Komparasi Algoritma K-Nearest Neighbor Dan Naive Bayes Dalam Faktor Ketidakdisiplinan Masyarakat Terhadap Protokol Kesehatan Covid-19

Abstract

Penelitian ini bertujuan untuk melakukan perbandingan dua metode dalam Data Mining klasifikasi yaitu algoritma Naive Bayes dan algoritma K-Nearest Neighbor dalam permasalahan faktor ketidakdisiplinan masyarakat dalam menjalankan protokol kesehatan COVID-19 di tempat wisata dan perbelanjaan daerah Pematangsiantar dan Simalungun. Penelitian ini menggunakan lima kriteria yang mempengaruhi ketidakdisiplinan masyarakat yaitu Ketersediaan Alat, Perasaan Masyarakat, Ketegasan Hukum, Lingkungan Masyarakat dan Ekonomi. Pengumpulan data dilakukan dengan kuesioner yang disebarkan melalui Google Formulir kepada masyarakat sebanyak 104 orang. Hasil Penelitian ini menunjukkan bahwa algoritma K-Nearest Neighbor lebih baik digunakan dalam permasalahan ketidakdisiplinan masyarakat terhadap protokol kesehatan COVID-19 yang memiliki tingkat akurasi sebesar 100% jika dibanding dengan algoritma Naive Bayes yang hanya memiliki tingkat akurasi sebesar 94,231%.