Analisa Faktor yang Paling Mempengaruhi Persepsi Anti Korupsi Menggunakan Algoritma C4.5 (Studi Kasus: Badan Narkotika Nasional Kota Pematang Siantar)

Maya Pangaribuan; Fahmi Firzada; M Safii

Maya Pangaribuan STIKOM TUNAS BANGSA PEMATANGSIANTAR
Fahmi Firzada
M Safii

Abstract viewed = 0 times

pdf (Bahasa Indonesia) downloaded = 0 times

Abstract

Kebijakan pembangungan Zona Integritas (ZI) menuju Wilayah Bebas dari Korupsi (WBK) di tingkat unit/satuan kerja bertujuan untuk menemukan model praktik terbaik dari unit/satuan kerja yang berhasil mendapatkan predikat menuju WBK. Penelitian ini bertujuan untuk menganalisa faktor yang paling mempengaruhi persepsi anti korupsi di BNN Kota Pematangsiantar berdasarkan data hasil survey persepsi anti korupsi yang diberikan oleh para penerima layanan di BNN Kota Pematangsiantar. Metode yang dgunakan adalah Algoritma C4.5 untuk membangun pohon keputusan. Penelitian dilakukan dengan menggunakan pengujian Rapidminer dan mendapatkan akurasi sebesar 98,97%. Tujuan akhir dari proses analisa ini adalah untuk menentukan faktor yang paling mempengaruhi persepsi anti korupsi di BNN Kota Pematangsiantar yaitu tidak adanya pelayanan prosedur/kecurangan pelayanan sehingga BNN mendapat predikat bersih dari korupsi. Maka dapat dinyatakan bahwa aklgoritma C4.5 layak digunakan sebagai penentuan hasil keputusan yang baik dan peneliti berharap setelah mendapatkan hasil tersebut diharapkan kepada pihak BNN agar tetap mempertahankan predikat wilayah bersih dari korupsi (WBK) serta meningkatkan pelayanan yang bersih dari korupsi.

References

[1] R. G. Azzunaika, K. S. Nugroho, and R. Yulianti, “Pembangunan Zona Integritas Dalam Mewujudukan Kualitas Pelayanan Publik di Polres Cilegon,” vol. 04, no. 02, 2023.
[2] D. hidayat fahrul, “Analisis Pemetaan Sumber Daya Manusia dalam Rangka Integritas Menuju Wilayah Bebas Korupsi dan Wilayah Birokrasi Bersih Melayani pada Balai Diklat Keagamaan Ambon" vol. 4, no. April, pp. 31–41, 2023.
[3] N. Thoharotun Nisa, “Analisis Pembangunan Zona Integritas Wilayah Bebas Dari Korupsi Terhadap Kinerja Layanan Di KPKNL Jakarta II,” J. Ilm. Ilmu Manaj., vol. 2, no. 1, pp. 2656–6265, 2023.
[4] M. Rizki, S. Sujianto, and H. Asari, “Kapabilitas Dynamic Governance Dalam Pembangunan Zona Integritas Pada Kantor Pelayanan Perbendaharaan Negara,” JPAP J. Penelit. Adm. Publik, vol. 8, no. 2, pp. 321–338, 2023, doi: 10.30996/jpap.v8i2.5745.
[5] R. Purba, N. A. Hasibuan, and E. Hatmi, “Implementasi Data Mining Menggunakan Metode Deskripsi Untuk Mengetahui Pola Penentuan Penerima Bantuan Siswa Miskin (Bsm) Di Smp N 3 Doloksanggul,” KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. 3, no. 1, pp. 493–498, 2019, doi: 10.30865/komik.v3i1.1632.
[6] M. Ismail and R. Yulvianda, “Penerapan Data Mining Dengan Metode K-Nearest Neighbor Terhadap Klasifikasi Sarang Walet,” vol. 7, pp. 1220–1228, 2023, doi: 10.30865/mib.v7i3.6431.
[7] D. Diy, “Analisis Data Mining Untuk Memprediksi Lama Perawatan Pasien Covid-19 Bianglala Informatika,” vol. 10, no. 1, pp. 21–29, 2022.
[8] S. Ucha Putri, E. Irawan, F. Rizky, S. Tunas Bangsa, P. A. -Indonesia Jln Sudirman Blok No, and S. Utara, “Implementasi Data Mining Untuk Prediksi Penyakit Diabetes Dengan Algoritma C4.5,” Januari, vol. 2, no. 1, pp. 39–46, 2021.
[9] Boy Sandy Dwi Nugraha.H, S. Defit, and G. Widi Nurcahyo, “Algoritma C4.5 Untuk Prediksi Bimbingan Siswa Berdasarkan Tipologi Hippocrates-Galenus,” J. Teknoif Tek. Inform. Inst. Teknol. Padang, vol. 11, no. 1, pp. 1–8, 2023, doi: 10.21063/jtif.2023.v11.1.1-8.