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

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...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Rizal Rachman, Rissa Nurfitriana Handayani
Formato:	article
Lenguaje:	ID
Publicado:	Universitas Bina Sarana Informatika, LPPM 2021
Materias:	data mining, naïve bayes, umkm Information technology T58.5-58.64
Acceso en línea:	https://doaj.org/article/05d3fdd149f64b44b22373822ee4c01b
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:05d3fdd149f64b44b22373822ee4c01b
record_format	dspace
spelling	oai:doaj.org-article:05d3fdd149f64b44b22373822ee4c01b2021-11-22T02:40:58ZKlasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM2355-65792528-224710.31294/ji.v8i2.10494https://doaj.org/article/05d3fdd149f64b44b22373822ee4c01b2021-08-01T00:00:00Zhttps://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/10494https://doaj.org/toc/2355-6579https://doaj.org/toc/2528-2247Untuk 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.Rizal RachmanRissa Nurfitriana HandayaniUniversitas Bina Sarana Informatika, LPPMarticledata mining, naïve bayes, umkmInformation technologyT58.5-58.64IDJurnal Informatika, Vol 8, Iss 2, Pp 111-122 (2021)
institution	DOAJ
collection	DOAJ
language	ID
topic	data mining, naïve bayes, umkm Information technology T58.5-58.64
spellingShingle	data mining, naïve bayes, umkm Information technology T58.5-58.64 Rizal Rachman Rissa Nurfitriana Handayani Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM
description	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.
format	article
author	Rizal Rachman Rissa Nurfitriana Handayani
author_facet	Rizal Rachman Rissa Nurfitriana Handayani
author_sort	Rizal Rachman
title	Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM
title_short	Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM
title_full	Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM
title_fullStr	Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM
title_full_unstemmed	Klasifikasi Algoritma Naive Bayes Dalam Memprediksi Tingkat Kelancaran Pembayaran Sewa Teras UMKM
title_sort	klasifikasi algoritma naive bayes dalam memprediksi tingkat kelancaran pembayaran sewa teras umkm
publisher	Universitas Bina Sarana Informatika, LPPM
publishDate	2021
url	https://doaj.org/article/05d3fdd149f64b44b22373822ee4c01b
work_keys_str_mv	AT rizalrachman klasifikasialgoritmanaivebayesdalammemprediksitingkatkelancaranpembayaransewaterasumkm AT rissanurfitrianahandayani klasifikasialgoritmanaivebayesdalammemprediksitingkatkelancaranpembayaransewaterasumkm
_version_	1718418262033694720

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

Ejemplares similares