PENERAPAN ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI KEHADIRAN MASYARAKT DALAM PEMILIHAN KEPALA DAERAH STUDI KASUS DESA MATABESI

Authors

DOI:

https://doi.org/10.31849/nwpvxv71

Keywords:

Naive Bayes, Pilkada, Data Mining, Prediksi Kehadiran, Rapidminer

Abstract

Partisipasi masyarakat dalam pemilihan kepala daerah (Pilkada) merupakan indikator penting dalam keberhasilan demokrasi lokal. Penelitian ini bertujuan untuk memprediksi tingkat kehadiran masyarakat dalam Pilkada dengan menggunakan algoritma Naive Bayes. Data yang digunakan berasal dari Desa Matabesi, Kecamatan Biboki Moenleu, Kabupaten Timor Tengah Utara, yang mencakup 316 data pemilih tetap dengan atribut seperti usia, jenis kelamin, lokasi tempat tinggal, aksesibilitas ke TPS, pendapatan bulanan, pendidikan, pekerjaan, dan kepedulian politik. Proses klasifikasi dilakukan dalam beberapa tahap: pengumpulan data, preprocessing, pemodelan, pengujian, dan evaluasi menggunakan RapidMiner. Model dibangun dengan membagi data menjadi 70% data pelatihan dan 30% data pengujian. Hasil evaluasi menunjukkan bahwa model memiliki tingkat akurasi, presisi, dan recall sebesar 100%, yang menandakan bahwa algoritma Naive Bayes mampu memprediksi kehadiran dengan sangat baik. Faktor-faktor seperti kedekatan dengan TPS dan kepedulian politik tinggi menjadi penentu utama kehadiran. Temuan ini memberikan implikasi positif dalam membantu penyelenggara pemilu untuk menyusun strategi peningkatan partisipasi pemilih berbasis data.

Author Biographies

  • Yoseph Pius Kurniawan Kelen, Universitas Timor

    Teknologi Informasi

  • Krisantus Jumarto Tey Seran, Universitas Timor

    Teknologi Informasi

References

[1] M. N. Zarti, E. Sahputra, A. Sonita, and Y. Apridiansyah, “Application of Data Mining Using the Naïve Bayes Classification Method to Predict Public Interest Participation in the 2024 Elections,” Jurnal Komputer, Informasi dan Teknologi (JKOMITEK), vol. 3, no. 1, pp. 105–114, 2023. [Online]. Available: https://doi.org/10.53697/jkomitek.v3i1.1192

[2] G. P. Kawani, “Implementasi Naive Bayes,” Journal of Informatics, Information System, Software Engineering and Applications (INISTA), vol. 1, no. 2, pp. 73–81, 2019. [Online]. Available: https://doi.org/10.20895/inista.v1i2.73

[3] E. O. Manhitu, Y. P. K. Kelen, and D. Chrisinta, “Implementasi algoritma k-nearest neighbor untuk klasifikasi omset usaha mikro di kabupaten Timor Tengah Utara,” Zonasi Jurnal Sistem Informasi, vol. 7, no. 1, pp. 304–316, 2025.

[4] Y. R. Nasution, Suhardi, and I. H. Satrio, “Penerapan Algoritma Klasifikasi Naïve Bayes Untuk Analisis Sentimen Tentang Pemilu 2024,” JURNAL ELEKRONIKA DAN KOMPUTER, vol. 17, no. 2, pp. 635–644, 2024. [Online]. Available: http://jurnal.goretanpena.com/index.php/JSSR

[5] A. Pangestu, “Penerapan Data Mining Menggunakan Algoritma K-Means Pengelompokan Pelanggan Berdasarkan Kubikasi Air Terjual Menggunakan WEKA,” Jurnal Teknologi dan Sistem Komputer, vol. 11, no. 3, pp. 67–71, 2021.

[6] V. R. Prasetyo, H. Lazuardi, A. A. Mulyono, and C. Lauw, “Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Regresi Linier,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 7, no. 1, pp. 8–17, 2021. [Online]. Available: https://doi.org/10.25077/teknosi.v7i1.2021.8-17

[7] R. Rachman and R. N. Handayani, “Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM,” Jurnal Informatika, vol. 8, no. 2, pp. 111–122, 2021. [Online]. Available: https://doi.org/10.31294/ji.v8i2.10494

[8] 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,” Jurnal Teknik Informatika, vol. 14, no. 1, pp. 32–39, 2022.

[9] N. Rahmadani, R. Risnawati, and M. D. Sena, “Penerapan Algoritma Naïve Bayes Dalam Penentuan Kelayakan Penerima Bantuan Program Keluarga Harapan,” Jurnal Teknisi, vol. 3, no. 2, p. 40, 2023. [Online]. Available: https://doi.org/10.54314/teknisi.v3i2.1391

[10] M. Simanjuntak, N. Nurfalinda, et al., “Penerapan Metode Naive Bayes Untuk Memprediksi Status Kehadiran Masyarakat Dalam Pemilihan Gubernur,” Student Online Journal, pp. 152–162, 2022. [Online]. Available: https://soj.umrah.ac.id/index.php/SOJFT/article/view/1576

[11] A. S. Fitriani, “Penerapan Data Mining Menggunakan Metode Klasifikasi Naïve Bayes untuk Memprediksi Partisipasi Pemilihan Gubernur,” JTAM (Jurnal Teori dan Aplikasi Matematika), vol. 3, no. 2, pp. 98–104, 2019.

[12] K. D. Usfinit, Y. P. K. Kelen, B. Baso, and H. H. Ullu, “Sistem Pakar Mendiagnosa Penyakit Pada Tanaman Jagung Menggunakan Metode Teorema Bayes Berbasis Website,” Jurnal Informatika Teknologi dan Sains (JINTEKS), vol. 7, pp. 326–335, 2025.

[13] Dawis, A. M., Rahmayanti, D., Rachman, T., Impron, A., & Kelen, Y. P. K. (2025). Pendekatan Modern Dalam Analisis Dan Desain Teknologi Informasi. Get Press Indonesia. ISBN: 978-623- 125-601-0.

[14] Kelen, Yoseph PK, et al. "Decision support system for the selection of new prospective students using the simple additive weighted (SAW) method." AIP Conference Proceedings. Vol. 2798. No. 1. AIP Publishing, 2023. https://doi.org/10.1063/5.0154676.

Downloads

Published

2025-05-26

Issue

Vol. 7 No. 2 (2025): Publikasi artikel ZONAsi: Jurnal Sistem Informasi Periode Mei 2025

Section

Articles

License

Copyright (c) 2025 ZONAsi: Jurnal Sistem Informasi

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

CC BY-SA 4.0


Attribution-ShareAlike 4.0

You are free to:

  1. Share — copy and redistribute the material in any medium or format for any purpose, even commercially.
  2. Adapt — remix, transform, and build upon the material for any purpose, even commercially.
  3. The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:

  1. Attribution — You must give appropriate credit , provide a link to the license, and indicate if changes were made . You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
  2. ShareAlike — If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
  3. No additional restrictions — You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:

You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation .

No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.

How to Cite

[1]
“PENERAPAN ALGORITMA NAIVE BAYES UNTUK MEMPREDIKSI KEHADIRAN MASYARAKT DALAM PEMILIHAN KEPALA DAERAH STUDI KASUS DESA MATABESI”, zn, vol. 7, no. 2, pp. 664–675, May 2025, doi: 10.31849/nwpvxv71.