This Author published in this journals
All Journal Telematika MKOM
Adriantasari, Salsabilla Rachma
Fakultas Matematika dan Ilmu Pengetahuan Alam, Matematika, Universitas Sebelas Maret, Surakarta, Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

PEMBENTUKAN POHON KEPUTUSAN UNTUK KLASIFIKASI MITRA BADAN PUSAT STATISTIK KOTA SALATIGA MENGGUNAKAN ALGORITMA C4.5 Adriantasari, Salsabilla Rachma; Winarno, Bowo; Utomo, Putranto Hadi
Telematika MKOM Vol 15, No 1 (2023): Jurnal Telematika MKOM Vol. 15 No. 1 Maret 2023
Publisher : Universitas Budi Luhur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36080/telematikamkom.2293

Abstract

Penilaian mitra di Badan Pusat Statistik (BPS) Kota Salatiga masih bersifat subjektif, sehingga dapat menimbulkan rasa ketidakpercayaan mitra terhadap penilaian BPS Kota Salatiga, penilaian tersebut dilakukan oleh koordinator fungsional. Oleh karena itu perlu adanya atribut-atribut dalam penilain mitra BPS KotaSalatiga agar penilaian tersebut bersifat objektif. Atribut yang akan digunakan untuk penilaian mitra yaitu kualitas kerja, kuantitas kerja, kepemimpinan, tanggung jawab, dan kerjasama tim. Selain itu juga ditetukan untuk kelas/pengelompokkan dari penilaian mitra yaitu direkomendasikan dan tidak direkomendasikan. Kemudian atribut dan kelas tersebut akan diproses menggunakan algoritma C4.5. Algoritma C4.5 adalah salah satu metode dalam data mining yang berfungsi untuk mengklasifikasikan data ke dalam pohon keputusan untuk mengeksplorasi data. Algoritma C4.5 merupakan pengembangan dari algoritma ID3. Dalam proses penghitungan algoritma C4.5 memiliki 5 tahapan yaitu menghitung jumlah kasus, menghitung nilai entropy, menghitung nilai gain, menghitung nilai split info, dan menghitung nilai gain ratio. Sebelum proses algoritma C4.5, data yang diperoleh harus dibuat ke dalam data training. Data trining merupakan data yang digunakan untuk membangun suatu model. Model dalam algoritma C4.5 biasa dikenal dengan pohon keputusan atau decision tree. Hasil dari penelitian ini yaitu decision tree dan 45 rules yang dapat menjadi accuan untuk menentukan mitra yang direkomendasikan atau tidak direkomendasikan sesuai dengan nilai mitra di setiap atribut.