Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM

Rizal Rachman; Rissa Nurfitriana Handayani

doi:10.31294/ji.v8i2.10494

Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM

Rizal Rachman, Rissa Nurfitriana Handayani

Abstract

Untuk meminimalisir jumlah penyewa teras untuk UMKM di depan toko Indomaret yang terlambat (out standing) setiap tahunnya dan untuk mengoptimalkan penyewa yang lancar setiap tahunnya. Salah satu cara yang bisa dilakukan manajemen PT. Indomarco Prismatama untuk membantu menentukan prediksi kelancaran pembayaran sewa teras UMKM adalah dengan melakukan pengolahan data histori dari penyewa dengan memanfaatkan teknik data mining menggunakan algoritma naïve bayes. Naïve Bayes merupakan salah satu algoritma data Mining yang berfungsi memprediksi banyaknya penyewa yang terlambat pembayaran. Metode yang digunakan adalah CRISP-DM, melalui proses business understanding, data understanding, data preparation, modeling, evaluation dan deployment. Algoritma yang digunakan untuk meprediksi probabilitas adalah algoritma Naïve Bayes. Data yang digunakan berjumlah 504 data, dengan atribut yang sudah di klasifikasikan berdasarkan kelas yang dibutuhkan Area Manager, Kota, Jenis Kelamin Penyewa, Rata-rata Umur Penyewa, dan Status Pembayaran. Terdapat beberapa Probabilitas yang akan mengitung ke akuratan prediksinya, dan setelah di uji dengan menggunakan algoritma naïve bayes, maka diperoleh hasil persentasi Accuracy 81.81%, Precision 66.66%, Recall 100% dan AUC 0.800 Untuk keakuratan prediksi.

Keywords

Data Mining, Naïve Bayes, UMKM

Full Text:

PDF (Bahasa Indonesia)

References

Anam, Santoso. (2018). Perbandingan Kinerja Algoritma C4.5 Dan Naive Bayes Untuk Klasifikasi Penerima Beasiswa.

Ariadi, Dio, Fithriasari, Kartika. (2015). Klasifikasi Berita Indonesia Menggunakan Metode Naive Bayesian Classification Dan Support Vektor Machine Dengan Confix Srtipping Stemmer. Jurnal Sains Dan Seni Its.

Astuti, Sudibyo, Kurniawan, Rahayu. (2018). ALGORITMA NAIVE BAYES DENGAN FITUR SELEKSI UNTUK MENGETAHUI HUBUNGAN VARIABEL NILAI DAN LATAR BELAKANG PENDIDIKAN. Jurnal SIMETRIS.

BPS. (2016). BPS.

Hasan. (2017). PREDIKSI TINGKAT KELANCARAN PEMBAYARAN KREDIT BANK MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS FORWARD SELECTION. ILKOM Jurnal Ilmiah.

Indomaret.Co.Id. (2018).

Maharani, Hasibuan, Silalahi. (2017). IMPLEMENTASI DATA MINING UNTUK PENGATURAN LAYOUT MINIMARKET DENGAN MENERAPKAN ASSOCIATION RULE. Jurnal Riset Komputer (JURIKOM).

Maitimu. (2017). In L. S. Maitimu. Jakarta.

Ningrum, Handayani, Mayowan. (2016). IMPLEMENTASI PERATURAN PEMERINTAH NOMOR 46 TAHUN 2013 TENTANG TENTANG PENGHASILAN YANG DIPEROLEH WAJIB PAJAK SEKTOR UMKM (STUDI PADA KANTOR PELAYANAN PAJAK (KKP) PRATAMA SIDOARJO SELATAN). JURNAL PERPAJAKAN (JEJAK).

Pakpahan, Irawan. (2017). PENERAPAN ALGORITMA NAIVE BAYES UNTUK MENENTUKAN NASABAH POTENSIAL PADA AJB BUMIPUTERA 1912. JURNAL LPKIA.

Pradana, Waspada. (2019). APLIKASI HYBRID PADA SISTEM INFORMASI PENYEWAAN BUKU. Jurnal Simetris.

Puridewi, Nugraha. (2018). PERBANDINGAN METODE NAIVE BAYES, SUPPORT VECTOR MACHINE DAN ID3 DALAM PENETAPAN STATUS PENANGANAN KECELAKAAN KERJA.

Rahman, Suryanto. (2017). IMPLEMENTASI SISTEM INFORMASI SELEKSI PENERIMA BEASISWA DENGAN METODE NAIVE BAYES CLASSIFIER. Jurnal Penelitian Pendidikan Indonesia (JPPI).

Saleh. (2015). Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. Citec Journal.

Setiawan. (2016). PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA K-MEANS CLUSTERING UNTUK MENENTUKAN STRATEGI PROMOSI (Studi Kasus : Politeknik LP3I Jakarta). JURNAL LENTERA ICT.

Sulistyawati, Indarto, Saifudin. (2108). Beberapa Faktor Yang Mempengaruhi Keunggulan Bersaing Pada UMKM Handycraft Di Semarang.

Supriyatna, Mustika. (2018). Komparasi Algoritma Naive Bayes Dan SVM Untuk Memprediksi Keberhasilan Imunoterapi Pada Penyakit Kutil. Jurnal Sains Komputer & Informatika (J-SAKTI).

DOI: https://doi.org/10.31294/ji.v8i2.10494