Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal INSERT: Information System and Emerging Technology Journal
I Gede Agus Krisna Perdana
Unknown Affiliation
Computer Science & IT Engineering

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

Found 1 Documents
Search

 1 
Prediksi Hasil Tender Pengadaan Barang dan Jasa pada Bagian Pengadaan Barang dan Jasa Sekretariat Daerah Buleleng dengan Algoritma C5.0 I Gede Agus Krisna Perdana; Listartha, I Made Edy; Maysanjaya, I Made Dendi
INSERT : Information System and Emerging Technology Journal Vol. 5 No. 2 (2024)
Publisher : Information System Study Program, Faculty of Engineering and Vocational, Undiksha

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23887/insert.v5i2.76837

Abstract

Pengadaan barang dan jasa adalah salah satu program pemerintah untuk memenuhi kebutuhan akan suatu barang dan jasa oleh suatu Kementrian, Lembaga, atau Perangkat Daerah dengan melalui sebuah metode dan proses agar mencapai kesepakatan harga, waktu dan lainnya untuk memenuhi tujuan dari pengadaan barang dan jasa. di Bagian Pengadaan Barang dan Jasa Sekretariat Daerah Buleleng, setiap tahunnya terdapat paket tender yang gagal karena berbagai faktor yang menyebabkan gagalnya tujuan pembangunan kota dan menjadi isu transparansi penggunaan anggaran pemerintah yang dapat berpengaruhnya pandangan masyarakat terhadap pemerintah. Oleh karena itu datanya perlu digali lebih dalam atau data mining dengan tujuan memprediksi hasil tender sebagai manajemen risiko dalam pengadaan barang dan jasa di BPBJ Sekretariat Daerah Buleleng untuk perencanaan pengadaan barang dan jasa yang lebih efektif dan efesien. Algoritma C5.0 adalah salah satu algoritma yang dapat memproses data hasil tender dengan memproses dataset ke dalam bentuk pohon keputusan yang membentuk aturan-aturan untuk membantu dalam pengambilan keputusan dalam pengadaan tender di BPBJ Sekretariat Daerah Buleleng. Dengan tambahan metode attribute selection dan oversampling, performa terbaik yang didapatkan dari hasil pengujian 3 (tiga) jenis k-fold cross validation yaitu pada 5-fold menghasilkan performa accuracy 0.703152633, precision 0.688464330, recall 0.761427203, dan AUC score 0.703194444, pada 7-fold menghasilkan performa accuracy 0.708044382, precision 0.706945844, recall 0.742024965, dan AUC score 0.708044382, dan pada 10-fold menghasilkan performa accuracy 0.741379310, precision 0.716926571, recall 0.799029680, dan AUC score 0.741343226.
Co-Authors I Made Edy Listartha I Md. Dendi Maysanjaya