PREDIKSI PEMBUATAN AKTA PADA KANTOR NOTARIS / PPAT MENGGUNAKAN METODE DATA MINING NAÏVE BAYES

Abstract

Kantor Notaris/Pejabat Pembuat Akta Tanah (PPAT) Rudi Hartono, S.H., M.Kn. memerlukan suatu sistem yang mampu membantu memprediksi keberhasilan pembuatan akta berdasarkan data historis guna meningkatkan efektivitas pelayanan dan mendukung pengambilan keputusan. Penelitian ini bertujuan menerapkan algoritma Naïve Bayes dalam memprediksi status pembuatan akta berdasarkan karakteristik data yang dimiliki kantor notaris. Data yang digunakan merupakan data historis pembuatan akta periode tahun 2023–2025 yang telah melalui proses seleksi, pembersihan data (data cleaning), transformasi data, serta pembagian dataset menjadi data latih (70%) dan data uji (30%) menggunakan tahapan CRISP-DM (Cross Industry Standard Process for Data Mining). Variabel penelitian meliputi jenis akta, jenis klien, kelengkapan berkas, waktu pengurusan, dan status akta. Implementasi model dilakukan menggunakan Python (Google Colab) dan RapidMiner, sedangkan evaluasi model dilakukan dengan Confusion Matrix untuk memperoleh nilai accuracy, precision, recall, dan F1-score.

Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes mampu menghasilkan tingkat accuracy sebesar 90%, precision sebesar 92,68%, recall sebesar 95%, dan F1-score sebesar 93,82%. Hasil tersebut menunjukkan bahwa model memiliki kemampuan klasifikasi yang sangat baik dalam memprediksi status pembuatan akta. Selain itu, atribut kelengkapan berkas merupakan faktor yang paling berpengaruh terhadap keberhasilan proses pembuatan akta. Dengan demikian, algoritma Naïve Bayes layak diterapkan sebagai sistem pendukung keputusan pada Kantor Notaris/PPAT Rudi Hartono, S.H., M.Kn. untuk membantu meningkatkan kualitas pelayanan, efisiensi proses administrasi, serta mendukung pengambilan keputusan yang lebih akurat berdasarkan data historis.