Implementasi Linear Regression Untuk Estimasi Realisasi Pendapatan Asli Daerah Pemerintah Kota
Abstract
The Government of Samarinda City every year always sets a target for local revenue, but in setting the target there is always no data regarding the estimated realization of the target that has been set. One method that can be implemented to obtain information on the estimation of the realization of local revenue is data mining using the Linear Regression algorithm. The research carried out applies the standardization of a process, namely the Cross-Industry Standard Process Model for Data Mining (CRISP-DM), using the Samarinda City Government's local revenue realization dataset for the 2017 to 2021 fiscal year as much as 178 data. The ideal ratio scenario for the percentage of training and testing data for the dataset used is 95:5 and applies the Range Transformation normalization method, so that the resulting model to calculate the realization estimate is by the formula: 1.133 * TARGET + 0.003.
Keywords: Data Mining; Linear Regression; CRISP-DM
Abstrak
Pemerintah Kota Samarinda setiap tahunnya selalu menetapkan target pendapatan asli daerah, namun dalam penetapan target selalu tidak tersaji data terkait estimasi realisasi dari target yang telah ditetapkan. Salah satu metode yang bisa diimplementasikan untuk memperoleh informasi estimasi realisasi pendapatan asli daerah adalah data mining dengan menggunakan algoritme Linear Regression. Penelitian yang dilakukan menerapkan standarisasi dari sebuah proses yaitu Cross-Industry Standard Process Model for Data Mining (CRISP-DM), dengan menggunakan dataset realisasi pendapatan asli daerah Pemerintah Kota Samarinda tahun anggaran 2017 sampai dengan 2021 sebanyak 178 data. Skenario ratio prosentase data training dan testing yang ideal untuk dataset yang digunakan yaitu 95:5 serta menerapkan metode normalisasi Range Transformation, sehingga model yang dihasilkan untuk melakukan perhitungan estimasi realisasi yaitu dengan formula: 1,133 * TARGET + 0,003.
Kata kunci: Data Mining; Linear Regression; CRISP-DM
References
D. Saraswati, Y. S. Rioni, “Pengaruh Pendapatan Asli Daerah, Ukuran Pemerintah Daerah, Leverage terhadap Kinerja Keuangan Pemerintah Daerah,” J. Akunt. Bisnis Publik, vol. 9, no. 2, pp. 110–120, 2019.
M. S. Nasir, “Analisis Sumber-Sumber Pendapatan Asli Daerah Setelah Satu Dekadeotonomi Daerah,” J. Din. Ekon. Pembang., vol. 2, no. 1, pp. 30-45., 2019, doi: 10.14710/jdep.2.1.
V. Fitriyani, “Analisis Clustering Provinsi Indonesia Berdasarkan Persebaran Virus Corona ( Covid-19 ) Menggunakan Algoritme K-Means,” Pros. Pendidik. Mat. dan Mat., vol. 3, no. 2721, pp. 1-8, 2021.
R. T. Vulandari, Data Mining - Teori dan Aplikasi Rapidminer. Yogyakarta: Gava Media, 2017.
W. Warsino, “Metode Peramalan Permintaan Jasa Penerjemahan Bahasa Asing Dengan Algorithma Linear Regression, Menggunakan Rapidminer. Studi Kasus: Azzam Translator Bekasi,” Santika J. Ilm. Sains dan Teknol., vol. 7, no. 2, pp. 621–628, 2017, [Online]. Available: https://www.jurnal.ummi.ac.id/index.php/santika/article/view/657/301
T. Rachman, “Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Regresi Linier,” Angew. Chemie Int. Ed. 6(11), 951–952., pp. 10–27, 2018.
H. s Toluhula, “Jurnal Ilmiah Wahana Pendidikan,” J. Ilm. Wahana Pendidik. https//jurnal.unibrah.ac.id/index.php/JIWP, vol. 8, no. 3, pp. 178–183, 2022, doi: 10.5281/zenodo.6559603.
G. N. Ayuni and D. Fitrianah, “Penerapan metode Regresi Linear untuk prediksi penjualan properti pada PT XYZ,” J. Telemat., vol. 14, no. 2, pp. 79–86, 2019, [Online]. Available: https://journal.ithb.ac.id/telematika/article/view/321
H. Jayanti, “Peramalan Pendapatan Reksa Dana Dalam Setahun Menggunakan Metode Regresi Linier Sederhana,” J. FIKI, vol. VIII, no. 2, pp. 2087–2372, 2018, [Online]. Available: http://jurnal.unnur.ac.id/index.php/jurnalfiki
Y. Yanitasari, D. Dedih, and U. Mustofa, “Perencanaan Anggaran Pinjaman Dengan Prediksi Regresi Linier Sederhana Dan Optimasi Menggunakan Metode Fuzzy Tsukamoto,” Ilk. J. Ilm., vol. 11, no. 3, pp. 206–213, 2019.
Y. Suhanda, I. Kurniati, and S. Norma, “Penerapan Metode Crisp-DM Dengan Algoritme K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik,” J. Teknol. Inform. dan Komput., vol. 6, no. 2, pp. 12–20, 2020, doi: 10.37012/jtik.v6i2.299.
D. Astuti, “Penentuan Strategi Promosi Usaha Mikro Kecil Dan Menengah (UMKM) Menggunakan Metode CRISP-DM dengan Algoritme K-Means Clustering,” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 1, no. 2, pp. 60–72, 2019, doi: 10.20895/inista.v1i2.71.
Petrus Katemba and R. Koro, “Menggunakan Regresi Linear,” J. Ilm. Flash, no. 3, pp. 42–51, 2015.
RAPIDMINER, “Rapidminer Documentation :Normalize,” 2022. https://docs.rapidminer. com/9.10/ tudio/operators/cleansing/normalization/normalize.html (accessed Aug. 11, 2022).
D. A. Nasution, H. H. Khotimah, and N. Chamidah, “Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritme K-NN,” Comput. Eng. Sci. Syst. J., vol. 4, no. 1, pp. 78-82, 2019, doi: 10.24114/cess.v4i1.11458.
D. I. Mulyana, “Optimasi Prediksi Harga Udang Vaname dengan Metode RMSE dan MAE Dalam Algoritme Regresi Linier,” Vol. 13, no. 01, pp. 50–58.
A. S. B. Karno et al., “Optimalisasi Data Terbatas Prediksi Jangka Panjang Covid-19 Dengan Kombinasi Lstm Dan GRU,” Semin. Nas. Teknol. Inf. dan Komun., vol. 4, no. 1, pp. 453–457, 2020, [Online]. Available: https://ejournal.stitpn.ac.id/index. php/bintang%0Aejournal.citrabakti.ac.id › jipcb › article › download
How To Cite This :
Refbacks
- There are currently no refbacks.
