OPTIMASI KINERJA ALGORITMA NAIVE BAYES, DECISION TREE, DAN K-NEAREST NEIGHBORS (KNN) MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) DALAM KLASIFIKASI KEPUASAN PELAYANAN KESEHATAN

Efrandi, Rio (2025) OPTIMASI KINERJA ALGORITMA NAIVE BAYES, DECISION TREE, DAN K-NEAREST NEIGHBORS (KNN) MENGGUNAKAN PARTICLE SWARM OPTIMIZATION (PSO) DALAM KLASIFIKASI KEPUASAN PELAYANAN KESEHATAN. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (1MB)
[img] Text (BAB I)
BAB I.pdf
Download (192kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (585kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (259kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (1MB)
[img] Text (BAB V)
BAB V.pdf
Download (85kB)
[img] Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf
Restricted to Registered users only
Download (117kB)
[img] Archive (SOURCE CODE)
Sourcecode - 20.11.3660.zip
Restricted to Repository staff only
Download (491kB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only
Download (767kB)

Abstract

Kesehatan masyarakat merupakan aspek penting dalam pembangunan suatu negara, dan kepuasan pelayanan kesehatan menjadi indikator utama dalam menilai efektivitas sistem kesehatan. Penelitian ini bertujuan untuk menganalisis performa algoritma Naïve Bayes, Decision Tree, dan K-Nearest Neighbors (KNN) sebelum dan setelah dioptimalkan menggunakan Particle Swarm Optimization (PSO) dalam klasifikasi kepuasan pelayanan kesehatan. Dataset yang digunakan dikumpulkan dari platform X (Twitter) dengan total 2.630 tweet, terdiri dari 1.587 data positif dan 860 data negatif. Data tersebut melalui tahap preprocessing untuk pembersihan dan persiapan sebelum pelatihan model. Hasil penelitian menunjukkan bahwa algoritma Decision Tree memiliki performa tertinggi dengan akurasi sebesar 96,00%. Optimasi menggunakan PSO terbukti efektif dalam mencari parameter terbaik, sehingga meningkatkan akurasi klasifikasi dibandingkan dengan model sebelum optimasi. Dengan demikian, penelitian ini menunjukkan bahwa penggunaan PSO dapat menjadi pendekatan yang tepat dalam meningkatkan performa algoritma klasifikasi, khususnya dalam analisis kepuasan pasien terhadap layanan kesehatan. Temuan ini diharapkan dapat memberikan kontribusi dalam pengembangan sistem analitik berbasis data guna meningkatkan kualitas layanan kesehatan.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Dhuhita, Windha Mega Pradnya
Uncontrolled Keywords: Naive Bayes, Decision Tree, K-Nearest Neighbors (KNN), Particle Swarm Optimization (PSO), Kepuasan Pelayanan Kesehatan
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 14 Jul 2025 04:13
Last Modified: 14 Jul 2025 04:14
URI: http://eprints.amikom.ac.id/id/eprint/30096

Actions (login required)

View Item View Item