Email this article 
Penerapan Algoritma Decision Tree Untuk Klasifikasi KIPI Vaksin Covid-19
Abstract
Pandemi COVID-19 merupakan wabah yang terjadi di seluruh dunia, terutama Indonesia. Pandemi COVID-19 telah melumpuhkan berbagai bidang di sektor publik dan banyak penduduk terkena Sars-Cov-2 yang menyebabkan kematian bagi masyarakat dan tenaga kesehatan. dalam melaksanakan Program Vaksinasi Coronavirus di Indonesia. Banyak masyarakat yang khawatir terhadap Vaksinasi Coronavirus dikarenakan hoax terhadap Vaksinasi Coronavirus dan ketakutan dengan dampak KIPI. Penulis melakukan penelitian dengan menggunakan metode Decision Tree untuk melakukan klasifikasi KIPI Vaksin COVID-19 menggunakan data Vaksin COVID-19 siswa/siswi salah satu SMP Kota Bekasi. Berdasarkan hasil penelitian yang didapatkan, penelitian menghasilkan model Decision Tree dari 4 atribut yang didapatkan lalu dikategorikan dengan 2 variabel yang berbeda yakni variabel target dan variabel prediksi. Penelitian menghasilkan model Decision Tree lalu melakukan perbandingan dengan algoritma naive bayes dengan masing-masing keakuratan sebesar 89,5349% dan 88.3721 %. Hasil ini menunjukan algoritma Decision Tree memiliki keakuratan lebih tinggi dibandingkan dengan algoritma Naïve Bayes sehingga algoritma Decision Tree merupakan teknik yang tepat dalam hal pengklasifikasian.
Keywords
Full Text:
PDFReferences
P. Vermonte and T. Y. Wicaksono, “Karakteristik dan Persebaran COVID-19 di Indonesia : Temuan Awal,” CSIS Comment. DMRU-043-ID, no. April, pp. 1–12, 2020.
B. Laurensz and Eko Sediyono, “Analisis Sentimen Masyarakat terhadap Tindakan Vaksinasi dalam Upaya Mengatasi Pandemi Covid-19,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 10, no. 2, pp. 118–123, 2021, doi: 10.22146/jnteti.v10i2.1421.
D. Kholdiyah, Sutomo, and N. Kushayati, “Hubungan Persepsi Masyarakat Tentang Vaksin Covid-19 Dngan Kecemasan Saat Akan Menjalani Vaksinasi Covid-19,” Keperawatan, vol. 14, no. 2, pp. 8–20, 2021.
A. Pendiagnosa, K. Warna, M. Pemrograman, B. Delphi, and S. Eniyati, “Perancangan Sistem Pendukung Pengambilan Keputusan untuk Penerimaan Beasiswa dengan Metode SAW (Simple Additive Weighting),” J. Teknol. Inf. Din., vol. 16, no. 2, pp. 171–176, 2011
T. Herdi and A. Dores, “Bayes interpretation for Smoke-Free Area Cities Index,” Bulletin of Social Informatics Theory and Application, vol. 5, no. 1, pp. 38–46, 2021. [Online]. Available: https://pubs.ascee.org/index.php/businta/article/view/286.
R. Annisa, “Analisis Komparasi Algoritma Klasifikasi Data Mining Untuk Prediksi Penderita Penyakit Jantung,” J. Tek. Inform. Kaputama, vol. 3, no. 1, pp. 22–28, 2019, [Online]. Available: https://jurnal.kaputama.ac.id/index.php/JTIK/article/view/141/156.
Alvina Felicia Watratan, Arwini Puspita. B, and Dikwan Moeis, “Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia,” J. Appl. Comput. Sci. Technol., vol. 1, no. 1, pp. 7–14, 2020, doi: 10.52158/jacost.v1i1.9.
K. G. Rendra, “Klasifikasi Data mining Untuk Penerimaan seleksi Calon Pegawai Negeri Sipil 2014 Menggunakan algoritma decision Tree C4.5,” CORE, 2015. [Online]. Available: https://core.ac.uk/outputs/35381900.
N. Anwar, A. Pranolo, and R. Kurnaiwan, “Grouping the community health center patients based on the disease characteristics using C4.5 decision tree,” IOP Conf. Ser. Mater. Sci. Eng., vol. 403, no. 1, 2018, doi: 10.1088/1757-899X/403/1/012084.
Y. Mardi, “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” Edik Inform., vol. 2, no. 2, pp. 213–219, 2017, doi: 10.22202/ei.2016.v2i2.1465.
A. S. Fitrani, M. A. Rosid, Y. Findawati, Y. Rahmawati, and A. K. Anam, “Implementation of ID3 algorithm classification using web-based weka,” J. Phys. Conf. Ser., vol. 1381, no. 1, 2019, doi: 10.1088/1742-6596/1381/1/012036.
A. Andriani, “Sistem Pendukung Keputusan Berbasis Decision Tree Dalam Pemberian Beasiswa Studi Kasus : Amik ‘ BSI Yogyakarta ,’” Semin. Nas. Teknol. Inf. dan Komun. 2013 (SENTIKA 2013), vol. 2013, no. SENTIKA, pp. 163–168, 2013, [Online]. Available: https://repository.bsi.ac.id/index.php/unduh/item/48930/Sentika_2013Anik-Andriani.pdf
DOI: http://dx.doi.org/10.22441/fifo.2022.v14i2.005
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 Jurnal Ilmiah FIFO
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Jurnal Ilmiah FIFO
 | Print ISSN: 2085-4315 |
|---|---|
| Online ISSN: 2502-8332 |
Sekretariat
Fakultas Ilmu Komputer
Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215871335
http://publikasi.mercubuana.ac.id/index.php/fifo
e-mail:[email protected]
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Â
.png)
