Analisis Data Mining Menggunakan Algoritma C4.5 Untuk Prediksi Harga Pasar Mobil Bekas

Mulyanda, Sandy; Defit, Sarjon; Sumijan,

doi:10.35134/komtekinfo.v10i3.427

Cited by 2 publications

(2 citation statements)

References 6 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Perkembangan sector otomotif di Indonesia terus berkembang dengan pesat, Terbukti dalam meninkatnya jumlah mobil di dalam negeri dan munculnya merek-merek baru (Aminah & Febriansyah, 2021). Tingginya minat masarakat terhadap mobil bekas membuat bisnis jual beli mobil bekas semakin meningkat, Hal ini ditandai dengan banyaknya Showroom mobil bekas yang ada di beberapa kota (Mulyanda et al, 2023). Salah satu perspektif tentang pentingnya menyelidiki, Saran pemilihan seluler adalah potensi untuk meningkatkan efisiansi dan memfasilitasi pengambilan keputusan bagi konsumen dalam menentukan mobil yang selaras dengan kebutuhan dan preferensi spesifik konsumen (Mawaridi & Faisal, 2023).…”

Section: Pendahuluanunclassified

Klasifikasi Kondisi Fisik Mobil Bekas Menggunakan Algoritma Neural Network (Nn)

Sulaeman,

Arie Wijaya

2024

jati

View full text Add to dashboard Cite

Penelitian ini fokus pada penilaian kinerja model Neural Network dalam membedakan kondisi fisik mobil bekas berdasarkan dataset dari Showroom Jual Beli Mobil Bekas CV. Mulya Sejahtera Motor. Metode yang digunakan dalam penelitian ini menggunakan algoritma neural network. Pengukuran dilakukan menggunakan metrik Area Under the Curve (AUC) dengan fokus khusus pada kelas "Baik". Dalam penelitian ini menghasilkan performance akurasi 98.52%. Hasil evaluasi menunjukkan tingkat keberhasilan yang sangat tinggi, dengan nilai AUC mencapai 0.992. Skor ini mendekati nilai sempurna (1), menggambarkan kemampuan model dalam membedakan antara mobil bekas dalam kondisi "Baik" dan kondisi lainnya. Model Neural Network mampu memprediksi dengan akurat kelas "Baik" dengan tingkat keakuratan yang signifikan. Meskipun AUC memberikan gambaran keseluruhan yang sangat positif, penelitian ini merekomendasikan validasi lebih lanjut menggunakan metrik lain seperti akurasi, presisi, recall, dan F1-score untuk mendapatkan gambaran komprehensif tentang kinerja model. Analisis lebih lanjut terhadap kesalahan model, pengoptimalan data untuk memastikan representasi yang seimbang dari setiap kelas, serta pertimbangan pengembangan lanjutan, diusulkan untuk memperbaiki dan meningkatkan model. Temuan ini memberikan kontribusi positif terhadap pengembangan aplikasi model Neural Network dalam mendukung industri jual beli mobil bekas. Keakuratan tinggi dalam membedakan kondisi fisik mobil dapat memberikan manfaat signifikan bagi pelanggan dan penjual, meningkatkan kepercayaan dalam proses pembelian dan penjualan kendaraan bekas.

show abstract

Section: Pendahuluanunclassified

Klasifikasi Kondisi Fisik Mobil Bekas Menggunakan Algoritma Neural Network (Nn)

Sulaeman,

Arie Wijaya

2024

jati

View full text Add to dashboard Cite

show abstract

“…Penelitian lainnya yang juga dilakukan pada tahun 2023 oleh Sandy Mulyanda, dkk dengan judul penelitian "Analisis Data Mining Menggunakan Algoritma C4.5 Untuk Prediksi Harga Pasar Mobil Bekas" didapatkan hasil penelitian bahwasannya algoritma C4.5 dapat dipergunakan untuk melakukan prediksi terhadap harga pasar mobil dengan tingkat akurasi yang didapatkan sebesar 99% [32].…”

Section: Pendahuluanunclassified

Perbandingan Algoritma Klasifikasi Data Mining Pada Prediksi Penyakit Diabetes

Wijaya,

Triayudi

2023

JoSYC

View full text Add to dashboard Cite

Diabetes is a chronic disease that attacks humans. One of the causes of diabetes in humans is that sugar intake is too high which the body cannot balance due to absorption or activities carried out. Diabetes is often considered a common disease among people, but the impacts caused by this disease are very detrimental to humans. Based on this, it is necessary for everyone to know whether they suffer from diabetes or not. Therefore, this problem must be resolved appropriately, where it is necessary to predict whether someone will have diabetes or not. The prediction process is carried out to determine whether someone has diabetes or not by knowing the patterns or possible symptoms that cause someone to suffer from diabetes. In this research, the pattern formation process is based on data stored in the past collected in a dataset. A dataset is a collection of past data that occurred in fact and was then collected over a certain period of time on a large scale. Data mining is a method used to process data based on collections of past data, whether in datasets or others. In data mining, the data processing process is carried out using various techniques, one of which is the solution technique in data mining is classification. In this research, the Naïve Bayes algorithm, the K-Nearest Neighbor (K-NN) algorithm and the C4.5 algorithm will be used. In the data mining classification process, there are 3 (three) algorithms used, namely Naïve Bayes, K-Nearest Neighbor and C4.5. From the results of the tests that have been carried out, the accuracy performance results for the Naïve Bayes algorithm are 75%, accuracy for the K-Nearest Neighbor algorithm by 80.60% and the C4.5 algorithm by 91.80%. In this case, it indicates that the C4.5 algorithm has better performance compared to other algorithms. Therefore, the pattern results produced by the C4.5 algorithm are used to make predictions about diabetes.

show abstract

Analisis Data Mining Menggunakan Algoritma C4.5 Untuk Prediksi Harga Pasar Mobil Bekas

Cited by 2 publications

References 6 publications

Klasifikasi Kondisi Fisik Mobil Bekas Menggunakan Algoritma Neural Network (Nn)

Klasifikasi Kondisi Fisik Mobil Bekas Menggunakan Algoritma Neural Network (Nn)

Perbandingan Algoritma Klasifikasi Data Mining Pada Prediksi Penyakit Diabetes

Contact Info

Product

Resources

About