, œPenerapan Algoritma K-Means Untuk Clustering Tempat Makan Di Batubara, J. Comput. Sci. Informatics Eng., vol. 01, no. 1, pp. 10“18, 2022, doi: 10.55537/cosie.v1i1.27.

A. Rahman, œKlasifikasi Performa Akademik Siswa Menggunakan Metode Decision Tree dan Naive Bayes, J. SAINTEKOM, vol. 13, no. 1, pp. 22“31, 2023, doi: 10.33020/saintekom.v13i1.349.

F. Yunita, œPenerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru, Sistemasi, vol. 7, no. 3, p. 238, 2018, doi: 10.32520/stmsi.v7i3.388.

A. F. Riany and G. Testiana, œPenerapan Data Mining untuk Klasifikasi Penyakit Stroke Menggunakan Algoritma NaÃ¯ve Bayes, J. SAINTEKOM, vol. 13, no. 1, pp. 42“54, 2023, doi: 10.33020/saintekom.v13i1.352.

Q. Widayati, œPenerapan Data Mining Menggunakan Metode Teknik Classification Untuk Melihat Potensi Kepatuhan Wajib Pajak Bumi Dan Bangunan, J. Ilm. Matrik, vol. 20, no. 2, pp. 157“168, 2019, doi: 10.33557/jurnalmatrik.v20i2.119.

H. F. Putro, R. T. Vulandari, and W. L. Y. Saptomo, œPenerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan, J. Teknol. Inf. dan Komun., vol. 8, no. 2, 2020, doi: 10.30646/tikomsin.v8i2.500.

F. D. Pratama, I. Zufria, and T. Triase, œImplementasi Data Mining Menggunakan Algoritma NaÃ¯ve Bayes Untuk Klasifikasi Penerima Program Indonesia Pintar, Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 7, no. 1, pp. 77“84, 2022, doi: 10.36341/rabit.v7i1.2217.

E. Undamayanti et al., œAnalisis Sentimen Menggunakan Metode Naive Bayes Berbasis Particle Swarm Optimization Terhadap Pelaksanaan Program Merdeka Belajar Kampus Merdeka, J. Sains Komput. Inform. (J-SAKTI, vol. 6, no. 2, pp. 916“930, 2022.

M. Furqan, Y. R. Nasution, and R. Fadillah, œKlasifikasi Penyakit Kulit Menggunakan Algoritma NaÃ¯ve Bayes Berdasarkan Tekstur Warna Berbasis Android, J. Sains Komput. Inform., vol. 6, no. 1, pp. 12“20, 2022.

H. Hermanto, A. Mustopa, and A. Y. Kuntoro, œAlgoritma Klasifikasi Naive Bayes Dan Support Vector Machine Dalam Layanan Komplain Mahasiswa, JITK (Jurnal Ilmu Pengetah. dan Teknol. Komputer), vol. 5, no. 2, pp. 211“220, 2020, doi: 10.33480/jitk.v5i2.1181.

I. A. Dianta, Logika dan Algoritma. Semarang: Yayasan Prima Agus Teknik Redaksi, 2021.