PENERAPAN DATA MINING UNTUK MEMPREDIKSI PERMINTAAN PRODUK KARTU PERDANA INTERNET MENGGUNAKAN ALGORITMA C5.0 (STUDI KASUS: VIDHA PONSEL)
Abstract
Vidha Ponsel merupakan salah satu unit bisnis yang bergerak di bidang penjualan kartu perdana internet yang bertahan dalam persaingan. Vidha Ponsel memang tidak bisa dikesampingkan sebagai peyumbang terbesar dalam pasar kartu perdana internet di kota medan. Tetapi tidak menutup kemungkinan perusahaan ini mengalami penurunan penjualan dan juga kerugian akibat banyak kartu perdana internet yang kurang diminati konsumen. Banyak kartu perdana internet yang tidak terjual sama sekali dalam kurun waktu satu bulan, sehingga kartu perdana internet yang tidak terjual sebagian diretur kembali kepada supplier dan sebagian lagi terbuang. Oleh karena itu Analisis prediksi permintaan produk kartu perdana internet sangat penting untuk meningkatkan penghasilan. Algoritma C5.0Â merupakan algoritma yang menghasilkan pohon keputusan yang lebih sederhana dan penggunaan memori yang lebih efisien. Algoritme C5.0 dapat mengklasifikasikan model prediksi berstruktur pohon (tree) dan aturan (rule-based). Penggunaan algoritma C5.0 dapat menghasilkan model prediksi dengan hasil tingkat akurasi yang lebih tinggi dalam memprediksi permintaan kartu perdana internet. Tujuan dari penelitian ini untuk mengetahui faktor mana saja yang paling dominan mempengaruhi tingkat permintaan kartu perdana internet dan memprediksi permintaan produk kartu perdana internet dengan tepat dan akurat, sehingga ini menjadi pedoman bagi pihak Vidha Ponsel kedepannya untuk meningkatkan penjualan kartu perdana internet.
References
Hery Drs. Prasetya and Fitri Lukiastuti, Manajemen Operasi. Yogyakarta: CAPS, 2011.
Yogi Yusuf W, "PERBANDINGAN PERFORMANSI ALGORITMA DECISION TREE C5.0, CART, DAN CHAID: KASUS PREDIKSI STATUS RESIKO KREDIT DI BANK X," Seminar Nasional Aplikasi Teknologi Informasi, pp. 59-62, 2007.
Fandy Ferdian Harryanto and Seng Hansun, "Jatisi," Penerapan Algoritma C4.5 untuk Memprediksi Penerimaan Calon Pegawai Baru di PT WISE, vol. 3, no. 2, pp. 95-103, Maret 2017.
Kusrini and Emha Taufiq Luthfi, ALGORITMA DATA MINING, I ed., Theresia Ari Prabawati, Ed. Yogyakarta, Indonesia: Andi, 2009.
Ricky Imanuel Ndaumanu, Kusrini Kusrini, and M Rudyanto Arief, "Jatisi," Analisis Prediksi Tingkat Pengunduran Diri Mahasiswa dengan Metode K-Nearest Neighbor, vol. 1, no. 1, pp. 1-14, September 2014.
Ahmad Bahroini, Andi Farmadi, and Radityo Adi Nugroho, "Kumpulan jurnal Ilmu Komputer(KLIK)," PREDIKSI PERMINTAAN PRODUK MIE INSTAN DENGAN METODE FUZZY TAKAGI-SUGENO, vol. 03, no. 02, pp. 220-230, September 2016.
Anita Kartika Sari, "ANALISIS STRATEGI PEMASARAN DALAM UPAYA MENINGKATKAN PENJUALAN PADA PERUSAHAAN TELKOMSEL DISTRIBUTION CENTER BOJONEGORO," Jurnal Ilmu Sosial dan Humaniora, vol. 5, no. 1, pp. 1-26, Maret 2017.
Holisatul Munawaroh, S.T.,M.Kom, Bain Khusnul K, and S.Kom.,M.Kom, Yeni Kustiyahningsih, "PERBANDINGAN ALGORITMA ID3 DAN C5.0 DALAM INDENTIFIKASI PENJURUSAN SISWA SMA," Jurnal Sarjana Teknik Informatika, vol. 1, no. 1, pp. 1-12, Juni 2013.
eWolf Community, Indeks Lengkap Syntax. Yogyakarta: Mediakom, 2011.
Mrs.Priti Lale Lahane and Mr.Shrikant Akarte, "A survey of Data Mining Tools for Platform Dependency," International Journal of Emerging Research in Management &Technology, vol. 2, no. 4, pp. 98-107, April 2013.
Adi Kusrianto, Memanfaatkan Formula dan Fungsi Microsoft Excel 2007. Jakarta, Indonesia: PT Elex Media Komputindo, 2007.
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.
Y. A. Fiandra, S. Defit, and Yuhandri, “Penerapan Algoritma C4.5 untuk Klasifikasi Data Rekam Medis berdasarkan International Classification Diseases (ICD-10),†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 1, no. 2, pp. 82–89, 2017.
L. Marlina, M. Muslim, and A. P. U. Siahaan, “Data Mining Classification Comparison ( Naïve Bayes and C4 . 5 Algorithms ),†Int. J. Eng. Trends Technol., vol. 38, no. 7, pp. 380–383, 2016.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution 4.0 International License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
