Penerapan Metode Linier Regresi Untuk Prediksi Nilai Aset Pemerintah Kota Pekalongan
DOI:
https://doi.org/10.47775/ictech.v14i2.70Abstrak
Aset yang dimiliki pemerinath harus dikelola dengan baik dan transparan, Aset terdiri dari aset tetap seperti, jalan, irigasi, gedung, tanah dan lainnya, maupun aset tidak teetap sepeti ATK, elektronik, mobil, motor. Nilai maupun harga aset berbeda-beda sesuai dengan lokasi dimana aset itu berada. Untuk mengelola aset diperlukan tahapan antara lain inventarisasi, legal audit, penilaian, optimalisasi, serta pengawasan dan pengendalian aset. Dengan banyaknya aset yang dimiliki maka dapat menimbulkan masalah yaitu dalam menentukan nilai aset. Dalam data mining untuk dapat melakukan perkiraan nialai suatu obyek dapat dilakukan dengan cara prediksi dengan menggunakan Support Vector Machine (SVM), Linier Regression, Neural Network (NN). Pad penelitian yang dilakukan menggunakan metode Linier Regesi dengan tujuan dapat memprediksi nilai satu variabel dengan varial yang lainnya. Metodologi yang dilakukan yaitu dengan menggunakan dataset aset kota Pekalongan, untuk validasi digunakan 10 fold cross validation untuk membagi data training den data testing sedangkan untuk evaluasi menggunakan Root Mean Square Error (RMSE), apabila nilai RMSE semakin kecil maka akan akan lebih baik tingkat akurasi prediksinya. Dari hasil perhitungan diperoleh nilai 17402414694761.562 +/- 35749599742998.480 (mikro: 39636584129863.870 +/- 0.000)
Referensi
Amelia, Novita, Sawitri Subiyanto, and Arwan Putra Wijaya. 2015. “Pemetaan Zona Nilai Tanah Untuk Menentukan Nilai Jual Ojek Pajak (NJOP) Menggunakan Sistem Informasi Geografis Di Kecamatan Pedurungan, Kota Semarang.†Jurnal Geodesi Undip 4: 160–71.
Amores, J. 2006. “Boosting the Distance Estimation Application to the K -Nearest Neighbor Classifier.†Pattern Recognition Letters 27 (d): 201–9. https://doi.org/10.1016/j.patrec.2005.08.019.
Antoh, Agustina Ester. 2017. “Pengaruh Manajemen Aset Dalam Optimalisasi Aset Tetap (Tanah Dan Bangunan) Pemerintah Daerah (Studi Di Kabupaten Paniai).†JURNAL MANAJEMEN & BISNIS 1: 37–47.
Davies, Paul Beynon. 2004. Database Systems. Third Edit. PALGRAVE MACMILLAN.
Dudani, Sahibsingh a. 1976. “The Distance-Weighted k-Nearest-Neighbor Rule.†IEEE Transactions on Systems, Man, and Cybernetics SMC-6 (4): 325–27. https://doi.org/10.1109/TSMC.1976.5408784.
Hafizah, Tugiono, and Widiarti Rista Maya. 2019. “Penerapan Data Mining Dalam Memprediksi Jumlah Penumpang Pada CV . Surya Mandiri Sukses Dengan Menggunakan Metode Regresi Linier.†J-SISKO TECH 2 (1): 54–61.
Han, J., & Kamber, M. 2012. Data Mining : Concepts and Techniques. 3nd Editio. Morgan Kaufmann Publishers.
Jamaludin. 2017. “Pengaruh Inventarisasi Aset, Legal Audit Aset, Dan Penilaian Aset Terhadap Optimalisasi Pemanfaatan Aset Tetap (Tanah Dan Bangunan) Milik Pemerintah Provinsi NTB.†Jurnal Sekuritas 1 (2581): 34–58.
Larose, Daniel T. 2005. Discovering Knowledge In Data. USA: John Wiley & Sons, Inc. New York, NY, USA.
Maimon Oded, Rokach Lior. 2010. Data Mining And Knowledge Discovery Handbook. Edited by Rokach Lior Maimon Oded. Second Edi. Israel: Springer.
Mardjani, Citralarasati Ajeng, Lintje Kalangi, and Robert Lambey. 2015. “Perhitungan Penyusutan Aset Tetap Menurut Standar Akuntnasi Keuangan Dan Peraturan Perpajakan Pengaruhnya Terhadap Laporan Keuangan Pada PT. Hutama Karya Manado.†Jurnal EMBA 3 (1): 1024–33.
Purwanto. 2017. “Analisis Prediksi Penerimaan Mahasiswa Baru Dengan Menggunakan Metode Regresi.†Jurnal Rekayasa Informasi 6 (1): 1–15.
Sekretariat Negara RI. 2010. PP No. 71 Tahun 2010 Tentang Standar Akuntasi Pemerintah.
Witten, I. H., Frank, E., & Hall, M. A. 2011. Data Mining. Edited by M. A Witten, I. H., Frank, E., & Hall. Third Edit. USA: Morgan Kaufmann Publishers.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2019 IC-Tech
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
