Melola Discovery

← Melola Discovery

Akses terbuka Jurnal Tanpa peringkat SINTA

Application of Random Forest Method Classification to Predict BPJS Kesehatan Card Users Who Receive Contribution Assistance in Karangasem District, Bali Province 2017

Penerapan Metode Random Forest dalam Pengklasifikasian Penerima Kartu BPJS Kesehatan Penerima Bantuan Iuran (PBI) di Kabupaten Karangasem, Provinsi Bali 2017

Jurnal Matematika, Statistika dan Komputasi · Vol. 17 No. 2 (2020) · hlm. 178–188

DOI
10.20956/jmsk.v17i2.11710
ISSN
2614-8811, 1858-1382
Terbit
2020-12-23
Penerbit
Department of Mathematics, Hasanuddin University
Bahasa
en
Lisensi
creativecommons.org/licenses/by/4.0

Abstrak

Inggris

BPJS Kesehatan is a social security facility provided by the government to all people who are registered as members. BPJS Kesehatan membership is divided into two, namely BPJS for Contribution Assistance Recipients (BPJS PBI) and BPJS Non-Contribution Assistance Recipients (BPJS Non-PBI). In 2019, Bali Province is targeted to achieve Universal Health Coverage of 95 percent so that the Bali Provincial Government has budgeted funds worth IDR 945 billion to finance JKN - KBS services which are integrated with JKN - KIS. Karangasem is one of the four districts in Bali Province that received the most percentage of financing, which is 51 percent of the total budget needed when compared to other areas. This study aims to classify the BPJS-PBI recipient community based on education variables, employment indicators, age, and per capita expenditure in Karangasem Regency in 2017. The classification method used in this study is the random forest method. The results showed that the per capita expenditure variable had the largest contribution in classifying the status of PBI participants. The model that is formed produces an accuracy of 0.8017. This means that the model can predict 80.17 percent testing data correctly.

Bahasa Indonesia

BPJS Kesehatan merupakan fasilitas jaminan sosial yang diberikan oleh pemerintah kepada seluruh masyarakat yang terdaftar sebagai anggota. Keanggotaan BPJS Kesehatan dibagi menjadi dua, yaitu BPJS Penerima Bantuan Iuran (PBI) dan BPJS Non Penerima Bantuan Iuran (BPJS Non PBI). Pada tahun 2019, Provinsi Bali ditargetkan mencapai Universal Health Coverage sebesar 95 persen sehingga Pemerintah Provinsi Bali menganggarkan dana senilai Rp 945 miliar untuk pembiayaan layanan JKN - KBS yang diintegrasikan dengan JKN - KIS. Karangasem merupakan salah satu dari empat kabupaten di Provinsi Bali yang mendapatkan persentase pembiayaan paling banyak, yaitu sebesar 51 persen dari total anggaran yang dibutuhkan jika dibandingkan dengan wilayah lainnya. Penelitian ini bertujuan untuk mengklasifikasikan masyarakat penerima BPJS-PBI berdasarkan variabel pendidikan, indikator ketenagakerjaan, usia, dan pengeluaran per kapita di Kabupaten Karangasem tahun 2017. Metode klasifikasi yang digunakan dalam penelitian ini adalah metoderandom forest. Hasil penelitian menunjukan bahwa variabel pengeluaran per kapita memilikikontribusi terbesar dalam mengklasifikasikan status peserta PBI. Model yang terbentuk menghasilkanakurasi sebesar 0, 8017. Hal ini berarti model dapat mengklasifikasikan dengan tepat sebesar 80, 17persen.

Kata kunci

Jaringan kolaborasi para penulis

35 penulis · 99 tautan kepenulisan bersama · 5 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Politeknik Statistika STIS
  • Badan Pusat Statistik
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Rahmadathul WisdawatiBadan Pusat Statistik1
Bagaskoro Cahyo LaksonoPoliteknik Statistika STIS1
Bintang Izzatul FatahPoliteknik Statistika STIS1
Devi NovantiPoliteknik Statistika STIS1
Hajrul MultazamPoliteknik Statistika STIS1
Novira Laily HusnaPoliteknik Statistika STIS1
Ossy Sanityasa RahajengPoliteknik Statistika STIS1
L SelfinaPoliteknik Statistika STIS1
Muhammad MuawwadPoliteknik Statistika STIS1
Ananda Galuh Intan PrasetyaPoliteknik Statistika STIS1
Nawang Indah CahyaningrumPoliteknik Statistika STIS1
Danty Welmin Yoshida FatimaPoliteknik Statistika STIS1
Wisnu Adi KusumaPoliteknik Statistika STIS1
Sekar Ayu RamadhaniPoliteknik Statistika STIS1
Muhammad Rizqi DestantoPoliteknik Statistika STIS1
Muh. RizkiPoliteknik Statistika STIS1
Ahmad Safrian FauziPoliteknik Statistika STIS1
Rendy RendiAfiliasi tidak diketahui1
Ria NurulPoliteknik Statistika STIS1
Tika NovitasariPoliteknik Statistika STIS1
Cesaria DewiAfiliasi tidak diketahui1
Emban Permata SiamAfiliasi tidak diketahui1
Gona Asri WijayantiAfiliasi tidak diketahui1
Mustika PutriAfiliasi tidak diketahui1
Nurfitri AuliaAfiliasi tidak diketahui1
Mustika Putri MAfiliasi tidak diketahui1
Annisa RahmaBadan Pusat Statistik1
Raditya HizraPoliteknik Statistika STIS1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unhas.ac.id/index.php/jmsk/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">Application of Random Forest Method Classification to Predict BPJS Kesehatan Card Users Who Receive Contribution Assistance in Karangasem District, Bali Province 2017</dc:title>
	<dc:title xml:lang="id">Penerapan Metode Random Forest dalam Pengklasifikasian Penerima Kartu BPJS Kesehatan Penerima Bantuan Iuran (PBI) di Kabupaten Karangasem, Provinsi Bali 2017</dc:title>
	<dc:creator xml:lang="en">Raihananda, Qonita </dc:creator>
	<dc:creator xml:lang="en">Putra, I Wayan Edy Darma </dc:creator>
	<dc:creator xml:lang="en">Sijabat, Monica Seftaviani </dc:creator>
	<dc:creator xml:lang="en">Rofatunnisa, Sifa </dc:creator>
	<dc:creator xml:lang="en">Maruf, Ibnu </dc:creator>
	<dc:creator xml:lang="en">Hermarwan, Hermarwan</dc:creator>
	<dc:creator xml:lang="en">Nooraeni, Rani </dc:creator>
	<dc:subject xml:lang="en">BPJS Kesehatan PBI</dc:subject>
	<dc:subject xml:lang="en">Karangasem</dc:subject>
	<dc:subject xml:lang="en">Classification</dc:subject>
	<dc:subject xml:lang="en">Random Forest</dc:subject>
	<dc:description xml:lang="en">BPJS Kesehatan is a social security facility provided by the government to all people who are registered as members. BPJS Kesehatan membership is divided into two, namely BPJS for Contribution Assistance Recipients (BPJS PBI) and BPJS Non-Contribution Assistance Recipients (BPJS Non-PBI). In 2019, Bali Province is targeted to achieve Universal Health Coverage of 95 percent so that the Bali Provincial Government has budgeted funds worth IDR 945 billion to finance JKN - KBS services which are integrated with JKN - KIS. Karangasem is one of the four districts in Bali Province that received the most percentage of financing, which is 51 percent of the total budget needed when compared to other areas. This study aims to classify the BPJS-PBI recipient community based on education variables, employment indicators, age, and per capita expenditure in Karangasem Regency in 2017. The classification method used in this study is the random forest method. The results showed that the per capita expenditure variable had the largest contribution in classifying the status of PBI participants. The model that is formed produces an accuracy of 0.8017. This means that the model can predict 80.17 percent testing data correctly.</dc:description>
	<dc:description xml:lang="id">BPJS Kesehatan merupakan fasilitas jaminan sosial yang diberikan oleh pemerintah kepada seluruh masyarakat yang terdaftar sebagai anggota. Keanggotaan BPJS Kesehatan dibagi menjadi dua, yaitu BPJS Penerima Bantuan Iuran (PBI) dan BPJS Non Penerima Bantuan Iuran (BPJS Non PBI). Pada tahun 2019, Provinsi Bali ditargetkan mencapai Universal Health Coverage sebesar 95 persen sehingga Pemerintah Provinsi Bali menganggarkan dana senilai Rp 945 miliar untuk pembiayaan layanan JKN - KBS yang diintegrasikan dengan JKN - KIS. Karangasem merupakan salah satu dari empat kabupaten di Provinsi Bali yang mendapatkan persentase pembiayaan paling banyak, yaitu sebesar 51 persen dari total anggaran yang dibutuhkan jika dibandingkan dengan wilayah lainnya. Penelitian ini bertujuan untuk mengklasifikasikan masyarakat penerima BPJS-PBI berdasarkan variabel pendidikan, indikator ketenagakerjaan, usia, dan pengeluaran per kapita di Kabupaten Karangasem tahun 2017. Metode klasifikasi yang digunakan dalam penelitian ini adalah metoderandom forest. Hasil penelitian menunjukan bahwa variabel pengeluaran per kapita memilikikontribusi terbesar dalam mengklasifikasikan status peserta PBI. Model yang terbentuk menghasilkanakurasi sebesar 0, 8017. Hal ini berarti model dapat mengklasifikasikan dengan tepat sebesar 80, 17persen.</dc:description>
	<dc:publisher xml:lang="en">Department of Mathematics, Hasanuddin University</dc:publisher>
	<dc:date>2020-12-23</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unhas.ac.id/index.php/jmsk/article/view/11710</dc:identifier>
	<dc:identifier>10.20956/jmsk.v17i2.11710</dc:identifier>
	<dc:source xml:lang="en">Jurnal Matematika, Statistika dan Komputasi; Vol. 17 No. 2 (2021): JANUARY 2021; 178-188</dc:source>
	<dc:source>2614-8811</dc:source>
	<dc:source>1858-1382</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://journal.unhas.ac.id/index.php/jmsk/article/view/11710/6168</dc:relation>
	<dc:relation>10.20956/j.v17i2.11710.g6168</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2020 Author and publisher</dc:rights>
	<dc:rights xml:lang="en">https://creativecommons.org/licenses/by/4.0</dc:rights>
</oai_dc:dc>