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
- ISSN
- 2614-8811, 1858-1382
- Terbit
- 2020-12-23
- Penerbit
- Department of Mathematics, Hasanuddin University
- Bahasa
- en
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 penulis | Organisasi | Artikel bersama |
|---|---|---|
| Rahmadathul Wisdawati | Badan Pusat Statistik | 1 |
| Bagaskoro Cahyo Laksono | Politeknik Statistika STIS | 1 |
| Bintang Izzatul Fatah | Politeknik Statistika STIS | 1 |
| Devi Novanti | Politeknik Statistika STIS | 1 |
| Hajrul Multazam | Politeknik Statistika STIS | 1 |
| Novira Laily Husna | Politeknik Statistika STIS | 1 |
| Ossy Sanityasa Rahajeng | Politeknik Statistika STIS | 1 |
| L Selfina | Politeknik Statistika STIS | 1 |
| Muhammad Muawwad | Politeknik Statistika STIS | 1 |
| Ananda Galuh Intan Prasetya | Politeknik Statistika STIS | 1 |
| Nawang Indah Cahyaningrum | Politeknik Statistika STIS | 1 |
| Danty Welmin Yoshida Fatima | Politeknik Statistika STIS | 1 |
| Wisnu Adi Kusuma | Politeknik Statistika STIS | 1 |
| Sekar Ayu Ramadhani | Politeknik Statistika STIS | 1 |
| Muhammad Rizqi Destanto | Politeknik Statistika STIS | 1 |
| Muh. Rizki | Politeknik Statistika STIS | 1 |
| Ahmad Safrian Fauzi | Politeknik Statistika STIS | 1 |
| Rendy Rendi | Afiliasi tidak diketahui | 1 |
| Ria Nurul | Politeknik Statistika STIS | 1 |
| Tika Novitasari | Politeknik Statistika STIS | 1 |
| Cesaria Dewi | Afiliasi tidak diketahui | 1 |
| Emban Permata Siam | Afiliasi tidak diketahui | 1 |
| Gona Asri Wijayanti | Afiliasi tidak diketahui | 1 |
| Mustika Putri | Afiliasi tidak diketahui | 1 |
| Nurfitri Aulia | Afiliasi tidak diketahui | 1 |
| Mustika Putri M | Afiliasi tidak diketahui | 1 |
| Annisa Rahma | Badan Pusat Statistik | 1 |
| Raditya Hizra | Politeknik Statistika STIS | 1 |
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.