Prediksi Minat Masyarakat dalam Pemilihan Umum Kabupaten Banyumas Menggunakan Bayessian Classification
DOI:
https://doi.org/10.30595/sainteks.v14i2.4263Abstract
Tingkat partisipasi masyarakat dalam Pemilu dapat diketahui dari angka golput. Pada Pemilu tahun 2014 di Kabupaten Banyumas angka golput sebesar 27,37%. Jumlah suara golput yang cukup banyak tersebut merupakan sebuah masalah bagi Komisi Pemilihan Umum (KPU) Kabupaten Banyumas. Salah satu usaha untuk meningkatkan partisipasi masyarakat dalam Pemilu adalah dengan memprediksi angka golput pada Daftar Pemilih Tetap (DPT). Tujuan penelitian ini adalah untuk memprediksi minat partisipasi DPT baru dalam Pemilu di Kabupaten Banyumas menggunakan metode data minning dengan algoritma Bayessian Classification. Aplikasi ini menghasilkan prediksi minat partisipasi DPT baru sehingga KPU dapat melakukan sosialisasi kepada masyarakat yang membutuhkan.
Kata kunci: data minning, bayessian classification, golput.
References
Badrul, M., 2012, Prediksi Hasil Pemilu Legislatif Dki Jakarta Dengan Metode Neural Network Berbasis Particle Swarm Optimization, Skripsi, STMIK Nusa Mandiri, Jakarta
Kusrini dan Luthfi E.T., 2009, Algoritma Data Mining, ANDI, Yogyakarta.
Larose, D., T., 2005, Discovering Knowledge in Database, John Wiley and Sons Inc., New Jersey.
Sommerville, I., 2011, Software Engineering Ninth Edition, Pearson, Boston.
Wibowo, A., 2007, 16 Aplikasi PHP Gratis untuk Pengembangan Situs Web, Andi Offset, Yogyakarta.
Downloads
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access)
