Implementasi Metode Association Rule untuk Menganalisis Data Twitter tentang Badan Penyelenggara Jaminan Sosial dengan Algoritma Frequent Pattern-Growth

Abstract

BPJS services cannot be separated from criticism and complaints of the people in Indonesia. Twitter is one of the social media choose to share experiences related to things about BPJS. The information that is shared can be processed to gain new knowledge (knowledge discovery), which is related to public opinion about BPJS. Tweets collected from the national BJPS twitter are divided into words, then, specified words can be used as items to form the itemset. The association rule technique with the FP-Growth algorithm that is implemented in the application can process text data from Twitter to form the item set. Each item set contains a collection of tweets that are responses and the opinion of the community about an event or phenomenon related to BPJS services. The tree structure of FP-Growth simplifies the process of the validation because it can track and display the frequency of occurrence of each word and itemset, before and after branch pruning which is not included in the support value. The OSM API integration with the application in this study provides visual information about where the tweet comes from, so it can be used to generate itemset from a collection of tweets from a particular region.Keywords: Association rule; Data Mining; Knowledge Discover; FP-Growth; Twitter; BPJS. AbstrakLayanan BPJS tidak lepas dari kritik dan keluhan masyarakat Indonesia. Twitter merupakan salah satu media sosial yang digunakan untuk membagikan pengalaman terkait hal-hal yang berhubungan dengan BPJS. Informasi yang dibagikan dapat diolah untuk mendapatkan pengetahuan baru (knowledge discovery), yang berhubungan dengan pendapat masyarakat tentang BPJS. Tweet yang dikumpulkan dari twitter BJPS nasional dipecah menjadi kumpulan kata, kemudian ditentukan kata-kata tertentu yang dapat dijadikan sebagai item untuk membentuk itemset. Teknik association rule dengan algoritme FP-Growth yang diimplementasikan pada aplikasi dapat mengolah data teks dari twitter untuk membentuk itemset. Setiap itemset berisi kumpulan tweet yang merupakan respon dan pendapat masyarakat tentang suatu kejadian atau fenomena terkait pelayanan BPJS. Struktur tree pada FP-Growth dapat mempermudah proses validasi karena dapat menelusuri dan menampilkan frekuensi kemunculan tiap kata dan itemset, sebelum dan sesudah pemangkasan cabang yang tidak masuk dalam nilai support. Integrasi OSM API dengan aplikasi pada penelitian ini memberikan informasi visual tentang lokasi asal tweet sehingga dapat dilakukan pembangkitan itemset dari kumpulan tweet yang berasal dari suatu daerah tertentu.

Prediksi Jumlah Kasus Klaim Indemnity Dengan Menggunakan Algoritma Regresi Linear Pada Asuransi Mandiri Inhealth

“…Root Mean Squared Error (RMSE) adalah aturan penilaian kuadrat yang juga mengukur besarnya ratarata kesalahan. RMSE adalah akar kuadrat dari rata-rata perbedaan kuadrat antara prediksi dan observasi aktual [11]. Cara yang juga biasanya digunakan untuk mengevaluasi model data mining adalah dengan RMSE.…”

Analisis Trend Berita Media Online di Masa Pandemi Covid-19 dengan Metode Monte Carlo

“…Proses pengumpulan data dan informasi terkait pemberitaan media massa ini menggunakan teknik Knowledge Discovery in Databases (KDD) seperti gambar di bawah ini. Tahapan-tahapan dalam penelitian dengan KDD sebagaimana ditunjukan pada Gambar 2 di atas dapat dijelaskan sebagai berikut [16] : a. Selection Selection di sini adalah proses seleksi atau pemilihan data yang relevan dari koleksi data yang ada untuk diproses lebih lanjut.…”