Perbandingan Metode Naive Bayes, Support Vector Machine dan Iterative Dichotomiser 3 dalam Penetapan Status Penanganan Kecelakaan Kerja

Abstract

Kecelakaan di tempat kerja merupakan hal yang selalu mengandung kemungkinan atau tak terduga. Data terakhir pada tahun 2016 saja, telah terdaftar 2.382 orang meninggal pada saat bekerja dari 101.367 kasus terkait kecelakaan kerja. Hal ini sungguh disayangkan terutama, karena pekerja merupakan salah satu aset penting bagi perusahaan khususnya bagi PT.Pertamina EP Cepu terutama karena pekerjanya 80 % berada di lapangan. Tujuan dari penelitian ini adalah untuk mengetahui tingkat keakurasian dan classifier terbaik antara metode Naive Bayes, Support Vector Machine dan Iterative Dichotomiser 3 (ID3), serta mengetahui alur penetapan status serta important feature yang paling utama dalam penentuan status penanganan kecelakaan kerja. Analisis data dalam penelitian ini menggunakan software R, yang didalamnya memuat analisis deskriptif serta analisis perbandingan akurasi 3 metode machine learning classifier yaitu Naive Bayes, Support Vector Machines dan Iterative Dichotomiser 3 (ID3). Hasil dari penelitian ini adalah berdasarkan pada hasil ID3 dapat disimpulkan bahwa feature yang menjadi pertimbangan utama dalam penentapan status penanganan kecelakaan kerja adalah Lama waktu penanganan kecelakaan kerja. Hasil kinerja klasifikasi F-Measure baik dengan menggunakan metode Naive Bayes, Support Vector Machine, ataupun dengan ID3, didapatkan informasi bahwa ketiga classifier sudah bagus, namun klasifikasi ID3 merupakan classifier yang paling bagus dalam menentukan status penanganan kecelakaan kerja. Hal ini dibuktikan dengan nilai F-Measure yang dihasilkan oleh metode ID3 adalah yang paling tinggi yaitu sebesar 82,22 %.