PERBANDINGAN ALGORITMA K-MEANS DAN NAÏVE BAYES UNTUK MEMPREDIKSI PRIORITAS PEMBAYARAN TAGIHAN RUMAH SAKIT BERDASARKAN TINGKAT KEPENTINGAN PADA PT. PERTAMINA (PERSERO)

Abstract

PT. Pertamina (Persero) memiliki beberapa fungsi salah satunya terdapat fungsi Health and Medical Management. Fungsi Health and Medical Management di PT Pertamina (Persero) memiliki salah satu tugas yaitu memproses tagihan pembayaran rumah sakit bagi pekerjanya. Namun fungsi ini dalam menentukan prioritas tagihan yang akan dibayar terlebih dahulu berdasarkan tingkat kepentingannya belum memiliki informasi yang efektif. Maka dari itu penelitian ini bertujuan untuk membuat sistem prioritas tagihan pembayaran rumah sakit berdasarkan tingkat kepentingannya menggunakan algoritma Data mining dengan algoritma K-means Clustering dan Naïve Bayes Classifier dapat menjadi perbandingan metode yang akan digunakan untuk menentukan alternatif pemecahan permasalahan yang ada sebagai penentuan prioritas pembayaran untuk mendapatkan acuan nilai yang sesuai dengan kriteria perusahaan. Dari hasil perhitungan K-means dengan 111 sampel data terdapat 20 data berada pada cluster “Prioritas” (C1), 91 data berada pada cluster “Tidak Prioritas” (C2). Sedangkan hasil perhitungan Naïve Bayes yang termasuk ke dalam klasifikasi prioritas adalah sebanyak 59 record dan untuk kelas klasifikasi tidak prioritas sebanyak 52. Maka hasil perbandingan yang didapatkan pada kedua metode tersebut untuk nilai accuracy algoritma K-means sebesar 72% dan algoritma Naïve Bayes sebesar 98%, untuk nilai precision yang didapatkan oleh algoritma K-meanssebesar 72% dan algoritma Naïve Bayes sebesar 98%, dan untuk nilai recall yang didapatkan oleh algoritma K-means sebesar 100% dan algoritma Naïve Bayes sebesar 93%.