PENERAPAN METODE NAÏVE BAYES DALAM KLASIFIKASI PENENTUAN JUMLAH PENUNGGAKAN PELANGGAN AIR MINUM

Supia, Putri (2023) PENERAPAN METODE NAÏVE BAYES DALAM KLASIFIKASI PENENTUAN JUMLAH PENUNGGAKAN PELANGGAN AIR MINUM. Other thesis, STIKOM Tunas Bangsa.

[thumbnail of PENERAPAN METODE NAÏVE BAYES DALAM KLASIFIKASI PENENTUAN JUMLAH PENUNGGAKAN PELANGGAN AIR MINUM] Other (PENERAPAN METODE NAÏVE BAYES DALAM KLASIFIKASI PENENTUAN JUMLAH PENUNGGAKAN PELANGGAN AIR MINUM)
110--supia putri repositori 1902035 - Supia Putri.pdf
Restricted to Registered users only

Download (5MB) | Request a copy

Abstract

Air merupakan sumber daya alam yang sangat dibutuhkan oleh semua makhluk
hidup. Manusia, hewan, dan tumbuhan memerlukan air untuk kelangsungan
kehidupannya, Namun semakin meningkatnya jumlah kebutuhan sandang pangan
untuk kehidupan sehari-hari dan semakin tingginya inflasi membuat daya beli
masyarakat berkurang bahkan kemampuan untuk membayar air sering kali
terlambat dan ada yang memiliki tunggakan yang begitu besar, bahkan ada yang
sama sekali tak sanggup lagi membayar hingga pihak perusahaan dengan terpaksa
mencabut sambungan air tersebut. Perusahaan Umum Daerah (PERUMDA)
Tirtauli Cabang I Perumnas Batu VI berencana mencari solusi dalam menangani
permasalahan jumlah penunggakan pelanggan dalam membayar tagihan air
sehingga masyarakat tidak menunggak dalam membayar tagihan air minum dan
tidak mengakibatkan pemutusan dalam pemasangan air minum. Dalam
menentukan permasalahan jumlah penunggakan pelanggan dalam membayar
tagihan air minum digunakan konsep data mining akan mempermudah mengatasi
masalah jumlah penunggakan air minum di PERUMDA Tirtauli Cabang I
Perumnas Batu VI. Dengan menggunakan teknik klasifikasi menggunakan
algoritma Naïve Bayes dapat dilakukan klasifikasi terhadap penungakkan
pelanggan dalam membayar tagihan air minum berdasarkan kelompok golongan
pelanggan. Pada penelitian ini peneliti mengambil data Training sebanyak 65 data
dan data Testing sebanyak 25 data. Berdasarkan hasil pengujian data yang
digunakan, dimana terdapat kelas 16 Tidak Diputus dan 9 Diputus dengan total
accurancy sebesar 92.00%.

Kata Kunci : Datamining, Naïve Bayes, RapidMiner, Penunggakan Pelanggan,
PDAM TirtaUli

Item Type: Thesis (Other)
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Perpustakaan STIKOM TB
Date Deposited: 28 Jun 2024 01:19
Last Modified: 28 Jun 2024 01:19
URI: http://repository.stikomtb.ac.id/id/eprint/118

Actions (login required)

View Item
View Item