Penerapan Data Mining Algoritma C4.5 Untuk Klasifikasi Hasil Pengujian Kendaraan Bermotor

Rieke Reza Andarista (Universitas Stikubank Semarang)
Arief Jananto (Universitas Stikubank Semarang)

Jurnal Tekno Kompak
Vol 16, No 2 (2022): Agustus

Abstrak - Pengujian Kendaraan Bermotor Dinas Perhubungan Kabupaten Rembang merupakan bagian dari bidang sarana dan prasarana yang mempunyai tugas pokok dan fungsi memberikan pelayanan pada masyarakat yaitu dalam melakukan pengujian kendaraan bermotor yang meliputi proses pendaftaran, proses pembayaran atau retribusi, proses pemeriksaan teknis. Namun pada kenyataannya masih terdapat kendaraan yang belum laik jalan dan tidak lulus uji. Hal ini disebabkan kurangnya perawatan kendaraan secara rutin sehingga menyebabkan kendaranan rusak, selain itu usia kendaraan yang diatas sepuluh tahun juga rentan mengalami kerusakan jika tidak dilakukan perawatan rutin terhadap kendaraan. kerusakan tersebut meliputi tebal tidaknya asap pada gas buang kendaraan, ban kendaraan jarang dirawat sehingga ban tersebut gundul dan tipis,tingkat kebisingan klakson yang tidak memenuhi standart pabrik akan membahayakan pengguna jalan, selain itu lampu kendaraan harus berfungsi dengan baik dan berfungsinya rem pada kendaraan. Kondisi ini dapat mempengaruhi pada saat melakukan pengujian kendaraan bermotor pada proses pemeriksaan teknis yang dapat menyebabkan kendaraan tidak lulus uji. Kendaraan yang tidak lulus uji disebabkan karena beberapa faktor. Untuk mengelompokan faktor yang mempengaruhi kendaraan bermotor tidak lulus uji menggunakan metode klasifikasi dengan algoritma C4.5 yang diharapkan dapat membantu mengetahui prediksi hasil pengujian kendaraan bermotor yang dilihat dari faktor yang mempengaruhinya. Pada penelitian ini menggunakan software Rapidminer versi 9.10.000 dengan menggunakan 424 record. Hasil dari penelitian ini dengan menggunakan perhitungan manual menggunakan excel dan tools Rapidminer dengan komposisi pembagian data 80% data training dan 20% data testing menghasilkan pohon keputusan atribut Kedalaman Alur Ban sebagai root node dengan nilai gain sebesar 0,24 dan tingkat keakurasian sebesar 94,12% menghasilkan 15 rule/aturan. Dari perhitungan manual menggunakan excel dan menggunakan tools Rapidminer menghasilkan  nilai akurasi yang sama dan pohon keputusan yang sama.