IMPLEMENTASI ALGORITMA C5.0 DALAM KLASIFIKASI PENDAPATAN MASYARAKAT (STUDI KASUS: KELURAHAN MESJID KECAMATAN MEDAN KOTA)
Abstract
Kelurahan Mesjid adalah kelurahan yang bergerak dibidang Kemasyarakatan. Dalam menentukan kelayakan mendapatkan bantuan langsung tunai bagi masyarakat Kelurahan Mesjid cenderung bingung untuk menentukan atribut apa saja yang paling menetukan kelayakan tersebut, karena ada beberapa atribut yang menentukan tingkat kelayakan yang mendapatkan bantuan langsung tunai.Dalam penelitian ini, peneliti mencoba untuk menganalisis poin utama dari masalah yang ada dan tekad oleh temuan memperkuat kasus ini bahwa data dan hasil keputusan menggunakan data mining dengan metode algoritma C5.0 Pohon keputusan dapat menemukan hubungan tersembunyi antara sejumlah variabel input dengan sebuah variabel target dari data Masyarakat kelurahan mesjid.Penelitian ini menghasilkan pohon keputusan dari kasus yang diangkat menunjukkan bahwa ada beberapa atribut yang mempengaruhi dalam penentuan masyarakat yang mendapatkan BLT. Akan ditampilkan daftar nilai gain dari tiap atribut. Posisi atribut yang memiliki nilai gain paling tinggi yang ditampilkan menunjukkan penentuan atribut mana menjadi penentuan kelayakan.
References
Purwanto, Erwan A. dan Dyah Ratih Sulistyastuti,2012. Implementasi Kebijakan Public : konsep dan aplikasinya diindonesia. Yogyakarta : Gava Media.
Kusrini, luthfi taufiq Emha, Algoritma Data Mining, 2009, Penerbit Andi, Yogyakarta.
Larose D, T., Data Mining Methods and Models, 2006, Jhon Wiley & Sons, Inc. Hoboken New Jersey
Yogi Yusuf W. Membandingkan performasi algoritma decision tree C5.0 CART dan CHAID untuk kasus prediksi status resiko kredit di suatu bank.2007
Departemen Pendidikan dan Kebudayaan, Kamus Besar Bahasa Indonesia, (Jakarta: Balai Pustaka,1998).
BN. Marbun, Kamus Manajemen,(Jakaarta:Pustaka Sinar Harapan,2003).
Pitma Pertiwi. Analisis Faktor-Faktor Yang Mempengaruhi Pendapatan Tenaga Kerja Daerah Istimewah Yogyakarta.2015.
Reksoprayitno, Sistem Ekonomi dan Demokrasi Ekonomi, (Jakarta:Bina Grafika,2004).
Andi Nugroho, Rekayasa Perangkat Lunak Berorientasi Objek, 2010
Aksenova, Svetlana S. Mechine Learning with WEKA – WEKA Tutorial – Explore Tutorial for WEKA Version 3.4.3. 2004. California:California State University.
E. Buulolo, N. Silalahi, Fadlina, and R. Rahim, “C4.5 Algorithm To Predict the Impact of the Earthquake,†Int. J. Eng. Res. Technol., vol. 6, no. 2, 2017.
H. Widayu, S. D. Nasution, N. Silalahi, and M. Mesran, “DATA MINING UNTUK MEMPREDIKSI JENIS TRANSAKSI NASABAH PADA KOPERASI SIMPAN PINJAM DENGAN ALGORITMA C4.5,†MEDIA Inform. BUDIDARMA, vol. 1, no. 2, Jun. 2017.
E. Buulolo, “ALGORITMA APRIORI PADA DATA PENJUALAN DI SUPERMARKET,†in Seminar Nasional Inovasi dan Teknologi Informasi 2015 (SNITI), 2015, no. September 2015, pp. 4–7.
J. Simarmata, Pengenalan Teknologi Komputer dan Informasi. Yogyakarta: Andi, 2006.
M. Maharani et al., “IMPLEMENTASI DATA MINING UNTUK PENGATURAN LAYOUT MINIMARKET DENGAN MENERAPKAN ASSOCIATION RULE,†J. Ris. Komput., vol. 4, no. 4, pp. 6–11, 2017.
J. Simarmata, Rekayasa Perangkat Lunak. Yogyakarta: Andi, 2010.
F. T. Waruwu, E. Buulolo, and E. Ndruru, “IMPLEMENTASI ALGORITMA APRIORI PADA ANALISA POLA DATA PENYAKIT MANUSIA YANG DISEBABKAN OLEH ROKOK,†KOMIK (Konferensi Nas. Teknol. Inf. dan Komputer), vol. I, no. 1, pp. 176–182, 2017.
E. Buulolo, “Implementasi Algoritma Apriori Pada Sistem Persediaan Obat ( Studi Kasus : Apotik Rumah Sakit Estomihi Medan ),†Pelita Inform. Budi Dharma, vol. 4, no. Agustus 2013, pp. 71–83, 2013.
