KETEPATAN KLASIFIKASI JENIS RUMAH TIDAK LAYAK HUNI DI KABUPATEN SLEMAN TAHUN 2017 DENGAN METODE NAÏVE BAYES CLASSIFIER DAN ALGORITMA K-NEAREST NEIGHBOR

Abstract

Salah satu faktor yang menentukan suatu kota dikatakan maju adalah kesejahteraan masyarakatnya, yang dapat dilihat dari kondisi perumahannya. Pada tahun 2017 di Kabupaten Sleman masih banyak rumah tidak layak huni dengan sarana dan prasarana yang tidak memadai sebanyak 531 rumah yang telah lolos verifikasi oleh Dinas Pekerjaan Umum, Perumahan, dan Kawasan Permukiman Kabupaten Sleman. Data dalam penelitian ini merupakan data sekunder yang diperoleh dari Dinas Pekerjaan Umum, Perumahan, dan Kawasan Permukiman Kabupaten Sleman, data tersebut merupakan data penerima bantuan pembangunan rumah tidak layak huni di Kabupaten Sleman. Tujuan dilakukannya penelitian ini adalah mengetahui perbandingan nilai akurasi pada metode Naïve Bayes dan K-Nearest Neighbor. Hasil penelitian ini menunjukan bahwa dengan menggunakan model Naïve Bayes mempunyai nilai akurasi sebesar 89,6%, sedangkan model K-Nearest Neighbor mempunyai nilai akurasi sebesar 100%. Hal ini mengindikasikan bahwa model K-Nearest Neighbor lebih baik dibandingkan model Naïve Bayes dalam mengklasifikasikan jenis pembangunan rumah tidak layak huni di Kabupaten Sleman.