Diterbitkan Oleh:
Lembaga Penelitian Pengabdian Masyarakat Universitas Nusa Mandiri
Creation is distributed below Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional.
PREDIKSI HASIL PEMILU LEGISLATIF DENGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR
Keywords:
Algoritma K-Nearest Neighbor, Data Mining, Prediksi Hasil Pemilu
Abstract
Pemilihan Umum di Indonesia telah mengalami beberapa perubahan dari periode Pemilu ke periode Pemilu yang lain. Selama pemilu Orde Baru, kita mengenal sistem pemilu proporsional dengan daftar tertutup. Keterpilihan calon legislatif bukan ditentukan pemilih, melainkan menjadi kewenangan elite partai politik sesuai dengan susunan daftar caleg beserta nomor urut. Dalam sistem demikian, kedudukan parpol menjadi sangat kuat terhadap kadernya di parlemen. Namun di satu sisi, basis sosial dan relasi politik para wakil rakyat dengan konstituen menjadi lemah. Inilah yang menyebabkan kedudukan caleg terpilih mereka menjadi ”jauh” dalam hubungannya dengan konstituen. Semangat memilih langsung wakil rakyat baru mulai diakomodasi pada Pemilu 2004 melalui UU No. 12 Tahun 2003, dengan menggunakan sistem proporsional dengan daftar calon terbuka. Pemilih tidak hanya memilih tanda gambar parpol, tetapi juga diberi kesempatan memilih caleg.Penelitian yang berhubungan dengan pemilu sudah pernah dilakukan oleh peneliti yaitu dengan menggunakan metode decision tree dan classification tree dan estimator bayesian. Pada penelitian ini peneliti akan menggunakan metode K-Nearest Neighbor. algoritma K-Nearest Neighbor telah menunjukkan hasil yang menjanjikan dalam prediksi untuk data time-series dibandingkan dengan pendekatan tradisional sehingga hasil prediksi pemilu legislatif DKI Jakarta lebih akurat.
Downloads
Download data is not yet available.
References
Dawson, C. W. , 2009, Projects in Computing and Information System A Student's Guide. England: Addison-Wesley.
Gorunescu, F. , 2011, Data Mining Concept Model Technique. India: Springer.
Han, J., & Kamber, M. , 2007, Data Mining Concepts and Technique. Morgan Kaufmann publisher.
Han, J., dan Kamber, M. (2007). Data Mining Concepts and Technique. Morgan Kaufmann publisher
Kusrini, & Luthfi, E. T. , 2009, Algoritma Data mining. Yogyakarta: Andi.
Larose, D. T. , 2005, Discovering Knowledge in Data. Canada: Wiley Interscience.
Nagadevara, & Vishnuprasad. , 2005, Building Predictive models for election result in india an application of classification trees and neural network. Journal of Academy of Business and Economics Volume 5 .
Rigdon, S. E., Jacobson, S. H., Sewell, E. C., & Rigdon, C. J. , 2009, A Bayesian Prediction Model For the United State Presidential Election. American Politics Research volume.37 , 700-724.
Santoso, T. (2004). Pelanggaran pemilu 2004 dan penanganannya. Jurnal demokrasi dan Ham , 9-29.
Sardini, N. H. , 2011, Restorasi penyelenggaraan pemilu di Indonesia. Yogyakarta: Fajar Media Press.
Undang-Undang RI No.10 , 2008.
Vercellis, C. , 2009, Business Intelligence : Data Mining and Optimization for Decision Making. John Wiley & Sons, Ltd.
Witten, I. H., Frank, E., & Hall, M. A. 2011. Data Mining: Practical Machine Learning and Tools. Burlington : Morgan Kaufmann Publisher
Gorunescu, F. , 2011, Data Mining Concept Model Technique. India: Springer.
Han, J., & Kamber, M. , 2007, Data Mining Concepts and Technique. Morgan Kaufmann publisher.
Han, J., dan Kamber, M. (2007). Data Mining Concepts and Technique. Morgan Kaufmann publisher
Kusrini, & Luthfi, E. T. , 2009, Algoritma Data mining. Yogyakarta: Andi.
Larose, D. T. , 2005, Discovering Knowledge in Data. Canada: Wiley Interscience.
Nagadevara, & Vishnuprasad. , 2005, Building Predictive models for election result in india an application of classification trees and neural network. Journal of Academy of Business and Economics Volume 5 .
Rigdon, S. E., Jacobson, S. H., Sewell, E. C., & Rigdon, C. J. , 2009, A Bayesian Prediction Model For the United State Presidential Election. American Politics Research volume.37 , 700-724.
Santoso, T. (2004). Pelanggaran pemilu 2004 dan penanganannya. Jurnal demokrasi dan Ham , 9-29.
Sardini, N. H. , 2011, Restorasi penyelenggaraan pemilu di Indonesia. Yogyakarta: Fajar Media Press.
Undang-Undang RI No.10 , 2008.
Vercellis, C. , 2009, Business Intelligence : Data Mining and Optimization for Decision Making. John Wiley & Sons, Ltd.
Witten, I. H., Frank, E., & Hall, M. A. 2011. Data Mining: Practical Machine Learning and Tools. Burlington : Morgan Kaufmann Publisher
Published
2015-09-15
How to Cite
Badrul, M. (2015). PREDIKSI HASIL PEMILU LEGISLATIF DENGAN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOR. Jurnal Pilar Nusa Mandiri, 11(2), 152-160. Retrieved from https://ejournal.nusamandiri.ac.id/index.php/pilar/article/view/424
Section
Articles
Copyright (c) 2015 Mohammad Badrul
An author who publishes in the Pilar Nusa Mandiri: Journal of Computing and Information System agrees to the following terms:
- Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-NonCommercial 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
- Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
- Author is permitted and encouraged to post his/her work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).
Read more about the Creative Commons Attribution-NonCommercial 4.0 Licence here: https://creativecommons.org/licenses/by-nc/4.0/.
