PERBANDINGAN METODE KLASIFIKASI NAIVE BAYES DAN K-NEAREST NEIGHBOR PADA DATA STATUS PEMBAYARAN PAJAK PERTAMBAHAN NILAI DI KANTOR PELAYANAN PAJAK PRATAMA SAMARINDA ULU

Abstract

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.