Claim Missing Document
Check
Articles

Found 1 Documents
Search

PENGGUNAAN DATA MINING SEBAGAI PENGAMBILAN KEPUTUSAN PENERIMAAN BANTUAN TERHADAP RUMAH IBADAH (Studi Kasus : RUMAH IBADAH DI KABUPATEN TANGGAMUS) Fahlul Rizki; Alfina; Tahta Herdian Andika; Jeprianto; Salman Alfarisi Salimu
Aisyah Journal Of Informatics and Electrical Engineering Vol 4 No 1 (2022): Aisyah Journal Of Informatics and Electrical Engineering
Publisher : Aisyah Journal Of Informatics and Electrical Engineering (A.J.I.E.E)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30604/jti.v4i1.105

Abstract

Seiring dengan pesatnya perkembangan teknologi informasi dan tidak semua orang mampu mengelola informasi dengan baik untuk digunakan pada waktu yang tepat secara efektif dan efisien. Data mining adalah bidang teknologi informasi yang berkembang pesat. Data mining melibatkan penggunaan database besar atau kecil. Kemudian pada tahap pengujian model yang telah terbentuk diuji dengan beberapa data lain untuk mengetahui keakuratan model tersebut. Aplikasi data mining dapat membantu menggali informasi yang tersimpan dalam database dengan memanfaatkan Algoritma Rough Set dan Algoritma Naive Bayes. Data Sistem Keputusan (DS) berupa daftar hasil seleksi pemohon bantuan hibah fasilitas rumah ibadah tahun 2019. Ada 100 record. Penerapan rough set pada masalah pemilihan rumah ibadat yang akan mendapat pendampingan berdasarkan kelengkapan berkas, tahun berdirinya, kondisi rumah ibadat, semangat masyarakat sekitar, dan kegiatan kerohanian. Hasil dari pengujian model yang telah dilakukan adalah menggunakan algoritma Naïve Bayes, pengujian tingkat akurasi dengan menggunakan confusion matrix dan kurva ROC/AUC (Area Under Cover). Data latih Confusion Matrix merupakan perhitungan akurasi data latih menggunakan algoritma Naïve Bayes yang menghasilkan akurasi sebesar 77%. Diketahui data latih terdiri dari 100 data record, 58 data tergolong Accept dan 29 reject, serta 13 proses. Nilai Confusion Matrix terhadap algoritma SVM menghasilkan tingkat akurasi sebesar 92,00%. Kurva ROC merupakan hasil perhitungan yang divisualisasikan dengan kurva ROC (Receiver Operating Characteristic) atau AUC (Area Under Curve). Hasil yang diperoleh dari pengolahan ROC menggunakan data latih untuk algoritma Naïve Bayes adalah 0,935. hasil evaluasi dan validasi diatas dapat diketahui bahwa Algoritma Decision Tree memiliki tingkat akurasi dan performansi yang baik, sehingga aturan-aturan yang dihasilkan oleh algoritma Decision Tree dapat digunakan sebagai aturan untuk membuat prototype yang dapat mempermudah dalam memprediksi keputusan untuk menerima hibah untuk rumah ibadah.