Prediksi Elektabilitas Caleg

Pada pembahasan sekarang yaitu memprediksi elektabilitas dari pencalonan legaslatif . Disini saya menggunakan dataset yang telah disediakan , dataset yang saya gunakan yaitu datapemilukpu.csv . Untuk menganalisis dataset tersebut saya menggunakan aplikasi data mining yaitu RapidMiner.

RapidMiner Text mining Mirip dengan text analytics, yaitu proses untuk mendapatkan informasi bermutu tinggi dari teks. Predictive analytics Teknik-teknik statistika yang menganalisa fakta masa kini dan masa lalu untuk memprediksi kejadian di masa depan.

Ini adalah analisis yang saya buat terhadap data yang dihasilkan melalui proses dengan aplikasi RapidMiner.

Untuk Decision Tree

PerformanceVector

apr

Accuracy Decision Tree yang didapatkan pada data set pemilu adalah sebesar 93,16 % . Accuracy-nya di atas 70%  yang menandakan bahwa prediksinya akurat.

auc1

Area under the curve (AUC) dari Decision tree pad adata set Pemilu mendapatkan hasil sebesar 0,915 . Jika angka yang didapatkan mendekati angka 1 , maka dapat disimpulkan bahwa modellingnya sesuai dengan data set. Pada kasus ini AUCsudah mendekati angka 1 yang artinya sudah sesuai dengan data set pemilu.

examplesettree

treedecision

 

Untuk Native Bayes

native-akurasi

Accuracy Decision Tree yang didapatkan pada data set pemilu adalah sebesar 83,73%. Accuracy-nya di atas 70%  yang menandakan bahwa prediksinya akurat.

native-auc

Area under the curve (AUC) dari Naïve Bayes pada data set Pemilu mendapatkan hasil sebesar 0,840 . Jika angka yang didapatkan mendekati angka 1 , maka dapat disimpulkan bahwa modellingnya sesuai dengan data set. Pada kasus ini AUC sudah mendekati angka 1 yang artinya sudah sesuai dengan data set pemilu.

exampleset-native

simpledistribution-naive

 

Untuk K-Nearest Neighbor (K-NN)

knn-akurasi

Accuracy Decision Tree yang didapatkan pada data set pemilu adalah sebesar 89,63% . Accuracy-nya di atas 70%  yang menandakan bahwa prediksinya akurat.

knn-auc

Area under the curve (AUC) dari Naïve Bayes pada data set Pemilu mendapatkan hasil sebesar 0,500 . Jika angka yang didapatkan mendekati angka 1 , maka dapat disimpulkan bahwa modellingnya sesuai dengan data set. Pada kasus ini AUC cukup sesuai dengan data set pemilu.

exampleset-knn

knnclassi

 

 

Advertisements

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s