Metode Decision Tree Algoritma C.45 Dalam Mengklasifikasi Data Penjualan Bisnis Gerai Makanan Cepat Saji

Cynthia, Eka Pandu; Ismanto, Edi

doi:10.30645/jurasik.v3i0.60

Cited by 23 publications

(24 citation statements)

References 1 publication

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Penelitian yang dilakukan [3] menghasilkan data klasifikasi jenis pekerjaan alumni dengan menggunakan 259 kasus data, penelitian ini menfokuskan pengukuran atribut gain ratio (GR) yang digunakan oleh algoritma C45, hasil atribut gain ratio memperoleh nilai yang cukup baik. Pada penelitian [4] algoritma C45 mampu menyelesaikan permasalahan klasifikasi data penjualan produk makanan dengan menghasilkan nilai gain ratio yang baik. Berdasarkan [5][6][7][8] algoritma C45 mampu menyelesaikan permasalahan prediksi dan klasifikasi data dengan menghasilkan nilai kinerja akurasi algoritma C45 yang baik.…”

Section: Pendahuluanunclassified

Komparasi Kinerja Algoritma C4.5, Random Forest, dan Gradient Boosting untuk Klasifikasi Komoditas

Ismanto

Novalia

2021

Self Cite

View full text Add to dashboard Cite

Penentuan komoditas unggulan pada suatu daerah merupakan hal yang sangat penting untuk dilakukan, salah satunya di Provinsi Riau. Memahami mengenai prioritas perencanaan pengembangan wilayah yang diarahkan pada pengembangan komoditas unggulan. Sejauh ini Provinsi Riau memiliki potensi komoditas disektor perkebunan yang sangat menjajikan, data yang ada sebelumnya banyak digunakan sebagai laporan, dalam bentuk data excel. Data komoditas bisa digali dengan teknik data mining untuk mendapatkan pola klasifikasi, sehingga lebih memudahkan Pemerintah Provinsi Riau dalam mendapatkan informasi komoditas unggulannya. Pada penelitian ini, dilakukan pengujian kinerja algoritma klasifikasi yang banyak digunakan dalam data mining, agar mendapatkan algoritma yang memiliki kinerja paling baik untuk klasifikasi data komoditas. Beberapa penelitian mengatakan algoritma klasifikasi C4.5 memiliki kinerja kurang baik dibandingkan dengan algoritma yang lain seperti random forest, dan gradient boosting. Dalam penelitian ini dilakukan perbandingan antara algoritma C4.5, random forest, dan gradient boosting, untuk mengukur kinerja terbaik dalam melakukan klasifikasi data komoditas. Data yang digunakan dalam penelitian ini yaitu data komoditas perkebunan Provinsi Riau pada tahun 2019. Hasil dari penelitian ini, algoritma yang memiliki kinerja terbaik untuk klasifikasi adalah algoritma random forest dengan syarat menggunakan shuffle sampling. Dan mayoritas linear sampling menghasilkan kinerja kurang baik. Sedangkan shuffle sampling memiliki kinerja sangat baik untuk algoritma berbasis tree.

show abstract

Section: Pendahuluanunclassified

Komparasi Kinerja Algoritma C4.5, Random Forest, dan Gradient Boosting untuk Klasifikasi Komoditas

Ismanto

Novalia

2021

Self Cite

View full text Add to dashboard Cite

show abstract

“…b) Algoritma C4. 5 Algoritma C4.5 merupakan pengembangan dari algoritma ID3 yang dicipt9akan oleh J. Rose Quinlan [3].…”

Section: Metode Penelitian A) Data Miningunclassified

Analisa Kelayakan Penerima Program Keluarga Harapan (PKH) Menggunakan Algoritma C4.5

Tanjung

Poningsih

Qurniawan

2021

jurasik

View full text Add to dashboard Cite

In overcoming the problem of poverty, the Government implements the Family Hope Program (PKH) which is a program assistance that provides assistance (subsidies) in cash to poor households as long as they meet the requirements set out in the program. The purpose of this study is to determine whether the family is still eligible or not receive the Family Hope Program (PKH) assistance, where there are many other disadvantaged families who have not had the opportunity to receive this assistance program. Sources of data obtained from the Martoba Village Head Office. The method used in the study is a data mining technique with the C4.5 algorithm which is implemented with the RapidMiner application. The attributes used in determining the family's eligibility are still feasible or not receiving assistance from this assistance program, namely income, number of family dependents, vehicle ownership and residence status. The results of the classification algorithm C4.5 and testing with Rapid Miner software, it is found that the factor that most influences the eligibility of the Family Hope Program (PKH) recipients is the number of stages (C1) with an acquisition value of 0.51827179

show abstract

“…Penelitian Cynthia & Ismant (2018) untuk mengklasifikasi data penjualan Bisnis Gerai Makanan Cepat Saji. Dari penelitian ini didapatkan hasil menggunakan metode decision tree menghasilkan nilai entropy dan gain tertinggi yaitu 1,501991 pada atribut-atribut menu makanan dengan perhitungan manual [13].…”

Section: Pendahuluanunclassified

Prediksi Potensi Relawan Pendonor Darah Menjadi Pendonor Darah Tetap dengan Penerapan Metode Klasifikasi Decision Tree

Adha

Yuhandri

Nurcahyo

2021

jidt

View full text Add to dashboard Cite

Donor darah merupakan kegiatan penting untuk memperoleh darah sebagai bahan baku ke dalam rantai suplai darah. Jika darah di dalam tubuh manusia tidak cukup maka kelangsungan hidup akan terancam, untuk beberapa kondisi diperlukan tindakan untuk melakukan transfusi darah, seperti kecelakaan, proses melahirkan atau demam berdarah pada grade tertentu. UTD PMI Kota Pekanbaru merupakan badan penyelenggara kegiatan donor darah dalam proses membantu dan melayani kebutuhan darah bagi masyarakat. Berdasarkan data pada Kementrian Kesehatan pada tahun 2019 Kota Pekanbaru mengalami kekurangan stok darah sebanyak 32,4 persen yang mana seharusnya pesediaan stok darah terbaik pada Kota Pekanbaru adalah sebanyak 130.019. Hal tersebut membuat beberapa Rumah Sakit kesusahan untuk memenuhi persediaan stok darah. Penyebab sedikitnya persediaan stok darah pada Kota Pekanbaru terjadi karena jumlah relawan pendonor yang turun naik dan rendahnya minat masyarakat untuk menjadi relawan pendonor darah. Sehingga menjadi permasalah ketika jumlah permintaan darah meningkat sedangkan persediaan pada bank darah menipis. Metode yang digunakan pada penelitian ini yaitu metode Decision Tree. Algoritma yang dipilih pada penelitian ini yaitu Algoritma C.45. Dalam mengatasi permasalahan yang terjadi, dilakukannya analisa data relawan pendonor darah. Berdasarkan hasil analisa dari data testing sebanyak 50 record dihasilkan rule sebanyak 6 rule yang dapat disimpulkan umur diatas 19 tahun dengan pekerjaan wiraswasta berpotensi menjadi pendonor darah tetap.

show abstract

Metode Decision Tree Algoritma C.45 Dalam Mengklasifikasi Data Penjualan Bisnis Gerai Makanan Cepat Saji

Cited by 23 publications

References 1 publication

Komparasi Kinerja Algoritma C4.5, Random Forest, dan Gradient Boosting untuk Klasifikasi Komoditas

Komparasi Kinerja Algoritma C4.5, Random Forest, dan Gradient Boosting untuk Klasifikasi Komoditas

Analisa Kelayakan Penerima Program Keluarga Harapan (PKH) Menggunakan Algoritma C4.5

Prediksi Potensi Relawan Pendonor Darah Menjadi Pendonor Darah Tetap dengan Penerapan Metode Klasifikasi Decision Tree

Contact Info

Product

Resources

About