Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Instal : Jurnal Komputer
Rezkinah Rambe
Universitas Pembangunan Panca Budi
Computer Science & IT Decision Sciences, Operations Research & Management

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Big Data dan Algoritma Machine Learning untuk Meningkatkan Efisiensi Proses Pelayanan Izin Usaha di DPMPTSP Kabupaten Tapanuli Selatan Rezkinah Rambe; Muhammad Syahputra Novelan; Zulham Sitorus
Bahasa Indonesia Vol 18 No 4 (2026): Instal : Jurnal Komputer
Publisher : Cattleya Darmaya Fortuna

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54209/jurnalinstall.v18i4.513

Abstract

Layanan perizinan usaha merupakan aspek penting dalam meningkatkan kualitas layanan publik dan mendukung iklim investasi daerah. Namun, proses perizinan usaha di DPMPTSP Kabupaten Tapanuli Selatan masih menghadapi berbagai tantangan, seperti waktu pemrosesan yang lama, kesalahan verifikasi, dan pemanfaatan data yang tersedia yang belum optimal. Penelitian ini bertujuan untuk menerapkan teknologi big data dan algoritma machine learning guna meningkatkan efisiensi proses perizinan usaha. Metode yang digunakan adalah pendekatan kuantitatif dengan teknik eksperimental, memanfaatkan dataset layanan perizinan usaha yang terdiri dari berbagai atribut seperti jenis izin, lokasi, waktu pemrosesan, dan status permohonan. Algoritma yang digunakan dalam penelitian ini adalah Random Forest, Naïve Bayes, dan kombinasi antara Random Forest dan Naïve Bayes, dengan evaluasi menggunakan matriks kebingungan serta metrik akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Random Forest menunjukkan kinerja terbaik, dengan akurasi 98,5%, presisi 98,57%, recall 98,5%, dan F1-score 98,51%. Sementara itu, Naïve Bayes menunjukkan kinerja terendah dengan akurasi sebesar 51%, dan kombinasi Random Forest dan Naïve Bayes menghasilkan akurasi sebesar 73%. Hal ini menunjukkan bahwa Random Forest lebih mampu menangani data yang kompleks dan menghasilkan prediksi yang lebih akurat dibandingkan dengan metode lainnya.
Co-Authors Muhammad Syahputra Novelan Sitorus, Zulham