Ismuhamdan, M. Elki and Prajoko, Prajoko and Apriandari, Winda (2023) KLASIFIKASI EFEKTIVITAS KEBIJAKAN RELOKASI PUSAT JAJANAN KOTA SUKABUMI MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER. Bit (Fakultas Teknologi Informasi Universitas Budi Luhur), 20 (2). ISSN 2685-127X

Text 2459 Download (33kB)

Abstract

Program yang menjadi perbincangan di Kota Sukabumi yaitu pembangunan dan penataan Jalan Ir. H. Juanda atau “Dago” sebagai pusat jajanan Kota Sukabumi yang disertai dengan kebijakan relokasi Pedagang Kaki Lima ke Jalan Dewi Sartika. Kebijakan ini masih dipertanyakan keefektivitasannya karena menimbulkan dampak yang kurang baik dan menimbulkan polemik bagi berbagai pihak serta belum ada penelitian yang mengukur nilai efisiensi dan efektivitas dari penerapan kebijakan relokasi pedagang kaki lima tersebut. Penelitian ini dilaksanakan untuk mengklasifikasi dan mengukur nilai efektivitas kebijakan relokasi pusat jajanan Kota Sukabumi berdasarkan klasifikasi dari pendapat masyarakat Kota Sukabumi dan pedagang-pedagang di area relokasi dengan membuat sistem yang dapat mengukur efektivitas kebijakan tersebut menggunakan algoritma Naïve Bayes Classifier dengan metode penelitian Knowledge Discovery in Database. Algoritma Naïve Bayes Classifier merupakan salah satu algoritma Data Mining yang mengaplikasikan Teorema Bayes [1]. Hasil akhir dari penelitian ini yaitu dari 368 data pendapat, sebanyak 52,45% atau sebanyak 193 pendapat diklasifikasi “Efektif” dan sebanyak 47,55% atau sebanyak 175 pendapat diklasifikasi “Tidak Efektif” dengan nilai akurasi yang diperoleh sebesar 97,02%. Kebijakan relokasi pusat jajanan Kota Sukabumi dapat disimpulkan Efektif, karena nilai Efektif lebih besar daripada nilai Tidak Efektif walaupun memiliki selisih nilai yang sangat tipis dengan hasil nilai akurasi yang sangat tinggi.

Item Type:	Article
Uncontrolled Keywords:	kebijakan; efektivitas; naïve bayes classifier; knowledge discovery in database
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User:	Perpus ID UMMI
Date Deposited:	15 Jan 2024 03:15
Last Modified:	15 Jan 2024 03:15
URI:	http://eprints.ummi.ac.id/id/eprint/3349

Actions (login required)

View Item