IMPLEMENTASI DATA MINING DENGAN ALGORITMA K-MEANS DAN NAIVE BAYES UNTUK MENGANALISIS PENGADAAN BARANG DAN JASA DI KANTOR BUPATI LABUHANBATU

ANDINI SAKA RAHMADANI RITONGA, NPM 2108100005 (2025) IMPLEMENTASI DATA MINING DENGAN ALGORITMA K-MEANS DAN NAIVE BAYES UNTUK MENGANALISIS PENGADAAN BARANG DAN JASA DI KANTOR BUPATI LABUHANBATU. Skripsi thesis, Universitas Labuhanbatu.

	Text COVER.pdf Download (1MB)
	Text BAB I.pdf Download (203kB)
	Text BAB II.pdf Download (287kB)
	Text BAB III.pdf Download (238kB)
	Text BAB IV.pdf Download (991kB)
	Text BAB V.pdf Download (167kB)
	Text DAFTAR PUSTAKA.pdf Download (178kB)
	Text LAMPIRAN.pdf Download (430kB)

Abstract

Pengadaan barang dan jasa di instansi pemerintahan seperti Kantor Bupati Labuhanbatu membutuhkan sistem yang efisien dan berbasis data agar lebih tepat sasaran dan transparan. Oleh karena itu, penelitian ini bertujuan untuk menerapkan teknik data mining dalam mengidentifikasi pola pengadaan yang lebih baik. Dalam penelitian ini digunakan algoritma K-Means dan Naïve Bayes, di mana K-Means berfungsi untuk melakukan pengelompokan data tanpa label dan Naïve Bayes digunakan untuk klasifikasi berdasarkan probabilitas bersyarat. Kombinasi kedua algoritma tersebut memberikan pendekatan yang efektif dalam memahami dan memprediksi tren pengadaan barang dan jasa. Metodologi yang diterapkan meliputi tahap preprocessing data, pemilihan fitur, proses klasterisasi menggunakan K Means, serta klasifikasi dengan Naïve Bayes, dengan bantuan aplikasi Orange. Data diperoleh dari dokumentasi pengadaan dan observasi langsung di lingkungan Kantor Bupati Labuhanbatu. Hasil penelitian menunjukkan bahwa K-Means berhasil membentuk tiga cluster berbeda yang menggambarkan pola pengadaan berdasarkan kemiripan harga dan volume, sedangkan Naïve Bayes mampu mengklasifikasikan data dengan tingkat akurasi yang cukup tinggi. Evaluasi klasifikasi juga menunjukkan performa yang baik berdasarkan nilai akurasi, presisi, dan recall. Pembahasan mengungkapkan bahwa metode ini tidak hanya mampu memberikan wawasan terhadap tren pengadaan, tetapi juga membantu dalam pengambilan keputusan berbasis data yang lebih akurat. Klaster dan kategori hasil klasifikasi dapat menjadi acuan dalam merumuskan strategi efisiensi anggaran pengadaan. Kesimpulannya, penerapan K-Means dan Naïve Bayes terbukti efektif dalam menganalisis data pengadaan dan meningkatkan transparansi serta efisiensi sistem pengadaan di lingkungan pemerintahan. Metode ini juga berpotensi diterapkan secara luas di instansi lain untuk meningkatkan kualitas tata kelola pengadaan barang dan jasa secara menyeluruh. Kata Kunci: Data Mining; K-Means, Naïve Bayes, Pengadaan Barang dan Jasa, Pemerintahan Digital ============================================================================================== Procurement of goods and services in government agencies such as the Labuhanbatu Regent's Office requires an efficient and data-driven system to be more targeted and transparent. Therefore, this study aims to apply data mining techniques to identify better procurement patterns. This study uses the K-Means and Naïve Bayes algorithms, where K-Means functions to cluster unlabeled data and Naïve Bayes is used for classification based on conditional probability. The combination of the two algorithms provides an effective approach in understanding and predicting procurement trends of goods and services. The applied methodology includes data preprocessing, feature selection, clustering process using K-Means, and classification with Naïve Bayes, with the help of the Orange application. Data were obtained from procurement documentation and direct observations in the Labuhanbatu Regent's Office environment. The results show that K-Means successfully formed three different clusters that describe procurement patterns based on price and volume similarities, while Naïve Bayes was able to classify data with a fairly high level of accuracy. The classification evaluation also showed good performance based on accuracy, precision, and recall values. The discussion reveals that this method not only provides insight into procurement trends but also aids in more accurate, data-driven decision-making. The resulting clusters and categories can serve as a reference in formulating procurement budget efficiency strategies. In conclusion, the application of K-Means and Naïve Bayes has proven effective in analyzing procurement data and increasing the transparency and efficiency of the government procurement system. This method also has the potential to be widely applied in other agencies to improve the overall quality of goods and services procurement governance. Keywords: Data Mining, K-Means, Naïve Bayes, Procurement, Digital Government

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Data Mining; K-Means, Naïve Bayes, Pengadaan Barang dan Jasa, Pemerintahan Digital===============Data Mining, K-Means, Naïve Bayes, Procurement, Digital Government
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General) Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science Z Bibliography. Library Science. Information Resources > ZA Information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Divisions:	Fakultas Sains Dan Teknologi > Teknologi Informasi
Depositing User:	Unnamed user with email repository@ulb.ac.id
Date Deposited:	27 Oct 2025 08:03
Last Modified:	27 Oct 2025 08:03
URI:	http://repository.ulb.ac.id/id/eprint/1863

Actions (login required)

View Item