http://repository.unmul.ac.id/handle/123456789/7160 Sun, 19 Jul 2026 12:45:03 GMT 2026-07-19T12:45:03Z http://repository.unmul.ac.id/handle/123456789/7570 PERBANDINGAN METODE KLASIFIKASI NAIVE BAYES DAN K-NEAREST NEIGHBOR PADA DATA STATUS PEMBAYARAN PAJAK PERTAMBAHAN NILAI DI KANTOR PELAYANAN PAJAK PRATAMA SAMARINDA ULU Noor Ramaulidyah, Fatihah Klasifikasi adalah pengelompokan sistematis dari suatu obyek ke dalam kelompok atau golongan tertentu berdasarkan ciri yang sama. Metode klasifikasi yang digunakan pada penelitian ini adalah naive Bayes dan K-Nearest Neighbor yang memiliki tingkat akurasi relatif tinggi. Penelitian ini bertujuan untuk melakukan perbandingan tingkat akurasi klasifikasi pada data status pembayaran pajak pertambahan nilai (PPN). Data yang digunakan adalah data wajib pajak badan di KPP Pratama Samarinda Ulu Tahun 2018 dengan status pembayaran PPN patuh atau tidak patuh dan menggunakan 3 variabel bebas yaitu pendapatan, bentuk badan dan status pelaporan pajak. Pengukuran akurasi menggunakan APER pada metode naive Bayes sebesar 17,07% sedangkan pada metode K-NN sebesar 19,51%. Hasil perbandingan pengukuran akurasi dari kedua metode tersebut menunjukkan bahwa metode naive Bayes memiliki tingkat akurasi yang lebih tinggi dibandingkan dengan metode K-NN. Wed, 20 May 2020 00:00:00 GMT http://repository.unmul.ac.id/handle/123456789/7570 2020-05-20T00:00:00Z http://repository.unmul.ac.id/handle/123456789/7569 MODEL GEOGRAPHICALLY WEIGHTED POISSON REGRESSION DENGAN FUNGSI PEMBOBOT ADAPTIVE GAUSSIAN Studi Kasus : Jumlah Kasus Tuberkulosis di Indonesia Tahun 2018) Al Karima, Nabila Model Geographically Weighted Poisson Regression (GWPR) adalah pengembangan model regresi Poisson yang diaplikasikan pada data spasial. Penaksiran parameter model GWPR dilakukan pada setiap lokasi pengamatan menggunakan pembobot spasial. Tujuan penelitian ini adalah menentukan model GWPR data jumlah kasus tuberkulosis di Indonesia dan mengetahui faktor-faktor yang berpengaruh terhadap jumlah kasus tuberkulosis di Indonesia. Data penelitian adalah data sekunder diperoleh dari Kementrian Kesehatan Indonesia. Peubah respon penelitian yaitu jumlah kasus tuberkulosis, sedangkan peubah prediktor adalah jumlah penduduk miskin, persentase rumah tidak layak huni, persentase kabupaten/kota yang tidak memiliki kebijakan PHBS dan persentase TPM tidak memenuhi syarat kesehatan. Penaksiran parameter menggunakan metode Maximum Likelihood Estimation (MLE). Pembobot spasial dihitung menggunakan fungsi pembobot Adaptive Gaussian dan penentuan bandwidth optimum menggunakan kriteria Cross Validation (CV). Hasil penelitian menunjukkan bahwa penaksir eksak Maximum Likelihood (ML) tidak dapat diperoleh secara analitik dan hampiran penaksir ML didapat menggunakan metode iteratif Newton-Raphson. Berdasarkan hasil pengujian parameter model GWPR, disimpulkan bahwa faktor-faktor yang berpengaruh terhadap jumlah kasus tuberkulosis bersifat lokal dan berbeda-beda di 34 provinsi. Faktor-faktor yang berpengaruh lokal adalah jumlah penduduk miskin, persentase rumah tidak layak huni, persentase kabupaten/kota yang tidak memiliki kebijakan PHBS dan persentase TPM tidak memenuhi syarat kesehatan, sedangkan faktor yang berpengaruh global adalah jumlah penduduk miskin. Thu, 19 Mar 2020 00:00:00 GMT http://repository.unmul.ac.id/handle/123456789/7569 2020-03-19T00:00:00Z http://repository.unmul.ac.id/handle/123456789/4784 Pemodelan Geographically Weighted Poisson Regression dengan Fungsi Pembobot Adaptive Bisquare pada Kasus Kusta di Pulau Kalimantan Tahun 2018 Wati, Fatma Model Geographically Weighted Poisson Regression (GWPR) adalah pengembangan dari model regresi Poisson yang diaplikasikan pada data spasial. Penaksiran parameter model GWPR dilakukan pada setiap lokasi pengamatan menggunakan pembobot spasial. Tujuan penelitian ini adalah menentukan model GWPR dan faktor-faktor yang berpengaruh terhadap jumlah kasus kusta di setiap kabupaten/kota di Pulau Kalimantan pada tahun 2018. Pembobot spasial diperoleh menggunakan fungsi kernel adaptive bisquare dan bandwidth optimum ditentukan menggunakan kriteria Generalized Cross-Validation (GCV). Data penelitian ini adalah data sekunder yaitu jumlah kasus kusta di 56 kabupaten/kota di Pulau Kalimantan pada tahun 2018. Metode penaksiran parameter model GWPR adalah Maximum Likelihood Estimation (MLE). Hasil penelitian menunjukkan bahwa hampiran penaksir maximum likelihood diperoleh menggunakan metode iterasi Newton-Raphson dan faktor-faktor yang mempengaruhi jumlah kasus kusta di setiap kabupaten/kota adalah berbeda-beda (bersifat lokal). Faktor-faktor yang berpengaruh secara lokal adalah jumlah sarana kesehatan, jumlah tenaga kesehatan, jumlah penduduk laki-laki dan kepadatan penduduk. Wed, 01 Jan 2020 00:00:00 GMT http://repository.unmul.ac.id/handle/123456789/4784 2020-01-01T00:00:00Z http://repository.unmul.ac.id/handle/123456789/4783 Model Geographically Weighted Logistic Regression dengan Fungsi Pembobot Adaptive Bisquare (Studi Kasus: Indikator Pencemaran Air Biochemical Oxygen Demand di Daerah Aliran Sungai Mahakam Provinsi Kalimantan Timur Tahun 2016) Inayah, Ulfah Resti Model Geographically Weighted Logistic Regression (GWLR) merupakan pengembangan model regresi logistik yang diaplikasikan pada data spasial. Penaksiran parameter model GWLR dilakukan pada setiap lokasi pengamatan menggunakan pembobot spasial. Data penelitian adalah data sekunder yang diperoleh dari Dinas Lingkungan Hidup Provinsi Kalimantan Timur. Tujuan penelitian ini adalah menentukan model GWLR pada data dikotomus indikator pencemaran air Biochemical Oxygen Demand (BOD) di daerah aliran air Sungai Mahakam dan mengetahui faktor-faktor yang memengaruhi probabilitas air Sungai Mahakam tercemar di 27 lokasi pengamatan tahun 2016. Penaksiran parameter model GWLR menggunakan metode Maximum Likelihood Estimation (MLE). Pembobot spasial pada penaksiran parameter ditentukan menggunakan fungsi pembobot Adaptive Bisquare dan penentuan bandwidth optimum menggunakan kriteria Generalized Cross-Validation (GCV). Hasil penelitian menunjukkan bahwa penaksir eksak Maximum Likelihood (ML) tidak dapat diperoleh secara analitik dan hampiran penaksir ML didapat menggunakan metode iteratif Newton-Raphson (N-R). Berdasarkan hasil pengujian parameter model GWLR, disimpulkan bahwa faktor-faktor yang berpengaruh terhadap BOD bersifat lokal dan berbeda-beda di 27 lokasi pengamatan daerah aliran Sungai Mahakam. Faktor-faktor yang berpengaruh bersifat lokal adalah suhu, pH, TDS, konsentrasi amonia, dan debit air, sedangkan faktor-faktor yang berpengaruh secara global adalah pH dan TDS. Thu, 09 Jul 2020 00:00:00 GMT http://repository.unmul.ac.id/handle/123456789/4783 2020-07-09T00:00:00Z