Penerapan Algoritma Decision Tree C4.5 Pada Layanan Perbaikan Handphone dan Laptop

Mesiasi Anjelika Supit (Universitas Negeri Manado)
Audy Aldrin Kenap (Universitas Negeri Manado)
Glenn David Paulus Maramis (Universitas Negeri Manado)

semanTIK
Vol. 12 No. 1 (2026): Volume 12 Number 1 (January-june 2026)

Perkembangan teknologi informasi telah mendorong akan kebutuhan sistem prediksi biaya perbaikan perangkat elektronik yang cepat dan akurat. Tujuan dari penelitian ini untuk menerapkan algoritma Decision Tree C4.5 pada layanan perbaikan Handphone dan Laptop yang ditujukan bagi pelanggan A+ Service Center Manado. Data yang digunakan mencakup atribut merek perangkat, tipe unit, dan jenis kerusakan, dengan hasil berupa estimasi biaya perbaikan. Metode penelitian mencakup tahap pengumpulan data, preprocessing, penerapan algoritma C4.5, pembentukan model pohon keputusan, serta evaluasi akurasi menggunakan confusion matrix dan Rapid Miner. Hasilnya menunjukkan bahwa algoritma Decision Tree C4.5 dapat menghasilkan model dengan tingkat akurasi sebesar 81,06%, di mana atribut kerusakan menjadi faktor paling utama dalam menentukan estimasi biaya. Implementasi sistem berbasis web memberikan penghematan waktu, karena pelanggan dapat mengestimasi biaya perbaikan tanpa perlu menunggu pemeriksaan teknisi di tempat servis. Penerapan algoritma ini dapat membantu meningkatkan efisiensi layanan dan kepercayaan pelanggan terhadap proses perbaikan perangkat. The development of information technology has driven the need for a fast and accurate system to predict the repair costs of electronic devices. This study aims to apply the Decision Tree C4.5 algorithm to smartphone and laptop repair services for customers of A+ Service Center Manado. The dataset includes attributes such as device brand, unit type, and type of damage, with the output being the estimated repair cost. The research methodology involves several stages, including data collection, preprocessing, application of the C4.5 algorithm, decision tree model construction, and accuracy evaluation using a confusion matrix. The results show that the Decision Tree C4.5 algorithm can produce a model with an accuracy rate of 81.06%, where the damage type attribute is the most dominant factor in determining the co-st estimation. The implementation of the web-based system provides time efficiency, allowing customers to estimate repair costs without waiting for on-site technician inspection. The application of this algorithm helps improve service efficiency and enhances customer trust in the repair process.