The Influence of Village Demographics on the Prediction of Community Participation in Elections Using the Naïve Bayes Algorithm (Case Study: Pacitan City) Pengaruh Demografi Desa Terhadap Prediksi Partisipasi Masyarakat Dalam Pemilu Menggunakan Algoritma Naïve Bayes (Studi Kasus : Kota Pacitan)
Article Sidebar
Published:
Dec 31, 2022
Keywords:
Demographics, Classification, Naive Bayes
Main Article Content
Abstract
Voters' demographic factors have an influence in regional head elections or regional elections. The study will classify based on general election data obtained from villages in sub-districts in Pacitan Regency using data mining techniques. The variables that will be used in classifying villages are TPS, DPT, Attendance and Golput. The method that will be used is the Naïve Bayes method which is one of the classification techniques in data mining. Based on the research conducted, it is concluded that the information system created can classify villages into 2 types, namely low and high by Naïve Bayes method.
Downloads
Download data is not yet available.
Article Details
How to Cite
[1]
F. Setiawan and A. Senja, “The Influence of Village Demographics on the Prediction of Community Participation in Elections Using the Naïve Bayes Algorithm (Case Study: Pacitan City)”, PELS, vol. 3, Dec. 2022.
Section
Computer Science
This work is licensed under a Creative Commons Attribution 4.0 International License.
References
[1] Fitriani, A. S. (t.t.). Penerapan Data Mining Menggunakan Metode Klasifikasi Naïve Bayes untuk Memprediksi Partisipasi Pemilihan Gubernur.
[2] Hakim, A. (2019). Prediksi Kehadiran Masyarakat Dalam Pemilihan Umum Dengan Menggunakan Metode Naïve Bayes Classification. 3.
[3] Harahap, F., Saragih, N. E., Siregar, E. T., & Sariangsah, H. (2021). PENERAPAN DATA MINING DENGAN ALGORITMA NAIVE BAYES CLASSIFIER DALAM MEMPREDIKSI PEMBELIAN CAT. JURNAL ILMIAH INFORMATIKA, 9(01), 19–23. https://doi.org/10.33884/jif.v9i01.3702
[4] martha, layung pramesti. (2019). Hubungan karakteristik demografis masyarakat dengan tingkat partisipasi politik. http://repsitory.unpak.ac.id\
[5] Nurmayanti, W. P. (2021). Penerapan Naive Bayes dalam Mengklasifikasikan Masyarakat Miskin di Desa Lepak. Geodika: Jurnal Kajian Ilmu dan Pendidikan Geografi, 5(1), 123–132. https://doi.org/10.29408/geodika.v5i1.3430
[6] Rifai, M. F., Jatnika, H., & Valentino, B. (2019). Penerapan Algoritma Naïve Bayes Pada Sistem Prediksi Tingkat Kelulusan Peserta Sertifikasi Microsoft Office Specialist (MOS). PETIR, 12(2), 131–144. https://doi.org/10.33322/petir.v12i2.471
[7] Sabrani, A., & Majapahit, J. (2020). METODE MULTINOMIAL NAÏVE BAYES UNTUK KLASIFIKASI ARTIKEL ONLINE TENTANG GEMPA DI INDONESIA. 2(1).
[8] Silitonga, W. H., & Sihotang, J. I. (2019). Analisis Sentimen Pemilihan Presiden Indonesia Tahun 2019 Di Twitter Berdasarkan Geolocation Menggunakan Metode Naïve Bayesian Classification. TeIKa, 9(02), 115–127. https://doi.org/10.36342/teika.v9i02.2199
[9] Wahyuni, D. T., Sutojo, T., & Luthfiarta, A. (t.t.). PREDIKSI HASIL PEMILU LEGISLATIF DKI JAKARTA MENGGUNAKAN NAÏVE BAYES DENGAN ALGORITMA GENETIKA SEBAGAI FITUR SELEKSI.
[10] Wijaya, H. D., & Dwiasnati, S. (2020). Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat. Jurnal Informatika, 7(1), 1–7. https://doi.org/10.31311/ji.v7i1.6203
[2] Hakim, A. (2019). Prediksi Kehadiran Masyarakat Dalam Pemilihan Umum Dengan Menggunakan Metode Naïve Bayes Classification. 3.
[3] Harahap, F., Saragih, N. E., Siregar, E. T., & Sariangsah, H. (2021). PENERAPAN DATA MINING DENGAN ALGORITMA NAIVE BAYES CLASSIFIER DALAM MEMPREDIKSI PEMBELIAN CAT. JURNAL ILMIAH INFORMATIKA, 9(01), 19–23. https://doi.org/10.33884/jif.v9i01.3702
[4] martha, layung pramesti. (2019). Hubungan karakteristik demografis masyarakat dengan tingkat partisipasi politik. http://repsitory.unpak.ac.id\
[5] Nurmayanti, W. P. (2021). Penerapan Naive Bayes dalam Mengklasifikasikan Masyarakat Miskin di Desa Lepak. Geodika: Jurnal Kajian Ilmu dan Pendidikan Geografi, 5(1), 123–132. https://doi.org/10.29408/geodika.v5i1.3430
[6] Rifai, M. F., Jatnika, H., & Valentino, B. (2019). Penerapan Algoritma Naïve Bayes Pada Sistem Prediksi Tingkat Kelulusan Peserta Sertifikasi Microsoft Office Specialist (MOS). PETIR, 12(2), 131–144. https://doi.org/10.33322/petir.v12i2.471
[7] Sabrani, A., & Majapahit, J. (2020). METODE MULTINOMIAL NAÏVE BAYES UNTUK KLASIFIKASI ARTIKEL ONLINE TENTANG GEMPA DI INDONESIA. 2(1).
[8] Silitonga, W. H., & Sihotang, J. I. (2019). Analisis Sentimen Pemilihan Presiden Indonesia Tahun 2019 Di Twitter Berdasarkan Geolocation Menggunakan Metode Naïve Bayesian Classification. TeIKa, 9(02), 115–127. https://doi.org/10.36342/teika.v9i02.2199
[9] Wahyuni, D. T., Sutojo, T., & Luthfiarta, A. (t.t.). PREDIKSI HASIL PEMILU LEGISLATIF DKI JAKARTA MENGGUNAKAN NAÏVE BAYES DENGAN ALGORITMA GENETIKA SEBAGAI FITUR SELEKSI.
[10] Wijaya, H. D., & Dwiasnati, S. (2020). Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat. Jurnal Informatika, 7(1), 1–7. https://doi.org/10.31311/ji.v7i1.6203