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)
-
(1) * Ferry Setiawan
Universitas Muhammadiyah Sidoarjo
Indonesia
(2) Arif Senja Universitas Muhammadiyah Sidoarjo
Indonesia
(*) Corresponding Author
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
References
Fitriani, A. S. (t.t.). Penerapan Data Mining Menggunakan Metode Klasifikasi Naïve Bayes untuk Memprediksi Partisipasi Pemilihan Gubernur.
Hakim, A. (2019). Prediksi Kehadiran Masyarakat Dalam Pemilihan Umum Dengan Menggunakan Metode Naïve Bayes Classification. 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
martha, layung pramesti. (2019). Hubungan karakteristik demografis masyarakat dengan tingkat partisipasi politik. http://repsitory.unpak.ac.id
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
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
Sabrani, A., & Majapahit, J. (2020). METODE MULTINOMIAL NAÏVE BAYES UNTUK KLASIFIKASI ARTIKEL ONLINE TENTANG GEMPA DI INDONESIA. 2(1).
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
Wahyuni, D. T., Sutojo, T., & Luthfiarta, A. (t.t.). PREDIKSI HASIL PEMILU LEGISLATIF DKI JAKARTA MENGGUNAKAN NAÏVE BAYES DENGAN ALGORITMA GENETIKA SEBAGAI FITUR SELEKSI.
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
Copyright (c) 2023 Ferry Setiawan, Arif Senja
This work is licensed under a Creative Commons Attribution 4.0 International License.
