Analisis Perbandingan Metode Naïve Bayes dan K-NN dalam Penentuan Lokasi Layanan Administrasi BPJS Kesehatan di Provinsi Maluku.

Abstract

Untuk mencapai Universal Health Coverage (UHC) dimana 98% Penduduk telah memiliki Jaminan Kesehatan Nasional (JKN), menjadi tantangan tersendiri bagi daerah yang geografis dan jarak antar desa yang sangat jauh tentunya terkendala pemerataan pelayanan administrasi BPJS Kesehatan, BPJS Kesehatan telah membuat inovasi Program BPJS Keliling dan BPJS Online, Permasalahannya tidak semua desa dapat dilayani dengan BPJS Keliling dan BPJS Online, sehingga perlu dilakukan pemetaan terhadap desa-desa yang memenuhi syarat untuk dapat dilaksanakan BPJS Keliling dan BPJS Online, Penelitian ini menjelaskan teknik machine learning, khususnya algoritma K-NN dan Naïve Bayes, untuk mensupport pengambilan keputusan dengan pemilihan desa-desa mana yang cocok, layak dan potensial sehingga menghasilkan pelayanan publik yang efektif dan efisien.  Hasil percobaan menunjukkan bahwa kedua metode tersebut memiliki tingkat akurasi yang cukup baik, Naïve Bayes mampu mengklasifikasikan desa-desa dengan tingkat akurasi mencapai 94,33%. Performa K-NN tertinggi adalah data yang telah di normalisasi menggunakan Min-Max Scaler dengan akurasi sebesar 95,55%, nilai persisi sebesar 94,27%, nilai recall 95,90% Dan nilai f1 score 94,91%. Oleh karena itu, peneliti merekomendasikan penggunaan algoritma K-NN dengan persyaratan untuk melakukan normalisasi data menggunakan Min-Max Scaler terlebih dahulu, dan nilai k yang optimal adalah 8 untuk menentukan lokasi yang layak mendapatkan layanan Administrasi BPJS Kesehatan.