Penilaian Apartemen Pada Perusahaan Konsultan Properti Menggunakan Metode Naïve Bayes
Abstract
Abstrak: Penilaian terhadap aset berupa properti sangat diperlukan. Penilaian properti dapat dimanfaatkan dalam semua segi kehidupan. Perusahaan konsultan properti mempunyai peran memberikan masukan, ataupun bimbingan mengenai kondisi properti tertentu. Salah satu jenis properti yang banyak digemari adalah apartemen. Metode Naïve Bayes merupakan metode pengklasifikasian dengan probabilitas dalam bidang memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya. Pada penelitian menggunakan metode Naïve Bayes terhadap prediksi penilaian apartemen pada perusahaan konsultan properti. Faktor-faktor yang mempengaruhi penilaian apartemen akan dilihat dari rent price (harga), city (lokasi apartemen/kota), size (ukuran), furnisihing (kelengkapan), bedroom (jumlah kamar tidur), bathroom (jumlah kamar mandi) dan maid badroom (jumlah kamar pembantu) dengan hasil output penilaian nya adalah condition atau kondisi apartemen yaitu excellent, best dan good. Pengujian data set model algoritma Naïve Bayes menggunakan software Rapidminer menggunakan cross validation (cv) dengan nilai parameter 10. Pengujian model yang terbentuk akan menggunakan Confusion Matrix untuk mengetahui tingkat akurasi. Berdasarkan hasil pengujian terlihat hasil akurasi penggunaan metode Naïve Bayes cukup tinggi, untuk kasus prediksi penilaian apartemen yaitu sebesar 92.24%. Kata kunci: data mining, naïve bayes, penilaian apartemen Abstract: Valuation of assets in the form of property is now very necessary. Property valuation can be utilized in all aspects of life. Property consulting companies have the role of providing input, or guidance regarding certain property conditions. One type of property that is currently in high demand is the apartment. Meode Naïve Bayes is a classification method with probabilities in the field of predicting future opportunities based on past experience. In this research, Naïve Bayes method will only be used to predict apartment valuations at property consulting companies. Factors that influence apartment valuation will be seen from the rent price, city (location of the apartment / city), size (size), furnishing (completeness), bedroom (number of bedrooms), bathroom (number of bathrooms) and maid badroom (the number of servants' rooms) with the result of the assessment output is the condition or condition of the apartment which is excellent, best and good. Testing the data set of the Naïve Bayes algorithm model using Rapidminer software. In this model using cross validation (CV) with parameter value 10. Testing the formed model will use Confusion Matrix to determine the level of accuracy. Based on the test results, the accuracy of using the Naïve Bayes method is quite high, for an apartment prediction assessment case that is equal to 92.24%. Keywords: apartment valuation, data mining, naïve bayesReferences
[1] P. P. Widodo, R. T. Handayanto, and Herlawati, Penerapan Data Mining dengan Matlab. Bandung: Rekayasa Sains, 2013.
[2] P.-N. Tan, M. Steinbach, and V. Kumar, Introduction to Data Mining. Boston: Pearson Addison Wesley, 2006.
[3] A. Mutoi Siregar and A. Puspabhuana, “Data Mining.†CV Kekata Group, Surakarta, p. 200, 2017.
[4] Kusrini and E. T. Luthfi, Algoritma Data Mining. Yogyakarta: Andi Offset, 2009.
[5] M. Baydhowi, W. Apriliah, and I. Kurniawan, “Klasifikasi Tweet Berdasarkan Keterkaitan Tweet Terhadap Topik Tertentu Pada Twitter Menggunakan Naïve Bayes,†Inf. Syst. Educ. Prof., vol. 4, no. 1, pp. 95–103, 2019.
[6] R. W. Pratiwi and Y. S. Nugroho, “Prediksi Rating Film Menggunakan Metode Naive Bayes,†J. Tek. Elektro, vol. 8, no. 2, pp. 60–63, 2016.
[7] R. Harman, “Penerapan Metode Data Mining (Naïve Bayes) Untuk Menganalisis Tingkat Mutu Pelayanan (TMP) Pada Pelanggan Study Kasus PT. PLN Batam,†CBIS J., vol. 1, pp. 45–56, 2013.
[8] H. Yulius, K. Brian, and I. B. Trisno, “Perancangan Sistem Informasi Kepuasan Layanan Pendidikan Dengan Pendekatan Naïve Bayes Studi Kasus Di Nation Star Academy,†in Prosiding SNST ke-10 Tahun 2019 Fakultas Teknik Universitas Wahid Hasyim Semarang, 2019, pp. 95–100.
[9] R. A. Saputra and S. Ayuningtias, “Penerapan Algoritma Naive Bayes Untuk Penentuan Calon Penerima Beasiswa Pada SMK Pasim Plus Sukabumi,†Swabumi, vol. IV, no. 2, pp. 114–120, 2016.
[10] A. Fitri Cahyanti, R. Saptono, and S. Widya Sihwi, “Penentuan Model Terbaik pada Metode Naive Bayes Classifier dalam Menentukan Status Gizi Balita dengan Mempertimbangkan Independensi Parameter,†J. Teknol. Inf. ITSmart, vol. 4, no. 1, p. 28, 2016.
[11] T. Rosandy, “Perbandingan Metode Naive Bayes Classifier Dengan Metode Decision Tree (C4.5) Untuk Menganalisa Kelancaran Pembiayaan (Study Kasus : KSPPS/BMT Al-Fadhila,†J. Teknol. Inf. Magister Darmajaya, vol. 2, no. 01, pp. 52–62, 2016.
[12] E. Rahmawati, “Analisa Komparasi Algoritma Naive Bayes Dan C4.5 Untuk Prediksi Penyakit Liver,†Techno Nusa Mandiri, vol. XII, no. 2, pp. 21–26, 2015.
[13] E. Nurelasari, “Komparasi Algoritma Naive Bayes Dengan Support Vector Machine Berbasis Particle Swarm Optimization untuk Prediksi Kesuburan,†Bina Insa. ICT J., vol. 5, no. 1, pp. 61–70, 2018.
[14] T. Mardiana, “Optimasi Naïve Bayes Dengan Particle Swarm Optimization Dan Stratified Untuk Prediksi Kredit Macet Pada Koperasi,†J. Ris. Inform., vol. 1, no. 1, pp. 43–50, 2018.
