MODEL KLASIFIKASI NAIVE BAYES KELAYAKAN LOKASI PEMBANGUNAN USAHA
Sari
Pemodelan klasifikasi dalam Kelayakan usaha sangat penting dalam perencanaan bisnis yang akan dijalankan. Hal ini berkaitan dengan tempat usaha yang akan di bangun dan kelanjukan kedepan usaha tersebut apakah layak atau tidak layak digunakan. Penelitian ini menunjukkan bagaimana kelayakan usaha yang akan di bangun dan mudah dalam melihat daerah pembagunannya. Adapun faktor kelayakan pemilihan lokasi sangat penting dan dapat bersaing secara efektif dengan usaha yang akan dibuka. Adapun kriteria meliputi Banyaknya penduduk yang tinggal di daerah tersebut, Harga lokasi/tempat, kondisi tanah, Kelengkapan sarana seperti saluran air dan jalan.Hal ini berpengaruh pada potensi perkembangan lokasi untuk kedepannya, Selanjutnya hasil dari model Naïve Bayes probabilitas kemunculan setiap nilai untuk atribut "banyak penduduk" (C1) Perhitungan Probabilitas Ya, Banyak 0,60, Sedang 0,20, Sedikit 0,20, dengan jumlah 1,00 dan Probabilitas Tidak, Banyak 0,20, Sedang 0,40, Sedikit 0,40 dan jumlah 1,00. probabilitas kemunculan setiap nilai untuk atribut "harga lokasi" (C2) dengan perhitungan Probabilitas Ya Mahal 0,40, Sedang 0,40, Murah 0,20 dan jumlah 1 Probabilitas Tidak, Mahal 0,40, Sedang 0.20, Sedikit 0,40. Likehood Ya = 0,00046, likehod tidak = 0,00122.Selanjutnya untuk nilai Nilai probabilitas dapat dihitung dengan melakukan normalisasi terhadap likelihood Karena Nilai Probabilitas YA < Nilai Probabilitas TIDAK, Maka Lokasi daerah Tersebut Dengan Kriteria Yang Strategis Dijadikan daerah usaha. Oleh karena itu sebelum membuka usaha lokasi sangat penting dalam Melihat pertimbangan yang matang dan tidak menutup kemungkinan bahkan usaha harus memiliki lokasi yang dekat dengan para pelanggan dan lokasi yang dekat dengan keramaian. Model ini dapat digunakan dalam lokasi pemilihan bisnis dan target lokasi pembangunan dalam memudahkan pengambil kebijakanuntukmengembangkan usaha sesuai dengan harapan.
Kata kunci: lokasi usaha, Naïve Bayes, kelayakan.
Teks Lengkap:
PDFReferensi
Anbarasi, M., Anupriya, E., & Iyengar, N. Enchaced 5370-Prediction of Heart Disease with Feature Subset Selection using Genetic Algorithm. International Journal of engineering Science and Technology, 5370-5376. 2010.
Ayub, Mewati. 2007. Proses Data Mining dalam Sistem Pembelajaran Berbantuan Komputer, Jurnal Sistem Informasi Vol. 2 No. 1 Maret 2007 : 21-30.
B. Santoso, 2007, Data Mining: Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.
C. A. Sugianto, 2015, Analisis Komparasi Algoritma Klasifikasi Untuk Menangani Data Tidak Seimbang Pada Data Kebakaran Hutan, Techno.com, vol. 14, no. 4, pp. 336–342, 2015.
C. Orsenigo and C. Vercellis, 2009, Multicategory classification via discrete support vector machines, Comput. Manag.Sci., vol. 6, no. 1, pp. 101–114.
D. Xhemali, C. J. Hinde, and R. G. Stone, 2009, Naive Bayes vs. Decision Trees vs. Neural Networks in the Classification of Training Web Pages, Int. J. Comput. Sci., vol. 4, no. 1, pp. 16–23.
Fitriyani and R. S. Wahono, 2015,Integrasi Bagging dan Greedy Forward Selection pada Prediksi Cacat Software dengan Menggunakan Naïve Bayes, J. Softw. Eng., vol. 1, no. 2, pp. 101–108.
Haming, M., dan Mahmud Nurnajamuddin., 2011. Manajemen Produksi Modern Operasi Manufaktur dan Jasa. Jakarta: Bumi Aksara.
Heizer, Jay dan Barry Render.2009. Manajemen Operasi Buku 1 Edisi 9. Jakarta: Salemba Empat.
Kurniawan Dedy Ahmad, Danny Kriestanto, 2016, Penerapan Naïve Bayes Untuk Prediksi Kelayakan Kredit. Yogyakarta: Jurnal Informatika dan Komputer, Vol I, No 1.
Kursini, Luthfi, E. T., 2009, Algoritma Data Mining, Andi Offset, Yogyakarta.
Muhammad Husni Rifqo and Taufik Arzi, 2016, Implementasi Algoritma C4.5 Untuk Menentukan Calon Debitur Dengan Mengukur Tingkat Risiko Kredit Pada BANK BRI Cabang Curup, Jurnal Pseudocode, vol. III, September.
Supriyanto, Catur. Purnama Parida. 2013. Deteksi penyakit diabetes type II dengan Naive Bayes berbasis Particle Swarm Optimization. Jurnal Teknologi Informasi, Volume 9 Nomor 2, Oktober.
Refbacks
- Saat ini tidak ada refbacks.