Penerapan Algoritma Naive Bayes Untuk Klasifikasi Kesiapan Administrasi pada KUA Kecamatan Kapuas Barat
Keywords:
Data mining, Kesiapan Administrasi Pernikahan, Klasifikasi, KUA, Naive bayesAbstract
Kantor Urusan Agama (KUA) merupakan instansi pemerintah yang bertanggung jawab menyelenggarakan pelayanan pencatatan serta pengelolaan administrasi pernikahan bagi masyarakat Muslim sesuai ketentuan yang berlaku. Pengelolaan data yang masih manual menyebabkan kesulitan dalam memverifikasi kesiapan administrasi calon pengantin secara cepat dan akurat. Penelitian terdahulu masih terbatas pada dataset kecil, kriteria tunggal berbasis usia, dan tanpa cross-validation, sehingga belum tersedia model klasifikasi kesiapan administrasi pernikahan yang komprehensif dan andal. Penelitian ini menerapkan algoritma Naive Bayes untuk mengklasifikasikan kesiapan administrasi pernikahan berdasarkan kombinasi usia, pendidikan, dan status pernikahan pada KUA Kecamatan Kapuas Barat, dengan memanfaatkan 1.010 record data periode 2021–2025 yang dipisahkan menjadi 70% data pelatihan dan 30% data pengujian, diimplementasikan melalui Python dan scikit-learn. Evaluasi dengan Confusion Matrix menghasilkan akurasi 92,67%, presisi 93,33%, recall 98,44%, dan F1-Score 95,82%, sementara K-Fold Cross Validation (k=10) menghasilkan rata-rata akurasi 90,10% dengan standar deviasi 2,77%. Hasil ini membuktikan bahwa Naive Bayes efektif untuk klasifikasi kesiapan administrasi pernikahan dengan akurasi melampaui penelitian sebelumnya (84%), serta berkontribusi sebagai model pendukung keputusan berbasis data mining bagi petugas KUA dalam verifikasi administrasi yang lebih cepat, konsisten, dan akurat.
References
A. Nurhuda, F. Firmansyah, and M. S. H. Napis, “Analisis Kualitas Pelayanan Publik Di Bidang Pencatatan Nikah Pada Kantor Urusan Agama,” Journal of Governance and Public Administration, vol. 1, no. 1, pp. 76–89, Dec. 2023, doi: 10.59407/jogapa.v1i1.330.
Syarifah Lisa Andriati, Mutiara Sari, and Windha Wulandari, “Implementasi Perubahan Batas Usia Perkawinan Menurut UU No. 16 Tahun 2019 tentang Perubahan Atas UU No. 1 Tahun 1974 tentang Perkawinan,” Binamulia Hukum, vol. 11, no. 1, pp. 59–68, Mar. 2023, doi: 10.37893/jbh.v11i1.306.
I. H. Sarker, “Machine Learning: Algorithms, Real-World Applications and Research Directions,” SN Comput. Sci., vol. 2, no. 3, p. 160, May 2021, doi: 10.1007/s42979-021-00592-x.
N. H. Nufus and S. Sriani, “Penerapan Metode K-Means Untuk Pengelompokkan Data Pelaporan Di Kantor Urusan Agama,” Building of Informatics, Technology and Science (BITS), vol. 6, no. 3, pp. 2085–2093, Dec. 2024, doi: 10.47065/bits.v6i3.6316.
A. M. Irfan and K. Kusrini, “Analisis Perbandingan Metode Naïve Bayes dan K-NN dalam Penentuan Lokasi Layanan Administrasi BPJS Kesehatan di Provinsi Maluku.,” Journal Computer Science and Information Systems : J-Cosys, vol. 4, no. 2, Aug. 2024, doi: 10.53514/jco.v4i2.535.
M. Hadid and E. Eliyani, “Penerapan Klasifikasi Kelayakan Pernikahan Pada KUA Palmerah Dengan Menggunakan Algoritma Naïve Bayes,” JRKT (Jurnal Rekayasa Komputasi Terapan), vol. 1, no. 02, Jun. 2021, doi: 10.30998/jrkt.v1i02.4089.
Hizbul Izzi, Arief Setyanto, and Anggit Dwi Hartanto, “Optimalisasi Akurasi Algoritma Naïve Bayes Dengan Metode Syntetic Minority Oversampling Technique (Smote) Pada Data Numerik,” Infotek: Jurnal Informatika dan Teknologi, vol. 8, no. 1, pp. 217–227, Jan. 2025, doi: 10.29408/jit.v8i1.28340.
Ericha Apriliyani and Y. Salim, “Analisis performa metode klasifikasi Naïve Bayes Classifier pada Unbalanced Dataset,” Indonesian Journal of Data and Science, vol. 3, no. 2, pp. 47–54, Jul. 2022, doi: 10.56705/ijodas.v3i2.45.
D. H. Depari, Y. Widiastiwi, and M. M. Santoni, “Perbandingan Model Decision Tree, Naive Bayes dan Random Forest untuk Prediksi Klasifikasi Penyakit Jantung,” Informatik : Jurnal Ilmu Komputer, vol. 18, no. 3, p. 239, Dec. 2022, doi: 10.52958/iftk.v18i3.4694.
R. Fauziah, H. S. Tambunan, and S. Susiani, “Data Classification of Marriage Readiness in Young Adults Using the Naïve Bayes Algorithm,” JOMLAI: Journal of Machine Learning and Artificial Intelligence, vol. 1, no. 4, pp. 285–294, Dec. 2022, doi: https://doi.org/10.55123/jomlai.v1i4.1665.
Y. Irfayanti, “Penerapan Metode Naive Bayes untuk Klasifikasi Status Pegawai pada Perusahaan Swasta,” Syntax Literate: Jurnal Ilmiah Indonesia, vol. 7, no. 10, pp. 17935–17941, Oct. 2022, doi: https://doi.org/10.36418/syntax-literate.v7i10.13230.
W. Wang, L. Yan, F. Liu, and Y. Li, “Improving Gaussian Naive Bayes classification on imbalanced data through coordinate-based minority feature mining,” PeerJ Comput. Sci., vol. 11, p. e3003, Jul. 2025, doi: 10.7717/peerj-cs.3003.
S. Sathyanarayanan, “Confusion Matrix-Based Performance Evaluation Metrics,” African Journal of Biomedical Research, pp. 4023–4031, Nov. 2024, doi: 10.53555/AJBR.v27i4S.4345.
K. M. Sujon, R. Hassan, K. Choi, and M. A. Samad, “Accuracy, precision, recall, f1-score, or MCC? empirical evidence from advanced statistics, ML, and XAI for evaluating business predictive models,” J. Big Data, vol. 12, no. 1, p. 268, Dec. 2025, doi: 10.1186/s40537-025-01313-4.
J. Kaliappan, A. R. Bagepalli, S. Almal, R. Mishra, Y.-C. Hu, and K. Srinivasan, “Impact of Cross-Validation on Machine Learning Models for Early Detection of Intrauterine Fetal Demise,” Diagnostics, vol. 13, no. 10, p. 1692, May 2023, doi: 10.3390/diagnostics13101692.
V. Lumumba, D. Kiprotich, M. Mpaine, N. Makena, and M. Kavita, “Comparative Analysis of Cross-Validation Techniques: LOOCV, K-folds Cross-Validation, and Repeated K-folds Cross-Validation in Machine Learning Models,” American Journal of Theoretical and Applied Statistics, vol. 13, no. 5, pp. 127–137, Oct. 2024, doi: 10.11648/j.ajtas.20241305.13.
S. Prusty, S. Patnaik, and S. K. Dash, “SKCV: Stratified K-fold cross-validation on ML classifiers for predicting cervical cancer,” Frontiers in Nanotechnology, vol. 4, Aug. 2022, doi: 10.3389/fnano.2022.972421.
N. Nurjannah, H. Cipta, and R. Aprilia, “Eligibility Classification of Aid Recipients Hope Family Program in Cinta Rakyat Village Using the Method Weighted Naive Bayes with Laplace Smoothing,” Jurnal Matematika, Statistika dan Komputasi, vol. 20, no. 2, pp. 440–454, Dec. 2023, doi: 10.20956/j.v20i2.32069.
M. I. Adha, F. D. Marleny, and A. A. Ningrum, “Optimalisasi Pengalokasian Bantuan Sosial di Kota Banjarmasin Menggunakan Pendekatan Naive Bayes,” Digital Transformation Technology, vol. 5, no. 1, pp. 240–249, Jul. 2025, doi: 10.47709/digitech.v5i1.6001.
F. P. Muhammad, Maimunah, and S. Nugroho, “Optimasi Penanganan Ketidakseimbangan Data pada Klasifikasi Pengaduan Masyarakat Menggunakan Metode Naïve Bayes,” Jurnal Tekno Kompak, vol. 20, no. 2, pp. 503–514, May 2026, doi: https://doi.org/10.33365/jtk.v20i2.939.
R. Blanquero, E. Carrizosa, P. Ramírez-Cobo, and M. R. Sillero-Denamiel, “Constrained Naïve Bayes with application to unbalanced data classification,” Cent. Eur. J. Oper. Res., vol. 30, no. 4, pp. 1403–1425, Dec. 2022, doi: 10.1007/s10100-021-00782-1.
N. Faulina, K. Nisa, and W. Warsono, “Enhancing Tuberculosis Diagnosis: Effective Naive Bayes Classification using SMOTE and Tomek Links for Imbalanced Data,” InPrime: Indonesian Journal of Pure and Applied Mathematics, vol. 6, no. 2, pp. 98–111, Oct. 2024, doi: 10.15408/inprime.v6i2.41463.
A. Aqli, F. D. Marleny, and W. Windarsyah, “Klasifikasi Sekolah Potensial untuk Promosi Kampus UMBJM Menggunakan Random Forest,” Jurnal Media Informatika, vol. 6, no. 3, pp. 1913–1919, May 2025, doi: https://doi.org/10.55338/jumin.v6i3.6122.
C. A. Ferrer and E. Aragón, “Note on ‘A Comprehensive Analysis of Synthetic Minority Oversampling Technique (SMOTE) for handling class imbalance,’” Inf. Sci. (N. Y)., vol. 630, pp. 322–324, Jun. 2023, doi: 10.1016/j.ins.2022.10.005.
M. S. J. Sangaji and J. Irianto, “Transformasi Inovasi Pelayanan Publik menuju Pemerintahan Digital,” Jejaring Administrasi Publik, vol. 17, no. 1, pp. 54–70, Jun. 2025, doi: 10.20473/jap.v17i1.72708
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 rahma meina, Finki Dona Marleny, Windarsyah Windarsyah
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
