Klasifikasi Neive Bayes Berbasis Particle Swarm Optimization Untuk Prediksi Penerima Bantuan Iuran Bpjs Kesehatan

Abstract

Pada masa pandemi sangat berdampak besar pada kehidupan ekonomi masyarakat utamanya golongan rumah tangga kelas menengah ke  bawah. Bantuan yang sangat dibutuhkan masyakat khususnya untuk mengatasi masalah kemiskinan dan kesehatan.   Penerima Bantuan Iuran BPJS (PBI) merupakan salah satu usaha pemerintah untuk membantu meringankan masyarakat miskin yang mengalami kesulitan untuk membayar biaya iuran bulanan BPJS Kesehatan. Data penerima bansos BPJS (PBI) diambil dari Data Terpadu Kesejahteraan Sosial (DTKS) Kementerian Sosial. Hasil klasifikasi yang didapat 95% Penerima PBI BPJS DTKS  diprediksi Tidak  tidak layak menerima. Sedangkan 5 % diprediksi layak menerima. Dari hasil analisis optimasi algoritma Naïve Bayes dengan particle swarm optimization   (PSO) dapat disimpulkan bahwa nilai akurasi yang didapat model algoritma Naïve Bayes berbasis PSO adalah 99,98%. Lebih baik jika dibandingkan dengan hanya model algoritma Naïve Bayes  menghasilkan nilai akurasi sebesar 99,95%. Selisih antara kedua model tersebut sebesar 0,03%. Sedangkan untuk nilai precision yang didapat model algoritma Naïve Bayes berbasis PSO menunjukkan maximal value yaitu 100%. Lebih baik jika dibandingkan dengan hanya model algoritma Naïve Bayes  menghasilkan nilai Precision sebesar 99.96%. Untuk nilai Recall model algoritma Naïve Bayes berbasis PSO menunjukkan nilai 99,59 %. Lebih baik jika dibandingkan dengan hanya model algoritma Naïve Bayes  menghasilkan nilai Precision sebesar 98,84%.