首页> 外文OA文献 >PENERAPAN DATA MINING UNTUK MENGKLASIFIKASI PENERIMA DAN BUKAN PENERIMA BANTUAN JAMINAN KESEHATAN MASYARAKAT DESA SROBYONG MENGGUNAKAN METODE ALGORITMA NAIVE BAYES CLASSIFIER
【2h】

PENERAPAN DATA MINING UNTUK MENGKLASIFIKASI PENERIMA DAN BUKAN PENERIMA BANTUAN JAMINAN KESEHATAN MASYARAKAT DESA SROBYONG MENGGUNAKAN METODE ALGORITMA NAIVE BAYES CLASSIFIER

机译:数据挖掘在朴素贝叶斯分类算法中对Srobyong村社区的接收者和未接收者进行分类的应用

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务,本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文,但由于OA文献来源多样且变更频繁,仍可能出现获取不到、文献不完整或与标题不符等情况,如果获取不到我们将提供退款服务。请知悉。

摘要

Desa Srobyong, Kecamatan Mlonggo belum memiliki sistem penentuan calon penerima Jamkesmas sehingga penerima Jamkesmas belum tepat sasaran. Pada penelitian ini, penulis mencoba menerapkan suatu sistem pendukung keputusan penentuan peserta penerima bantuan Jamkesmas. Untuk menganalisis peserta penerima bantuan jamkesmas maka digunakan data mining dengan teknik klasifikasi yang apabila sudah diketahui bisa mengurangi ketidaksinkronan data antara penerima dan bukan penerima bantuan jamkesmas. Metode yang digunakan yaitu naive bayes classifier, dan desain penelitian dengan menggunakan CRISP-DM. Data penelitian adalah data pengajuan jamkesmas Desa Srobyong Kecamatan Mlonggo Kota Jepara tahun 2013 yang dievaluasi menggunakan confusion matrix dan divalidasi dengan teknik split validation. Hasil akurasi tertinggi didapatkan setelah data penelitian dikonversi yaitu 93,33%.
机译:Mlonggo区Srobyong村尚没有确定Jamkesmas接收者候选人的系统,因此Jamkesmas接收者尚未成为目标。在这项研究中,作者试图将决策支持系统应用于确定Jamkesmas援助的参与者。为了分析Jamkesmas援助的参与者,数据挖掘与分类技术一起使用,如果已知,分类技术可以减少Jamkesmas援助的接收者与非受益者之间的异步数据。使用的方法是朴素贝叶斯分类器,并使用CRISP-DM进行研究设计。研究数据是2013年Jepara市Mlonggo街道Srobyong村的Jamkesmas提交数据,该数据使用混淆矩阵进行了评估,并采用了拆分验证技术进行了验证。将研究数据转换为93.33%后,可获得最高的准确度结果。

著录项

  • 作者

    KHABIB ARIFANI;

  • 作者单位
  • 年度 2016
  • 总页数
  • 原文格式 PDF
  • 正文语种
  • 中图分类

相似文献

  • 外文文献
  • 中文文献
  • 专利

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号