Victor Saputra Ginting
Universitas Amikom Yogyakarta

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

PENERAPAN ALGORITMA C4.5 DALAM MEMPREDIKSI KETERLAMBATAN PEMBAYARAN UANG SEKOLAH MENGGUNAKAN PYTHON Victor Saputra Ginting; Kusrini Kusrini; Emha Taufiq Luthfi
(JurTI) Jurnal Teknologi Informasi Vol 4, No 1 (2020): JUNI 2020
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36294/jurti.v4i1.1101

Abstract

Abstract – Payment of school fees is an important factor in carrying out education because payment of school fees is one of the important obligations in getting an education. Research conducted by Muqorobin, 2019 with the research title "Optimizing the Naive Bayes Method with Feature Selection Gain for Predicting Late School Payment" produces an accuracy rate of 80%, then optimization is carried out using information gain and Naive Bayes produces an accuracy rate of 90%. The research conducted will be a prediction of late payment of school fees using the C4.5 algorithm and then carried out into the form of programming using Python, so as to produce a prediction result. Information Prediction Results obtained from Python then will try to compare the level of accuracy with the dataset that has been collected using a confusion matrix. The dataset obtained from De Britto Yogyakarta High School using Python produces an accuracy rate of 73%. This research is expected to help the school in making decisions and minimize the level of late payment of school fees.Keywords - Prediction, Algorithm C4.5, Python, and Data Mining.Abstract – Pembayaran yang sekolah merupakan faktor yang cukup penting dalam melangsungkan pendidikan karena pembayaran uang sekolah merupakan salah satu kewajiban penting dalam mendapatkan pendidikan. Penelitian yang telah dilakukan Muqorobin, 2019 dengan judul penelitian “Optimasi Metode Naive Bayes Dengan Feature Selection Gain Untuk Memprediksi Keterlambatan Pembayaran Uang Sekolah” menghasilkan tingkat akurasi sebesar 80%, kemudian dilakukan optimasi dengan menggunakan information gain dan Naive Bayes menghasilkan tingkat akurasi sebesar 90%. Penelitian yang dilakukan akan dilakukan prediksi keterlambatan pembayaran uang sekolah dengan menggunakan algoritma C4.5 dan kemudian dilakukan implementasi kedalam bentuk pemrograman dengan menggunakan Python, sehingga menghasilkan keterangan hasil prediksi. Keterangan Hasil Prediksi yang didapatkan dari Python, kemudian akan coba dilakukan perbandingan tingkat akurasi dengan dataset yang sudah dikumpulkan menggunakan confusion matrix. Dataset yang didapatkan dari Sekolah Menengah Atas De Britto Yogyakarta menggunakan Python menghasilkan tingkat akurasi sebesar 73%. Penelitian ini diharapkan dapat membantu pihak sekolah dalam mengambil keputusan dan meminimalisir tingkat keterlambatan pembayaran uang sekolah.Kata kunci - Prediksi, Algoritma C4.5, Python dan Data Mining.
IMPLEMENTASI ALGORITMA APRIORI DAN FORWARD CHAINING UNTUK MENENTUKAN MAKANAN YANG TEPAT PADA PENDERITA DIABETES Agatha Deolika; Victor Saputra Ginting; Tutik Maryana; Ripto Sudiyarno; Kusrini Kusrini
(JurTI) Jurnal Teknologi Informasi Vol 3, No 2 (2019): DESEMBER 2019
Publisher : Universitas Asahan

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (525.566 KB) | DOI: 10.36294/jurti.v3i2.1080

Abstract

Abstract - The high number of diabetes patients in Indonesia is increasing. Some of the factors that cause diabetes in Indonesia include family history, obesity, aging, lack of activity and diet. Too much food containing sugar is also one of the emergences of diabetes. Most diabetics often have complications of diabetes disease and that is based on the criteria of a patient. Therefore, it is necessary to conduct research on the rule or dependence of the disease based on patient criteria and determination of diet for diabetics. In this study using a combination of a priori methods to determine the rule of disease and forward chaining to determine patient food. Based on the research tests conducted, it can be concluded that the combination of 2 methods produces a pretty good which in the a priori method uses a minimum value of support 2 and a minimum of confidence 10 and produces 10 rules with 3 combinations of items, as well as forward chaining tests that use 30 data produces an accuracy of 83 %.Keywords - Apriori Algorithm, Forward Chaining, Diabetes Abstrak - Tingginya jumlah pasien diabetes yang  terjadi di Indonesia semakin meningkat. Beberapa faktor penyebab penyakit diabetes di Indonesia anatara lain riwayat keluarga, obesitas, pertambahan usia, kurangnya aktivitas dan pola makan. Terlalu banyak makan yang mengandung gula juga merupakan salah satu munculnya penyakit diabetes. Kebanyakan penderita diabetes sering sekali terjadinya kompliksi penyait diabetes dan itu berdasarkan kreteria seorang pasien. Maka dari itu perlu dilakukan penelitian mengenai rule atau keterhungungan penyakit berdasarkan kriteria pasien dan penentuan pola makan bagi penderita penyakit diabetes. Pada penelitian ini menggunakan kombinasi metode apriori untuk menetukan rule penyakit dan forward chainning untuk mentukan makanan pasien. Berdasarkan pada pengujian penelitian yang dilakukan dapat diambil kesimpulan Kombinasi 2 metode ini menghasilkan cukup bagus yang mana pada metode apriori menggunakan nilai minimal support 2 dan minimal confidence 10 dan menghasilkan 10 rule dengan 3 kombinasi item, serta pengujian forward chaining yang menggunakan 30 data menghasilkan akurasi 83% .Kata Kunci - Algoritma Apriori, Forward Chaining, Diabetes