Fauziah (221709694) Ratriani Retno Wardani (221709961) Renata Pradita (221709965) Data yang Digunakan Data yang digunakan adalah Kepadatan dan Distribusi Tenaga Kesehatan Tahun 2017. Sumber Sumber data tersebut adalah website resmi Badan Pusat Statistik (BPS). Tujuan dan Manfaat Penelitian
Tujuan dari penelitian ini adalah untuk mengklasifikasikan suatu provinsi ke
dalam suatu kategori kepadatan dan distribusi tenaga kesehatan berdasarkan jumlahnya. Model klasifikasi yang tepat dapat dimanfaatkan untuk mengetahui dan memprediksi kepadatan dan distribusi tenaga kesehatan berdasarkan jumlahnya. Pada kasus kali ini, kami menggunakan metode diskretisasi, yaitu membagi nilai data menjadi beberapa range data yang dapat dilakukan dengan cara binning dan hirarki konsep. Kami menggunakan hirarki konsep yaitu mengelompokkan jumlah seluruh kepadatan dan distribusi tenaga kesehatan tiap-tiap provinsi menjadi : • Kurang (0-250) • Cukup (251-500) • Tinggi (> 500) Metode Data Mining
Penelitian kami ini menerapkan salah satu metode data mining, yaitu klasifikasi.
Dalam memilih model terbaik, kami menggunakan metode klasifikasi
ZeroR untuk menjadi standar penilaian. Jika tingkat akurasi metode klasifikasi lainnya lebih tinggi daripada tingkat akurasi metode klasifikasi ZeroR, maka model dari metode klasifikasi ZeroR tidak jadi digunakan. ZeroR J48 Tree View Random Forest Kesimpulan Berdasarkan metode klasifikasi data menggunakan metode ZeroR, Decision Tree J48 dan Random Forest dengan tingkat akurasi masing-masing senilai 76.4706%, 87.5%, dan 91.6667%. Sesuai dengan standar akurasi yang diterapkan, hasil akurasi ZeroR akan kami gunakan sebagai batas nilai minimal untuk memenuhi syarat akurasi. Karena nilai akurasi metode Random Forest lebih besar daripada nilai akurasi metode ZeroR dan Decision Tree J48, kami menyimpulkan bahwa mengklasifikasikan data dengan metode Random Forest cocok untuk diterapkan pada data Kepadatan dan Distribusi Tenaga Kesehatan Tahun 2017. Terima Kasih