PENERAPAN DATA MINING DALAM PREDIKSI PENYEBAB KECELAKAAN KERJA CV. DEKA UTAMA DENGAN METODE NAIVE BAYES

• MONICA PUTRI RAHAYU
• 2020

---

ABSTRAK

Monica Putri Rahayu (19160591), Penerapan Data Mining Dalam Prediksi Penyebab Kecelakaan Kerja CV. Deka Utama Dengan Metode Naive Bayes

Perkembangan teknologi yang sangat pesat dan teknologi merupakan suatu kebutuhan bagi penggunanya. Sejauh ini teknologi telah banyak diterapkan pada beberapa bidang, salah satu contoh adalah kehadiran teknologi di sektor konstruksi  yang memudahkan para penggunanya untuk melakukan proses prediksi terhadap faktor penyebab kecelakaan kerja konstruksi. Kecelakaan dalam bekerja merupakan suatu kejadian yang tidak diharapkan dan tidak direncanakan. Kecelakaan kerja dapat menghambat jalannya pekerjaan dan akan mempengaruhi hasil dan lamanya waktu pekerjaan itu sendiri. Salah satu cara agar dapat meminimalisir terjadinya kecelakaan kerja adalah dengan memprediksi faktor apa saja yang dapat menyebabkan kecelakaan kerja. Data mining merupakan salah satu cara untuk mendapatkan informasi yang tersimpan pada database yang berjumlah besar. Data kecelakaan kerja yang terdapat pada suatu perusahaan konstruksi hanya digunakan sebagai laporan perusahaan saja. Dalam kenyataannya, data tersebut dapat memberikan informasi yang lebih dari sekedar laporan. Salah satu informasi yang dapat diambil dari data kecelakaan kerja perusahaan adalah informasi tentang prediksi penyebab kecelakaan kerja. Metode untuk memprediksi yang menghasilkan data akurat adalah metode Naive Bayes. Dalam penelitian ini menggunakan 78 data sampel yang diolah sehingga menghasilkan nilai akurasi sebesar 96,15%.

ABSTRACT

Monica Putri Rahayu (19160591), The Application of Data Mining in Predicting the Causes of Work Accidents CV. Deka Utama with Naive Bayes Method.

Progress of technology and technology is a necessity for its users. The technology has been widely applied in several fields, one example is the presence of technology in the construction sector that makes it easy for its users to make predictions on the factors that cause construction work accidents. An accident at work is an unexpected and unplanned event. Work accidents can hamper the work and will affect the results and the length of time the work itself. One way to minimize workplace accident’s to predict what factors can cause work accidents. Data mining is one way to get information stored in a large number of databases. Work accident data contained in a construction company is only used as a company report. In reality, the data can provide information that is more than just a report. One of the information that can be taken from the company's occupational accident data is information about the prediction of the causes of work accidents. The method for predicting that produces accurate data is the Naive Bayes method. In this research, 78 sample data were processed to produce an accuracy value of 96.15%.

• Naive Bayes
• Kecelakaan Kerja
• Akurasi

DAFTAR PUSTAKA

 

Batubara, D. N., & Windarto, A. P. (2019). Analisa Klasifikasi Data Mining Pada Tingkat Kepuasan Pengunjung Taman Hewan Pematang Siantar Dengan Algoritma. KOMIK (Konferensi Nasional Teknologi Informasi Dan Komputer), 3(1), 588–592. https://doi.org/10.30865/komik.v3i1.1664

Belakang, L. (2017). Implementasi Dan Analisis Data Mining Untuk. 1(2), 30–37.

Budiman, I., & Akhlakulkarimah, A. N. (2015). Aplikasi Data Mining Menggunakan Multiple Linear Regression Untuk Pengenalan Pola Curah Hujan. Kumpulan JurnaL Ilmu Komputer (KLIK), 02(01), 34–44.

Hunaifi, N., Hikmah, A. B., & Nurhasan, A. (2019). Perancangan Sistem Informasi Pengarsipan Dan Permohonan Surat Online “Sipadu” Di Tingkat Kecamatan Berbasis Web. JUST IT?: Jurnal Sistem Informasi, Teknologi Informasi Dan Komputer, 10(1), 40–51. https://doi.org/10.24853/JUSTIT.10.1.40-51

Jananto, A. (2013). Algoritma Naive Bayes untuk Mencari Perkiraan Waktu Studi Mahasiswa. Teknologi Informasi DINAMIK, 18(1), 9–16.

Juni Arta, I. K., Indrawan, G., & Dantes, G. R. (2017). Data Mining Rekomendasi Calon Mahasiswa Berprestasi Di Stmik Denpasar Menggunakan Metode Technique for Others Reference By Similarity To Ideal Solution. JST (Jurnal Sains Dan Teknologi), 5(2), 792. https://doi.org/10.23887/jst-undiksha.v5i2.8549

Mustafa, M. S., Ramadhan, M. R., & Thenata, A. P. (2018). Implementasi Data Mining untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Creative Information Technology Journal, 4(2), 151. https://doi.org/10.24076/citec.2017v4i2.106

Rizki, M., Devrika, D., Umam, I. H., & Lubis, F. S. (2020). Aplikasi Data Mining dalam penentuan layout swalayan dengan menggunakan metode MBA. Jurnal Teknik Industri: Jurnal Hasil Penelitian Dan Karya Ilmiah Dalam Bidang Teknik Industri, 5(2), 130. https://doi.org/10.24014/jti.v5i2.8958

Santoso, H., Hariyadi, I. P., & Prayitno. (2016). Data Mining Analisa Pola Pembelian Produk. Teknik Informatika, 1, 19–24. http://ojs.amikom.ac.id/index.php/semnasteknomedia/article/download/1267/1200

Susanto, H., & Sudiyatno, S. (2014). Data mining untuk memprediksi prestasi siswa berdasarkan sosial ekonomi, motivasi, kedisiplinan dan prestasi masa lalu. Jurnal Pendidikan Vokasi, 4(2), 222–231. https://doi.org/10.21831/jpv.v4i2.2547

Ugm, F. (2013). Klasifikasi Posting Twitter Kemacetan Lalu Lintas Kota Bandung Menggunakan Naive Bayesian Classification. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 7(1), 13–22. https://doi.org/10.22146/ijccs.3048

Utomo, D. P., & Mesran, M. (2020). Analisis Komparasi Metode Klasifikasi Data Mining dan Reduksi Atribut Pada Data Set Penyakit Jantung. Jurnal Media Informatika Budidarma, 4(2), 437. https://doi.org/10.30865/mib.v4i2.2080

Wijayatun, R., & Sulistyo, Y. (2016). Prediksi Rating Film Menggunakan Metode Naive Bayes. Jurnal Teknik Elektro, 8(2), 60–63.

Yanto, R. (2020). Implementasi Data Mining Prediksi Kebutuhan Tenaga Listrik Di Kota Lubuklinggau. Techno.Com, 19(2), 197–206. https://doi.org/10.33633/tc.v19i2.3447

Yanto, R., & Khoiriah, R. (2015). Implementasi Data Mining dengan Metode Algoritma Apriori dalam Menentukan Pola Pembelian Obat. Creative Information Technology Journal, 2(2), 102. https://doi.org/10.24076/citec.2015v2i2.41