JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
ISSN: 2828-9102 (Prin.
| 2828-9099 (Onlin.
DOI: 10.
55123/jomlai.
Klasifikasi Data Kesiapan Menikah Pada Dewasa Muda Menggunakan Algoritma Nayve Bayes Data Classification of Marriage Readiness in Young Adults Using the Nayve Bayes Algorithm Rahmi Fauziah1.
Heru Satria Tambunan2.
Susiani3 STIKOM Tunas Bangsa.
Pematangsiantar.
Indonesia
Article Info
ABSTRAK
Genesis Artikel:
Kesiapan menikah biasanya harus dimiliki oleh setiap individu yang ingin menjalankan kehidupan pernikahan agar menjadi keluarga yang harmonis.
Namun, tidak semua dewasa muda mempersiapkan kesiapan menikah seperti finansial, emosi, peran dan lainnya.
Sehingga dilakukan klasifikasi untuk menentukan kesiapan menikah tersebut dengan kelas siap dan belum siap.
Klasifikasi merupakan bagian dari data mining yang melakukan proses pembangunan model berdasarkan data latih yang ada, kemudian menggunakan model tersebut untuk pengklasifikasian pada data yang baru.
Data penelitian yang digunakan diambil dari dewasa muda, laki-laki dan perempuan sebanyak 103 data.
Algoritma yang digunakan adalah Nayve Bayes.
Kesimpulan dari penelitian ini adalah pengujian sebanyak 5 data testing yang diolah di dalam RapidMiner 5.
mendapatkan hasil pengujian dengan akurasi sebanyak 74,33% yaitu 3 data yang belum siap dan 2 data yang siap.
Sehingga proses penelitian bisa dilakukan dengan cepat dan efisien.
Diterima, 4 November 2022 Direvisi, 28 Desember 2022 Disetujui, 25 Januari 2023 Kata Kunci:
Data Mining Dewasa Muda Klasifikasi Kesiapan Menikah Naive Bayes ABSTRACT Keywords:
Data Mining Young Adults Classification Readiness for Marriage Naive Bayes Readiness to get married usually must be owned by every individual who wants to run a married life in order to become a harmonious family.
However, not all young adults prepare for marriage such as financially, emotionally, roles and others.
So the classification is carried out to determine the readiness for marriage with ready and not ready classes.
Classification is part of data mining that performs the process of building a model based on existing training data, then using the model for classification on new data.
The research data used were taken from 103 young adult, male and female.
The algorithm used is Nayve Bayes.
The conclusion of this research is testing as much as 5 testing data that is processed in RapidMiner 5.
get test results with an accuracy of 74,33%, namely 3 data that are not ready and 2 data that are So that the research process can be done quickly and efficiently.
This is an open access article under the CC BY-SAlicense.
Penulis Korespondensi:
Rahmi Fauziah.
Program Studi Sistem Informasi.
STIKOM Tunas Bangsa.
Pematangsiantar.
Indonesia Email: fauziahrahmi3108@gmail.
PENDAHULUAN
Kesiapan menikah merupakan persepsi kemampuan individu untuk menjalankan peran dalam kehidupan pernikahan, dan melihatnya sebagai aspek dari pemilihan pasangan dan proses perkembangan hubungan .
Perubahan zaman membuat kesiapan menikah dalam hal ini menurut pandangan para ahli belum tentu sesuai dengan kesiapan menikah yang dibutuhkan calon pasangan pada saat sekarang ini.
Kesiapan menikah merupakan salah satu faktor yang dapat mengurangi resiko terjadinya perceraian serta, dapat mencapai kepuasan dan kesejahteraan pernikahan .
Menikah adalah salah satu tugas perkembangan dewasa awal yang harus dipersiapkan dengan baik.
Latar belakang demografis, biologis, psikologis, dan sosial yang berbeda antara laki-laki dan perempuan akan membuat perbedaan pada persiapan yang harus dilakukan .
Aspek-aspek Journal homepage: https://journal.
id/index.
php/jomlai/ ISSN : 2828-9099 yang mempengarui kesiapan menikah dalam bahtera rumah tangga diantaranya kesiapan emosi, kesiapan usia, kesiapan sosial, kesiapan peran, kesiapan finansial, dan kesiapan waktu .
Data Mining telah menarik banyak perhatian dalam dunia sistem informasi dan dalam masyarakat secara keseluruhan dalam beberapa tahun terakhir, karena ketersediaan luas data dalam jumlah besar dan kebutuhan segera untuk mengubah data tersebut menjadi informasi yang berguna bagi pengetahuan .
Ae.
Hal ini terbukti dari banyaknya penelitian-penelitian yang sudah dilakukan di bidang komputer untuk menyelesaikan masalah komputasi, seperti sistem pendukung keputusan .
Ae.
, bidang jaringan syaraf tiruan .
Ae.
, hingga di bidang data mining .
Ae.
Nayve Bayes merupakan teknik prediksi berbasis probabiitas sederhana yang berdasarkan pada penerapan teorema Bayes dengan asumsi independensi yang kuat.
Dengan kata lain, dalam Nayve bayes menggunakan model fitur independen, maksud independen yang kuat pada fitur adalah bahwa data tidak berkaitan dengan data yang lain dalam kasus yang sama ataupun atribut yang lain .
Banyak sekali dari kalangan generasi milenial bahkan generasi Z yang mengikuti tren nikah muda.
Terdapat berbagai alasan yang diajukan pasangan muda untuk menikah di usia muda yaitu dari masalah ekonomi, tuntutan orangtua, kehamilan di luar nikah, adat dan budaya.
Tanpa memikirkan risiko yang di dapatkan jika tidak di pikirkan matang-matang akan menyebabkan perceraian, masalah ekonomi, kehilangan menikmati masa muda, dan risiko kesehatan pada ibu hamil yang belum cukup usia.
Dengan demikian dewasa muda yang berencana akan menikah hendaknya memiliki kesiapan yang cukup dalam pernikahan kelak agar terhindar dari masalah-masalah yang bisa mengakibatkan perceraian atau konflik yang membuat rumah tangga tidak harmonis, penulis menerapkan sebuah algoritma Nayve Bayes yang merupakan salah satu algoritma yang terdapat pada teknik klasifikasi .
Berdasarkan uraian tersebut, maka dilakukan penelitian untuk klasifikasi kesiapan menikah pada dewasa muda menggunakan Algoritma Nayve Bayes.
METODE PENELITIAN
Rancangan Penelitian Rancangan penelitian ini pertama kali penulis melakukan pengamatan dan menganalisa permasalahan yang setelah itu data akan diolah melalui proses perhitungan Algoritma Nayve Bayes.
Selanjutnya hasil dari perhitungan akan diaplikasikan ke Rapid miner untuk melihat keakuratan hasil yang diperoleh Flowchart.
Berikut merupakan model penelitian disajikan dalam rancangan Flowchart pada gambar 1.
Mulai Analisa Masalah Mengumpulkam Data Mengolah Data Menerapkan Metode Pengujian Data Kesimpulan Selesai Gambar 1.
Rancangan Penelitian Keterangan dari gambar diatas adalah sebagai berikut :
Analisis Masalah Menganalisis masalah yang terkait dengan mengklasifikasi data kesiapan menikah pada dewasa muda terhadap lakilaki dan perempuan di Kecamatan Gunung Maligas Desa Karang Anyar.
Mengumpulkan Data Data dikumpulkan dengan menberikan kuesioner kepada laki-laki dan perempuan di Kecamatan Gunung Maligas Desa Karang Anyar.
Menetapkan Metode JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
JOMLAI: Journal of Machine Learning and Artificial Intelligence Pada penelitian ini menggunakan teknik data mining klasifikasi dengan algoritma Naive Bayes untuk mengklasifikasi data kesiapan menikah pada dewasa muda.
Mengolah Data Data yang di dapatkan dari kuesioner di olah ke dalam Microsoft Ecxel 2013 sehingga menampilkan isi data yang lebih rinci.
Pengujian Data Pengujian data dilakukan dengan menggunakan software RapidMiner 5.
3 sebagai sistem untuk mencari keputusan dalam mengklasifikasi data kesiapan menikah pada dewasa muda.
Kesimpulan Kesimpulan yang di dapat dari klasifikasi data kesiapan menikah pada dewasa muda yaitu dikategorikan dewasa muda yang siap atau belum siap terhadap pernikahan.
Klasifikasi Klasifikasi Nayve Bayes merupakan suatu pekerjaan menilai objek data untuk memasukannya kedalam kelas tertentu dari jumlah kelas yang tersedia.
Klasifikasi melakukan pembangunan model berdasarkan data latih yang ada, kemudian menggunakan model tersebut untuk mengklasifikasikan pada data yang baru.
Klasifikasi dapat didefinisikan sebagai pekerjaan yang melakukan pelatihan/pembelajaran terhadap fungsi target yang memetakan setiap set atribut .
ke satu jumlah label kelas yang tersedia .
HASIL DAN ANALISIS
Pengolahan Data Dalam penelitian ini proses pengolahan data dilakukan dengan perhitungan manual menggunakan Microsoft Excel 2013.
Berikut uraian perhitungan manual dalam mengklasifikasi data kesiapan menikah menggunakan metode nayve bayes.
Dalam proses klasifikasi kesiapan menikah dilakukan dengan menentukan data yang digunakan dalam penelitian ini.
Pada tahap melakukan pengolahan data menggunakan algoritma Nayve Bayes yang perlu dilakukan yaitu menentukan data training dan data testing yang akan dihasilkan.
Dalam penelitian ini data yang berjumlah 103 responden.
Kemudian data dibagi dua yaitu 99 data training dan 3 data testing.
Data tersebut akan digunakan untuk melakukan proses perhitungan data probabilitas baik itu training dan testing serta proses menghitung probabilitas akhir.
Setelah mendapatkan probabilitas akhir proses terakhir untuk menentukan tingkat kecanduan internet yaitu membandingkan antara kecanduan dan tidak kecanduan.
Tabel 1.
Data Penelitian Responden
R10
R11
R12
R13
R14
R15
R16
R17
R18
R19
R20
R21
R22
R23
R24
R25
R26
R27
R28
R29
R30
R31
Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Hasil Siap Siap Belum Siap Belum Siap Siap Siap Belum Siap Belum Siap Siap Siap Siap Siap Belum Siap Siap Siap Belum Siap Belum Siap Siap Belum Siap Siap Siap Belum Siap Belum Siap Siap Belum Siap Belum Siap Siap Belum Siap Siap Siap Belum Siap Data Classification of Marriage Readiness in Young Adults Using the Nayve Bayes Algorithm (Rahmi Fauzia.
ISSN : 2828-9099
Responden
R32
R33
R34
R35
R36
R37
R38
R39
R40
R41
R42
R43
R44
R45
R46
R47
R48
R49
R50
R51
R52
R53
R54
R55
R56
R57
R58
R59
R60
R61
R62
R63
R64
R65
R66
R67
R68
R69
R70
R71
R72
R73
R74
R75
R76
R77
R78
R79
R80
R81
R82
R83
R84
R85
R86
R87
R88
R89
R90
R91
R92
R93
R94
R95
R96
R97
R98
R99
R100
R101
R102
R103
Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Tidak Hasil Siap Siap Belum Siap Belum Siap Belum Siap Siap Siap Belum Siap Belum Siap Siap Siap Siap Siap Siap Siap Siap Siap Siap Siap Siap Siap Belum Siap Siap Siap Siap Belum Siap Siap Siap Siap Belum Siap Siap Siap Belum Siap Siap Siap Siap Belum Siap Siap Belum Siap Siap Siap Belum Siap Belum Siap Siap Belum Siap Belum Siap Siap Siap Siap Siap Belum Siap Belum Siap Siap Siap Siap Siap Belum Siap Belum Siap Siap Belum Siap Siap Siap Siap Siap Belum Siap Siap Siap Setelah data ditentukan, langkah selanjutnya penulis menghitung jumlah siap dan belum siap berdasarkan tabel 5 dari 98 data latih yang digunakan, diketahui kelas siap sebanyak 63 data, dan kelas belum siap sebanyak 35 data.
Perhitungan JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
JOMLAI: Journal of Machine Learning and Artificial Intelligence probabilitas prior kemungkinan siap dalam menentukan kesiapan menikah pada dewasa muda dapat dilihat pada persamaan .
P (Sia.
Sedangkan perhitungan probabilitas belum siap yaitu:
P (Belum Sia.
Setelah probabilitas dari masing-masing prior telah ditentukan, selanjutnya menghitung probabilitas dari masing-masing kriteria yang digunakan yaitu kesiapan finansial, kesiapan emosi, kesiapan sosial, kesiapan peran, kesiapan waktu dan kesiapan Tabel 2.
Probabilitas Kriteria Kesiapan Menikah Kesiapan Finansial (C.
Tidak Jumlah Jumlah Kejadian Dipilih Siap Belum Siap Probabilitas Siap Belum Siap 0,9524 0,0476 Probabilitas pada kriteria kesiapan finansial yaitu pada kategori siap dengan skala Ya memiliki probabilitas 0,9524 dan Tidak memiliki probabilitas 0,0476.
Sehingga jumlah probabilitas siap yaitu 1.
Sedangkan pada kategori belum siap dengan skala Ya memiliki probabilitas 0,8 dan Tidak memiliki probabilitas 0,2.
Sehingga jumlah probabilitas belum siap yaitu 1.
Tabel 3.
Probabilitas Kriteria Kesiapan Emosi Kesiapan Emosi (C.
Tidak Jumlah Jumlah Kejadian Dipilih Siap Belum Siap Siap 0,7143 0,2857 Probabilitas Belum Siap 0,5714 0,4286 Probabilitas pada kriteria kesiapan emosi yaitu pada kategori siap dengan skala Ya memiliki probabilitas 0,7143 dan Tidak memiliki probabilitas 0,2857.
Sehingga jumlah probabilitas siap yaitu 1.
Sedangkan pada kategori belum siap dengan skala Ya memiliki probabilitas 0,5714 dan Tidak memiliki probabilitas 0,4286.
Sehingga jumlah probabilitas belum siap yaitu Tabel 4.
Probabilitas Kriteria Kesiapan Sosial Kesiapan Sosial (C.
Tidak Jumlah Jumlah Kejadian Dipilih Siap Belum Siap Probabilitas Siap 0,9841 0,0159 Belum Siap 0,9429 0,0571 Probabilitas pada kriteria kesiapan sosial yaitu pada kategori siap dengan skala Ya memiliki probabilitas 0,981 dan Tidak memiliki probabilitas 0,0159.
Sehingga jumlah probabilitas siap yaitu 1.
Sedangkan pada kategori belum siap dengan skala Ya memiliki probabilitas 0,9429 dan Tidak memiliki probabilitas 0,0571.
Sehingga jumlah probabilitas belum siap yaitu 1.
Tabel 5.
Probabilitas Kriteria Kesiapan Peran Kesiapan Peran (C.
Tidak Jumlah Jumlah Kejadian Dipilih Siap Belum Siap Probabilitas Siap 0,9524 0,0476 Belum Siap 0,6286 0,3714 Probabilitas pada kriteria kesiapan Peran yaitu pada kategori siap dengan skala Ya memiliki probabilitas 0,9524 dan Tidak memiliki probabilitas 0,0476.
Sehingga jumlah probabilitas siap yaitu 1.
Sedangkan pada kategori belum siap dengan skala Ya memiliki probabilitas 0,6286 dan Tidak memiliki probabilitas 0,3714.
Sehingga jumlah probabilitas belum siap yaitu Tabel 6.
Probabilitas Kriteria Kesiapan Waktu Kesiapan Waktu (C.
Jumlah Kejadian Dipilih Siap Belum Siap Probabilitas Siap Belum Siap 0,9429 Data Classification of Marriage Readiness in Young Adults Using the Nayve Bayes Algorithm (Rahmi Fauzia.
ISSN : 2828-9099 Kesiapan Waktu (C.
Tidak Jumlah Jumlah Kejadian Dipilih Siap Belum Siap Probabilitas Siap Belum Siap 0,0571 Probabilitas pada kriteria kesiapan waktu yaitu pada kategori siap dengan skala Ya memiliki probabilitas 1 dan Tidak memiliki probabilitas 0.
Sehingga jumlah probabilitas siap yaitu 1.
Sedangkan pada kategori belum siap dengan skala Ya memiliki probabilitas 0,9429 dan Tidak memiliki probabilitas 0,0571.
Sehingga jumlah probabilitas belum siap yaitu 1.
Tabel 7.
Probabilitas Kriteria Kesiapan Usia Kesiapan Usia (C.
Tidak Jumlah Jumlah Kejadian Dipilih Siap Belum Siap Probabilitas Siap Belum Siap 0,9206 0,6571 0,0794 0,3429 Probabilitas pada kriteria kesiapan usia yaitu pada kategori siap dengan skala Ya memiliki probabilitas 0,9206 dan Tidak memiliki probabilitas 0,0794.
Sehingga jumlah probabilitas siap yaitu 1.
Sedangkan pada kategori belum siap dengan skala Ya memiliki probabilitas 0,6571 dan Tidak memiliki probabilitas 0,3429.
Sehingga jumlah probabilitas belum siap yaitu 1.
Setelah masing-masing probabilitas kriteria telah diketahui, langkah selanjutnya adalah menghitung data testing untuk menentukan nilai klasifikasi.
Berikut adalah data testing yang digunakan dalam penelitian ini dapat dilihat pada tabel 10.
Tabel 8.
Data Testing Responden
R99
R100
R101
R102
R103
Tidak Tidak Tidak Tidak Tidak Hasil Berdasarkan dari data perbandingan tersebut dapat diketahui bahwa data testing dari data responden 99,100 dan 101 memiliki klasifikasi Belum Siap.
Sedangkan dari data responden 102 dan 103 memiliki klasifikasi Siap.
Hasil Percobaan Rapid Miner Menjalankan proses pembentukan model aturan, terlebih dahulu importing data dari data yang sudah ditransformasikan dalam Microsoft Excel 2013 dan diakses menggunakan software RapidMiner 5.
Gambar 2.
Operator Data Kuesioner dan X-Validation JOMLAI: Journal of Machine Learning and Artificial Intelligence Vol.
No.
Desember 2022, pp.
JOMLAI: Journal of Machine Learning and Artificial Intelligence Setelah operator data kuesioner dan x-validation telah dihubungkan.
Langkah selanjutnya double klik pada operator Xvalidation.
Pada training process, drag dan tekan operator Nayve Bayes.
Lalu drag dan tekan operator apply model kedalam testing process.
Dalam membuat model aturan untuk menentukan kelas siap dan belum siap, diperlukan operator performance yang digunakan untuk evaluasi data kuesioner.
Drag dan tekan operator performance kedalam testing process.
Setelah operator Nayve Bayes, apply model dan performance tersusun pada view process kemudian dihubungkan garis input dan output pada operator tersebut.
Gambar 3.
Nilai Accuracy Performance Keterangan :
Jumlah prediksi siap dan kenyataannya benar siap adalah 53 record (FN).
Jumlah prediksi siap dan kenyataanya benar belum siap adalah 15 record (TN).
Jumlah prediksi belum siap dan kenyataannya benar siap adalah 20 record (FP).
Jumlah prediksi belum siap dan kenyataannya benar belum siap adalah 10 record (TP) Pada gambar 3.
Nilai Accuracy Performance dijelaskan bahwa prediksi belum siap memiliki class precision 66,67%, prediksi siap memiliki class precision 77,94%.
KESIMPULAN
Berdasarkan hasil penelitian, dapat disimpulkan bahwa metode Nayve Bayes yang digunakan untuk menentukan kesiapan menikah pada dewasa muda berhasil diterapkan.
Sumber data yang digunakan dalam penelitian ini diperoleh dengan menyebar Jumlah data training 98 responden dan jumlah data testing 5 responden dengan menggunakan dua kelas.
Hasil yang didapatkan adalah kelas siap memiliki nilai klasifikasi / probabilitas 0,643 sedangkan kelas belum siap memiliki nilai klasifikasi / probabilitas 0,357.
Pengujian data menggunakan RapidMiner 5.
3 dengan metode nayve bayes dari hasil klasifikasi dengan tingkat akurasi sebanyak 74,33%.
REFERENSI