Prediksi Kelancaran Pembayaran Sewa Rusunawa Menggunakan Metode Naive Bayes Classifier
Abstract
Penelitian ini bertujuan untuk memprediksikan kelancaran Pembayaran Sewa Rusunawa sehingga dapat mempermudah petugas administrasi dalam menganalisis calon penghuni yang mendaftar. Dalam penetapan calon penghuni perlu dilakukannya analisa dengan tujuan agar nanti dalam proses penghunian sewa mengurangi dampak tunggakan. Dengan memanfaatkan data hunian pada beberapa tahun belakang untuk memprediksikan kelancaran pembayaran sewa Rusunawa dengan menggunakan metode data mining. Metode naive bayes dimanfaatkan dalam memprediksi suatu kelancaran dari calon penghuni dengan menentukan peluang berdasarkan data hunian pada beberapa tahun belakang dan hasilnya dapat membantu dalam pengambilan suatu keputusan. Adapun data penghuni yang digunakan berupa pekerjaan, status pekerjaan, penghasilan, harga sewa dan tanggal pembayaran sewa. Berdasarkan pengujian dengan metode naive bayes tersebut maka diperoleh hasil accuracy sebesar 86.4%.
Full Text:
PDFReferences
2019 Guswandi & Hadi, “Prediksi Kelancaran Pembayaran Angsuran Pada Koperasi Dengan Metode Naive Bayes Classifier,” STMIK Indones. Padang, vol. 8, no. 2, p. 121, 2019.
R. Alfiani and Y. Umaidah, “Prediksi Kepuasan Customer Terhadap Performance Terapis Baby Massage Menggunakan Algoritma Naive Bayes,” Bina Insa. Ict J., vol. 9, no. 1, p. 83, 2022, doi: 10.51211/biict.v9i1.1794.
L. Setiyani, M. Wahidin, D. Awaludin, and S. Purwani, “Analisis Prediksi Kelulusan Mahasiswa Tepat Waktu Menggunakan Metode Data Mining Naïve Bayes : Systematic Review,” Fakt. Exacta, vol. 13, no. 1, p. 35, 2020, doi: 10.30998/faktorexacta.v13i1.5548.
A. Nuryana, P. Pawito, and P. Utari, “Pengantar Metode Penelitian Kepada Suatu Pengertian Yang Mendalam Mengenai Konsep Fenomenologi,” Ensains J., vol. 2, no. 1, p. 19, 2019, doi: 10.31848/ensains.v2i1.148.
T. Arifin and D. Ariesta, “Prediksi Penyakit Ginjal Kronis Menggunakan Algoritma Naive Bayes Classifier Berbasis Particle Swarm Optimization,” J. Tekno Insentif, vol. 13, no. 1, pp. 26–30, 2019, doi: 10.36787/jti.v13i1.97.
M. F. Rifai, H. Jatnika, and B. Valentino, “Penerapan Algoritma Naïve Bayes Pada Sistem Prediksi Tingkat Kelulusan Peserta Sertifikasi Microsoft Office Specialist (MOS),” Petir, vol. 12, no. 2, pp. 131–144, 2019, doi: 10.33322/petir.v12i2.471.
R. T. Aldisa and P. Maulana, “Analisis Sentimen Opini Masyarakat Terhadap Vaksinasi Booster COVID-19 Dengan Perbandingan Metode Naive Bayes, Decision Tree dan SVM,” Technol. Sci., vol. 4, no. 1, pp. 106–109, 2022, doi: 10.47065/bits.v4i1.1581.
A. Fitri Cahyanti, R. Saptono, and S. Widya Sihwi, “Penentuan Model Terbaik pada Metode Naive Bayes Classifier dalam Menentukan Status Gizi Balita dengan Mempertimbangkan Independensi Parameter,” J. Teknol. Inf. ITSmart, vol. 4, no. 1, p. 28, 2016, doi: 10.20961/its.v4i1.1754.
D. Marutho, “Perbandingan Metode Naive Bayes , KNN , Decision Tree Pada Laporan Water Level Jakarta,” Manaj. Inform. AMIK JTC Semarang, vol. 15, no. 2, pp. 90–97, 2019.
I. W. Saputro and B. W. Sari, “Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa,” Creat. Inf. Technol. J., vol. 6, no. 1, p. 1, 2020, doi: 10.24076/citec.2019v6i1.178.
DOI: https://doi.org/10.52643/jti.v8i2.2603
Refbacks
- There are currently no refbacks.
StatCounter
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.