Article Per Year (5 Year)
p-Index From 2021 - 2026
0.562
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science) Journal of Computer Science and Informatics Engineering
Lestari, Rika Dinda
Unknown Affiliation
Computer Science & IT

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 3 Documents
Search

 1 
Penerapan Data Mining Menggunakan Metode Teknik Klasifikasi Untuk Melihat Potensi Kepatuhan Wajib Pajak Kendaraan Lestari, Rika Dinda; Hasibuan, Muhammad Siddik; Wahyuni, Sri
Journal of Computer Science and Informatics Engineering Vol 3 No 1 (2024): Januari
Publisher : Ali Institute of Research and Publication

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55537/cosie.v3i1.710

Abstract

Tujuan penelitian ini adalah untuk menguji kepatuhan wajib pajak kendaraan bermotor, dengan fokus pada Samsat Medan Selatan dan UPTD BAPENDA Kota Medan. Sumber utama pendanaan pembangunan dan pelayanan negara yang dapat dinikmati seluruh masyarakat adalah pajak, yang menyumbang lebih dari 70% pendapatan negara. Badan Pendapatan Daerah (Bapenda) mengelola Pajak Kendaraan Bermotor (PKB) yang tergolong pajak daerah dan ditangani oleh Kantor Bersama Sistem Administrasi Terpadu Satu Atap (SAMSAT). Kami dapat mengidentifikasi wajib pajak yang patuh dan tidak patuh dengan menggunakan sampel data wajib pajak kendaraan bermotor dari Samsat Medan Selatan, tepatnya pada bulan Mei 2023. Dalam penelitian ini, data mining diterapkan bersamaan dengan Teknik Klasifikasi menggunakan algoritma Naïve Bayesuntuk mengidentifikasi , dengan akurasi sebesar 70,91%, diantara 110 wajib pajak terdapat yang berpotensi patuh (nilai prior probability: 0,564) dan yang berpotensi tidak patuh (nilai prior probability: 0,436).
Perbandingan Algoritma Naïve Bayes dan Algoritma Support Vector Machine (SVM) Untuk Melihat Potensi Kepatuhan Peserta BPJS Dalam Membayar Tagihan Lestari, Rika Dinda; Putri, Raissa Amanda
CESS (Journal of Computer Engineering, System and Science) Vol 9, No 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.61542

Abstract

Jaminan Kesehatan Nasional (JKN) yang diselenggarakan oleh Badan Penyelenggara Jaminan Sosial (BPJS) merupakan jaminan sosial yang wajib bagi seluruh warga negara Indonesia berdasarkan Undang-Undang Nomor 40 Tahun 2004 tentang Sistem Jaminan Sosial Nasional (SJSN). Penelitian ini bertujuan untuk melihat potensi kepatuhan peserta BPJS dalam membayar tagihan dengan menggunakan perbandingan antara algoritma naïve bayes dan algoritma support vector machine (SVM). Pada penelitian ini metode yang digunakan ialah metode kuantitatif dengan menghitung hasil tingkat akurasi dari masing masing algoritma yang digunakan. Sebelum dilakukannya penerapan pada algoritma naive bayes dan algoritma support vector machine (SVM) maka akan dilakukannya teknik KDD (Knowledge Discovery in Database) agar data yang digunakan lebih akurat. Dengan data sampel sebanyak 1.499 kita dapat mengetahui peserta BPJS mana yang membayar tagihannya sangat tepat waktu, tepat waktu, dan tidak tepat waktu dengan menggunakan teknik klasifikasi dan menerapkan algoritma naïve bayes dan algoritma support vector machine (SVM) pada rapidminer alat sehingga dapat diperoleh hasil akurasi sebesar 99,10%. Dengan nilai sangat tepat waktu sebesar 0,334, tepat waktu dengan nilai sebesar 0,182, dan tidak tepat waktu dengan nilai sebesar 0,484 pada algoritma naïve bayes. Sedangkan pada algoritma support vector machine (SVM) memperoleh tingkat akurasi sebesar 98,48% dengan nilai sangat tepat waktu sebesar 45, tepat waktu dengan nilai 6, dan tidak tepat waktu dengan nilai 45. dilihat dari hasil tingkat akurasi algoritma naïve bayes lebih unggul dibandingkan algoritma support vector machine (SVM).
Perbandingan Algoritma Naive Bayes dan Algoritma Support Vector Machine (SVM) Untuk Melihat Potensi Kepatuhan Peserta BPJS Dalam Membayar Tagihan Lestari, Rika Dinda; Putri, Raissa Amanda
CESS (Journal of Computer Engineering, System and Science) Vol. 9 No. 2 (2024): July 2024
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v9i2.61542

Abstract

Jaminan Kesehatan Nasional (JKN) yang diselenggarakan oleh Badan Penyelenggara Jaminan Sosial (BPJS) merupakan jaminan sosial yang wajib bagi seluruh warga negara Indonesia berdasarkan Undang-Undang Nomor 40 Tahun 2004 tentang Sistem Jaminan Sosial Nasional (SJSN). Penelitian ini bertujuan untuk melihat potensi kepatuhan peserta BPJS dalam membayar tagihan dengan menggunakan perbandingan antara algoritma naïve bayes dan algoritma support vector machine (SVM). Pada penelitian ini metode yang digunakan ialah metode kuantitatif dengan menghitung hasil tingkat akurasi dari masing masing algoritma yang digunakan. Sebelum dilakukannya penerapan pada algoritma naive bayes dan algoritma support vector machine (SVM) maka akan dilakukannya teknik KDD (Knowledge Discovery in Database) agar data yang digunakan lebih akurat. Dengan data sampel sebanyak 1.499 kita dapat mengetahui peserta BPJS mana yang membayar tagihannya sangat tepat waktu, tepat waktu, dan tidak tepat waktu dengan menggunakan teknik klasifikasi dan menerapkan algoritma naive bayes dan algoritma support vector machine (SVM) pada rapidminer alat sehingga dapat diperoleh hasil akurasi sebesar 99,10%. Dengan nilai sangat tepat waktu sebesar 0,334, tepat waktu dengan nilai sebesar 0,182, dan tidak tepat waktu dengan nilai sebesar 0,484 pada algoritma naive bayes. Sedangkan pada algoritma support vector machine (SVM) memperoleh tingkat akurasi sebesar 98,48% dengan nilai sangat tepat waktu sebesar 45, tepat waktu dengan nilai 6, dan tidak tepat waktu dengan nilai 45. dilihat dari hasil tingkat akurasi algoritma naïve bayes lebih unggul dibandingkan algoritma support vector machine (SVM).
Co-Authors Muhammad Siddik Hasibuan Raissa Amanda Putri Sri Wahyuni