<![CDATA[Abstrak - Pemilihan lokasi pemasangan Optical Distribution Point (ODP) merupakan faktor penting dalam pengembangan jaringan fiber optik, karena berpengaruh terhadap efisiensi biaya dan jangkauan layanan. Proses pemilihan lokasi selama ini masih dilakukan secara manual, sehingga berpotensi menimbulkan ketidakefisienan dalam perencanaan jaringan. Penelitian ini bertujuan untuk membangun sistem pendukung keputusan berbasis WebGIS yang menerapkan metode Naive Bayes dalam menentukan kelayakan lokasi pemasangan ODP IndiHome. Metode Naive Bayes digunakan untuk melakukan klasifikasi berdasarkan beberapa kriteria, antara lain jumlah penduduk, potensi pelanggan, status perizinan, aksesibilitas, infrastruktur pendukung, topografi, dan keamanan wilayah. Sistem dikembangkan menggunakan model pengembangan perangkat lunak Waterfall dengan implementasi teknologi PHP, MySQL, dan LeafletJS untuk visualisasi peta. Hasil pengujian menunjukkan bahwa metode Naïve Bayes mampu mengklasifikasikan data dengan akurasi sebesar 100% pada 19 data uji, di mana 13 lokasi dikategorikan “Layak” dan 6 lokasi “Tidak Layak”. Integrasi hasil klasifikasi dengan WebGIS memungkinkan pengguna untuk memantau dan menganalisis sebaran lokasi ODP secara interaktif melalui peta digital. Dengan demikian, sistem ini dapat membantu pihak perusahaan telekomunikasi dalam menentukan lokasi ODP yang optimal, efisien, dan berbasis spasial.Kata kunci : Optical Distribution Point; Naive Bayes; Sistem Pendukung Keputusan; WebGIS; Waterfall; Abstract - The selection of Optical Distribution Point (ODP) installation locations is a crucial factor in the development of fiber optic networks, as it directly affects cost efficiency and service coverage. The current selection process is still performed manually, which can lead to inefficiencies in network planning. This study aims to develop a WebGIS-based decision support system that applies the Naive Bayes method to determine the feasibility of ODP installation locations for IndiHome. The Naive Bayes algorithm is utilized to classify data based on several criteria, including population density, customer potential, licensing status, accessibility, supporting infrastructure, topography, and area security. The system was developed using the Waterfall model, implemented with PHP, MySQL, and LeafletJS for map visualization. The testing results show that the Naïve Bayes method achieved an accuracy of 100% on 19 test data points, classifying 13 locations as “Feasible” and 6 as “Not Feasible.” The integration of classification results with WebGIS allows users to monitor and analyze ODP locations interactively through a digital map. Therefore, the system effectively assists telecommunication companies in determining optimal, efficient, and spatially based ODP installation locations.Keywords: Optical Distribution Point; Naive Bayes; Decision Support System; WebGIS; Waterfall;]]>
