PERBANDINGAN METODE NAIVE BAYES, SUPPORT VECTOR MACHINE DAN ID3 DALAM PENETAPAN STATUS PENANGANAN KECELAKAAN KERJA

Abstract

Kecelakaan di tempat kerja merupakan hal yang tidak diinginkan. Data terakhir pada tahun 2016 saja, telah terdaftar 2.382 orang meninggal pada saat bekerja dari 101.367 kasus terkait kecelakaan kerja. Hal ini harus diperhatikan khususnya bagi PT.Pertamina EP Cepu terutama karena pekerjanya 80 % berada di lapangan. Tujuan dari penelitian ini adalah untuk mengetahui tingkat keakurasian dan classifier  terbaik antara metode Naive Bayes, Support Vector Machine (SVM) dan Algoritma Iterative Dichotomiser 3 (ID3), dan mengetahui alur penetapan status serta important feature yang paling utama dalam penentuan status penanganan kecelakaan kerja. Analisis data dalam penelitian menggunakan software R, yang didalamnya memuat analisis deskriptif, analisis perbandingan akurasi 3 metode machine learning classifier  yaitu Naive Bayes,  SVM dan  ID3. Hasil dari penelitian ini adalah  berdasarkan pada hasil algoritma ID3 dapat disimpulkan bahwa  feature paling penting dalam penentapan status penanganan kecelakaan kerja adalah Lama waktu. Berdasarkan pada tingkat kinerja machine learning, maka dapat disimpulkan bahwa SVM merupakan classifier yang terbaik. Hal ini dibuktikan dengan nilai F-Measure yang dihasilkan oleh metode SVM adalah yang paling tinggi. Hasil kinerja klasifikasi baik dengan menggunakan metode  Naive Bayes, SVM, ataupun dengan ID3 menghasilkan  tingkat keakurasian yang kurang baik. Hal ini disebabkan oleh tidak seimbangnya proporsi antara 2 kelas.

Keywords: classifier, ID3, naive bayes,  status penanganan kecelakaan kerja, support vector machine