Perbandingan Metode Naïve Bayes Dan K-Nearest Neighbors Dalam Mengklasifikasikan Indeks Pembangunan Manusia Menurut Kabupaten/ Kota di Indonesia Tahun 2022

Abstrak

Indeks Pembangunan Manusia (IPM) adalah indikator yang digunakan untuk mengukur keberhasilan upaya meningkatkan kualitas hidup manusia di suatu wilayah tertentu. IPM Indonesia mengalami peningkatan setiap tahun, namun IPM di beberapa kabupaten/kota di Indonesia masih berada dalam kategori rendah. Rendahnya IPM di kabupaten/kota tersebut disebabkan oleh ketidakmerataan pembangunan antar wilayah di Indonesia. Ketimpangan pembangunan ini dipengaruhi oleh indikator-indikator IPM serta faktor-faktor lainnya. Untuk mengatasi masalah ini, diperlukan suatu sistem keputusan untuk menentukan kategori IPM dengan menggunakan metode Naïve Bayes dan KNN. Metode Naïve Bayes diterapkan dengan asumsi distribusi Gaussian, sementara KNN diimplementasikan dengan mengoptimalkan nilai K terdekat. Evaluasi kinerja model dilakukan untuk menentukan akurasi terbaik dari kedua metode menggunakan confusion matrix. Hasil analisis menunjukkan bahwa model Naïve Bayes lebih unggul dibandingkan algoritma KNN dalam mengklasifikasikan Indeks Pembangunan Manusia (IPM) berdasarkan kabupaten/kota di Indonesia pada tahun 2022, dengan Naïve Bayes mencapai akurasi sebesar 93%. Oleh karena itu, algoritma Naïve Bayes menunjukkan kinerja yang baik dalam hal akurasi.