Prediksi Angka Kelahiran Bayi Pada Desa Tridaya Sakti Dengan Menggunakan Algoritma Naive Bayes

  • Nur Isnaini Parihah Program Studi Teknik Informatika, STMIK Nusa Mandiri Jakarta
  • Sari Hartini Program Studi Teknik Informatika, STMIK Nusa Mandiri Jakarta
  • Juarni Siregar Program Studi Teknik Informatika, STMIK Nusa Mandiri Jakarta

Abstract

The birth rate is something that can affect the increase in population growth. Large population is a burden for development. According to Malthus's Theory which states that a large population growth is not the welfare that is obtained but rather poverty will be encountered if the population is not well controlled. The number of baby births in Tridaya Sakti Village is increasing every year. Therefore Data Mining using the Naive Bayes algorithm can help in the calculation of predicting infant birth rates in Tridaya Sakti Village. Data Mining in predicting the number of infant birth rates aims to determine the number of infant birth rates for the coming year using the Naive Bayes algorithm. By looking at the prediction patterns of each variable and testing training data on testing data. It is hoped that the Naive Bayes algorithm can solve the problem in Tridaya Sakti Village in handling and overcoming the calculation of infant birth rates and can help the Tridaya Sakti Village in regulating population growth in the coming years. The results obtained from the data that have been taken and calculated by Data Mining using the Naive Bayes algorithm produce an information that can be used as a reference to find out the number of births. Performance and time in data processing are more effective and efficient as well as more accurate and accurate predictions of the number of baby births.

 

Keywords: Naive Bayes, Birth of a Baby, Prediction

 

Abstrak

 

Angka kelahiran merupakan suatu hal yang dapat mempengaruhi peningkatan pertumbuhan penduduk. Jumlah penduduk yang besar merupakan beban bagi pembangunan. Menurut Teori Malthus yang menyatakan bahwa pertumbuhan jumlah penduduk yang besar bukanlah kesejahteraan yang didapat tapi justru kemelaratan akan ditemui bilamana jumlah penduduk tidak dikendalikan dengan baik. Jumlah angka kelahiran bayi di Desa Tridaya Sakti setiap tahunnya semakin bertambah. Maka dari itu Data Mining dengan menggunakan algoritman Naive Bayes dapat membantu dalam perhitungan memprediksi angka kelahiran bayi di Desa Tridaya Sakti. Data Mining dalam memprediksi jumlah angka kelahiran bayi bertujuan untuk mengetahui jumlah angka kelahiran bayi tahun yang akan mendatang mengunakan algoritma Naive Bayes. Dengan melihat pola prediksi dari setiap variabel dan melakukan pengujian data training terhadap data testing. Diharapkan algoritma Naive Bayes ini dapat menyelesaikan permasalahan di Desa Tridaya Sakti dalam menangani dan mengatasi perhitungan angka kelahiran bayi dan dapat membantu pihak Desa Tridaya Sakti dalam mengatur pertumbuhan jumlah penduduk tahun yang akan mendatang. Hasil yang diperoleh dari data yang sudah diambil dan dihitung dengan Data Mining mengunakan algoritam Naive Bayes menghasilkan sebuah informasi yang dapat digunakan sebagai acuan untuk mengetahui jumlah angka kelahiran bayi. Kinerja dan waktu dalam proses pengolahan data lebih efektif dan efesien serta dari prediksi jumlah kelahiran bayi lebih tepat dan akurat.

Kata Kunci: Naive Bayes, Kelahiran Bayi, Prediks

 

Downloads

Download data is not yet available.

Author Biographies

Nur Isnaini Parihah, Program Studi Teknik Informatika, STMIK Nusa Mandiri Jakarta

Program Studi Teknik Informatika, STMIK Nusa Mandiri Jakarta

Sari Hartini , Program Studi Teknik Informatika, STMIK Nusa Mandiri Jakarta

Program Studi Teknik Informatika, STMIK Nusa Mandiri Jakarta

Juarni Siregar , Program Studi Teknik Informatika, STMIK Nusa Mandiri Jakarta

Program Studi Teknik Informatika, STMIK Nusa Mandiri Jakarta

Published
2020-11-30
How to Cite
Parihah, N. I., Hartini , S., & Siregar , J. (2020). Prediksi Angka Kelahiran Bayi Pada Desa Tridaya Sakti Dengan Menggunakan Algoritma Naive Bayes. Journal of Students‘ Research in Computer Science, 1(2), 77 - 88. https://doi.org/10.31599/jsrcs.v1i2.423