ABSTRAK
Rencana Strategis Direktorat Jenderal Bea dan Cukai DJBC Tahun 2015-2019 menyebutkan bahwa penerapan teknologi informasi diharapkan dapat mendukung pengambilan keputusan dalam memberikan pelayanan di bidang kepabeanan dan cukai yang berbasis manajemen risiko. Sistem manajemen risiko di lingkungan administrasi kepabeanan dan cukai dapat diterapkan menggunakan teknologi data mining dengan teknik-teknik statistik tertentu. Data mining merupakan proses menemukan suatu pola model dari kumpulan data, sehingga dapat dijadikan informasi dalam mengambil keputusan. Penggolongan profil pengusaha pabrik dan importir hasil tembakau merupakan salah satu contoh penerapan manajemen risiko di bidang cukai oleh DJBC. Penggolongan profil risiko pengusaha cukai ini pada penerapannya mengalami kendala ketika klasifikasi profil risiko pengusaha cukai tidak tersedia sehingga berdampak pada terganggunya pengambilan keputusan dalam pemberian fasilitas penundaan pembayaran dan dalam pelayanan permohonan penyedian pita cukai. Penelitian ini termasuk kategori klasifikasi multi kelas karena atribut output atau target terdiri dari tiga kelas yaitu risiko rendah L , sedang M , dan tinggi H . Metode klasifikasi yang digunakan untuk membangun model yaitu multinomial logistic regression dan na ve bayes, kemudian dilakukan evaluasi terhadap model dengan teknik k-fold cross validation.

---

ABSTRAK
The strategic plan of the Directorate General of Customs and Excise DGCE in 2015 2019 states that the implementation of information technology is expected to support decision making in providing service to the field of customs and excise based on risk management. This risk management system in the field of administration of customs and excise can be applied using data mining technology with certain statistics techniques. Data mining is the process of finding a pattern model of the dataset, so it can be used as information to make a decision. The classification profile of manufacturers and importers of tobacco products is one of the examples of the implementation of risk management in the field of excise by DGCE. This classification of the risk profile of the tobacco companies exposed to excise in the implementation experienced problems when the classification of the risk profile is not available thus can affect the decision to determine the level of treatment in the implementation of the provision of a deferred payment facility and in the service of requesting the supply of excise bands. This research is categorized as multi class classification because the output attribute or the target consists of three classes which are low risk L , medium M and high H . The classification method used to build the model is the multinomial logistic regression and na ve bayes, evaluation of the model was performed using k fold cross validation.