A1
Fakultas Teknik, Matematika Dan Ilmu Pengetahuan Alam, Universitas Indraprasta PGRI
1
dhikatr@yahoo.com2azizahputriku@gmail.com3drssurajiyo@yahoo.co.id
ABSTRACT
This
study
discusseshow
toimplementanddevelop
information systemsusingthe C4.5 algorithmfor the
selection ofpartnertransportation servicesin Jakarta. In
the first yearwill be analyzedanda survey of10companiesin
Jakartawith theoutputmethodorruleC4.5algorithmto the
selection ofa partnertransportation services. Datawere
analyzedusingthesoftwareRapidMineronebasedopensource
software. Whilein the second yearstudyconductedby
evaluating there-election of partnertransportation
servicesas well asmakinganappearancedesignwhichrefers
to thefirstyear. The designis doneby usingtheNetbeansopen
source-based
applicationsusingJavalanguage.
Researchpresentedduringthetwo-year use ofthe concept
ofdata miningwithKDDframeworkso thatin determiningthe
selection ofpartnersknown level ofaccuracyandprecision.
With theresults ofthe studyin the second year, it can
contribute to therelevant agenciesto be able
toworkwithbothpartner selectionand targetedso thatthe
difficultiesin thedelivery of goodstransport can beresolved,
especiallyissuesrelated tothe delayof goods, accidents,
andother thingsthat are notdesirableforthe deliveryof
goodscarried.
Key words
C4.5 Algorithm,Transportation,Zervices,Rapidminer, Mining
Data
1. Pendahuluan
Indonesia merupakan Negara kepualauan, yakni berarti
suatu Negara yang seluruhnya terdiri dari satu gugus besar
atau lebih kepulauan dan dapat mencakup pulau-pulau
lain. Indonesia terdiri dari lima pulau besar, untuk itu
dibutuhkan sarana atau angkutan laut yang cukup memadai
sebagai sarana transportasi khususnya pada bidang jasa
pengiriman barang.
A1
Data Mining
Setiap lembaga atau perusahaan pasti bekerja dengan
data, perusahaan yang sudah cukup lama tentunya juga
memiliki data yang banyak, data dalam perusahaan
tersebut semakin lama akan semakin menggunung atau
semakin menumpuk dan disimpan tiap harinya, tiap
bulannya dan tiap tahunnya.
Tentunya data perusahaan tersebut sangat sayang sekali
jika di buang, karena data tersebut merupakan aset
berharga dari perusahaan apalagi data tersebut tidak
digunakan sama sekali, untuk itu data yang jumlahnya
sudah cukup banyak dan menggunung dapat digunakan
kembali dengan cara menambangnya.
Data mining atau menambang data didefinisikan
sebagai metode yang digunakan untuk mengekstraksi
informasi prediktif tersembunyi pada database, ini adalah
3.
4.
5.
6.
7.
A1
Misalnya
dengan
menseting
parameter
kontrolalgoritma,
seperti
jumlah
minimumkasusdalamdauntunggal
daripohon
keputusan
8. Evaluasi. Pada tahap ini dilakukan evaluasi dan
penerjemahan
dari
pola
yang
diperoleh,
sehubungan dengan tujuan yang ditetapkan pada
langkah pertama.Langkah ini berfokus pada
komprehensibilitas dan kegunaan dari model
induksi. Pada langkah ini pengetahuan ditemukan
juga terdokumentasi untuk penggunaan lebih lanjut.
Langkah terakhir adalah penggunaan dan umpan
balik secara keseluruhan pada pola dan hasil
penemuan diperoleh dengan Data Mining
9. Penggunaan pengetahuan yang ditemukan yakni
memasukkan pengetahuan ke dalam sistem lain
untuk ditindaklanjuti. Pengetahuan menjadi aktif
dalam arti bahwa kita dapat membuat perubahan ke
sistem dan mengukur dampak Sebenarnya
keberhasilan langkah ini menentukan efektivitas
proses KDD secara keseluruhan. Ada banyak
tantangan dalam langkah ini, seperti kehilangan
"kondisi laboratorium". Misalnya, pengetahuan itu
ditemukan dari sebuah snapshot statis tertentu
(biasanya sampel) dari data, tapi sekarang data
menjadi dinamis
Algoritma C4.5
A1
. (1)
3.
Keterangan:
S = himpunan kasus
n = jumlah partisi S
p i = proporsi S i terhadap S
Kemudian hitung nilai gain menggunakan rumus:
( ) . (2)
4.
5.
2. Hasil Percobaan
Keterangan:
S = himpunan kasus
A = fitur
n = jumlah partisi atribut A
= proporsi S i terhadap S
S i
S
= jumlah kasus dalam S
Ulangi langkah ke-2 hingga semua record terpartisi.
Proses partisi pohon keputusan akan berhenti saat :
a. Semua record dalam simpul N mendapat kelas
yang sama.
b. Tidak ada atribut di dalam record yang dipartisi
lagi.
c. Tidak ada record di dalam cabang yang kosong.
No.
1.
2.
Metode Penelitian
Obyek Penelitian
3.
Attribut
Nilai
Pengalaman Kerja PT.
1-5 Tahun
6 20 Tahun
> 20 tahun
Masa Bermitra
< 3 tahun
3 - 5 tahun
> 5 tahun
Bidang
No.
4.
5.
6.
7.
8.
9.
10.
11.
Attribut
A1
Nilai
Darat
Laut
Udara
Darat Laut
Darat Udara
Laut Udara
Darat
Laut
Udara
No.
12.
Attribut
Remark
Nilai
Very Good
Good
Bad
Jenis Armada
Tabel 2. Data
Pengalaman Kerja PT
6 - 20 Tahun
6 - 20 Tahun
6 - 20 Tahun
6 - 20 Tahun
1-5 Tahun
6 - 20 Tahun
6 - 20 Tahun
6 - 20 Tahun
>20 Tahun
>20 Tahun
>20 Tahun
>20 Tahun
>20 Tahun
6 - 20 Tahun
>20 Tahun
>20 Tahun
>20 Tahun
>20 Tahun
>20 Tahun
>20 Tahun
>20 Tahun
6 - 20 Tahun
6 - 20 Tahun
6 - 20 Tahun
1-5 Tahun
1-5 Tahun
>20 Tahun
>20 Tahun
1-5 Tahun
6 - 20 Tahun
1-5 Tahun
>20 Tahun
>20 Tahun
>20 Tahun
6 - 20 Tahun
6 - 20 Tahun
6 - 20 Tahun
1-5 Tahun
6 - 20 Tahun
6 - 20 Tahun
6 - 20 Tahun
>20 Tahun
>20 Tahun
>20 Tahun
>20 Tahun
>20 Tahun
6 - 20 Tahun
Kontainer
Kontainer Kapal
Kontainer Kapal
Pesawat
Truck
Truck Kapal
Pesawat
Kapal
Truck Kapal
Pesawat
Truck Pesawat
Jumlah Armada Darat
< 10
10-50
> 50
Jumlah Armada Laut
<5
5-10
> 10
Jumlah Armada Udara
<3
3-6
>6
Harga Pelayanan
Murah
Sedang
Mahal
Status Perusahaan
Swasta Kecil
Swasta Sedang
Swasta Besar
Skala Pelayanan
Domestik
Domestik
Internasional
Internasional
Jumlah Cabang
<
5
Kota
Wilayah
5 10 Kota
Wilayah
>
10
Kota
Wilayah
Masa Bermitra
>5
3-5
3-5
3-5
<3
3-5
<3
3-5
3-5
>5
3-5
3-5
>5
>5
>5
3-5
>5
>5
>5
>5
>5
>5
>5
>5
3-5
3-5
3-5
>5
3-5
3-5
<3
>5
>5
>5
3-5
3-5
3-5
<3
3-5
<3
3-5
3-5
>5
3-5
3-5
>5
>5
Bidang
Jenis Armada
Darat Laut Udara Truck Pesawat
Laut Udara
Truck Kapal Pesawat
Udara
Truck Kapal Pesawat
Laut Udara
Truck Kapal Pesawat
Laut
Truck Kapal
Laut Udara
Truck Kapal Pesawat
Laut
Truck Kapal
Laut
Truck Kapal
Laut Udara
Kontainer Kapal Pesawat
Darat Laut
Kontainer Kapal
Darat Laut Udara Kontainer Kapal Pesawat
Darat Laut Udara Kontainer Kapal Pesawat
Darat Laut Udara Pesawat
Darat Laut
Truck Kapal
Darat
Kontainer
Darat
Kontainer
Darat
Kontainer
Darat
Kontainer
Darat Laut Udara Kontainer Kapal Pesawat
Darat Laut
Kontainer Kapal
Darat Laut
Kontainer Kapal
Darat
Truck
Darat
Truck
Darat Laut
Truck Kapal
Darat Laut
Truck Kapal
Darat Laut
Truck Kapal
Darat Laut
Kontainer Kapal
Laut
Kontainer Kapal
Laut Udara
Truck Kapal Pesawat
Laut
Truck Kapal
Darat Laut Udara Truck Kapal Pesawat
Darat Laut Udara Kontainer Kapal Pesawat
Darat Laut Udara Kontainer Kapal Pesawat
Darat Laut Udara Kontainer Kapal Pesawat
Darat Laut
Truck
Laut Udara
Truck Kapal Pesawat
Laut Udara
Truck Kapal Pesawat
Laut
Truck Kapal
Laut Udara
Truck Kapal Pesawat
Laut
Truck Kapal
Udara
Truck Kapal
Laut Udara
Kontainer Kapal Pesawat
Darat Laut
Kontainer Kapal
Darat Laut Udara Kontainer Kapal Pesawat
Darat Laut Udara Kontainer Kapal Pesawat
Darat Laut Udara Kontainer Kapal Pesawat
Darat Laut
Truck Kapal
Harga
Sedang
Sedang
Sedang
Sedang
Murah
Sedang
Sedang
Sedang
Mahal
Mahal
Mahal
Mahal
Mahal
Sedang
Mahal
Mahal
Mahal
Mahal
Mahal
Mahal
Mahal
Sedang
Sedang
Sedang
Murah
Murah
Mahal
Mahal
Murah
Sedang
Murah
Mahal
Mahal
Mahal
Sedang
Sedang
Sedang
Murah
Sedang
Sedang
Sedang
Mahal
Mahal
Mahal
Mahal
Mahal
Sedang
Status Perusahaan
Swasta Sedang
Swasta Sedang
Swasta Sedang
Swasta Sedang
Swasta Kecil
Swasta Sedang
Swasta Sedang
Swasta Sedang
Swasta Besar
Swasta Besar
Swasta Besar
Swasta Besar
Swasta Besar
Swasta Sedang
Swasta Besar
Swasta Besar
Swasta Besar
Swasta Besar
Swasta Besar
Swasta Besar
Swasta Besar
Swasta Sedang
Swasta Sedang
Swasta Sedang
Swasta Kecil
Swasta Kecil
Swasta Besar
Swasta Besar
Swasta Kecil
Swasta Sedang
Swasta Kecil
Swasta Besar
Swasta Besar
Swasta Besar
Swasta Sedang
Swasta Sedang
Swasta Sedang
Swasta Kecil
Swasta Sedang
Swasta Sedang
Swasta Sedang
Swasta Besar
Swasta Besar
Swasta Besar
Swasta Besar
Swasta Besar
Swasta Sedang
Skala Pelayanan
Internasional
Domestik
Domestik
Domestik
Domestik
Domestik Internasional
Domestik
Domestik
Domestik
Domestik
Domestik
Domestik Internasional
Domestik Internasional
Domestik
Domestik
Domestik
Domestik
Domestik
Domestik Internasional
Domestik
Domestik
Domestik
Domestik
Domestik
Domestik Internasional
Domestik
Domestik
Domestik Internasional
Domestik Internasional
Domestik Internasional
Domestik Internasional
Domestik
Domestik Internasional
Domestik
Domestik
Domestik
Domestik
Domestik
Domestik Internasional
Domestik
Domestik
Domestik
Domestik
Domestik
Domestik Internasional
Domestik Internasional
Domestik
Jumlah Cabang
<5
<5
<5
<5
<5
<5
5-10
<5
5-10
<5
<5
<5
<5
5-10
<5
<5
<5
<5
5-10
<5
<5
<5
5-10
<5
<5
<5
5-10
<5
<5
<5
<5
<5
<5
>10
5-10
<5
<5
<5
<5
5-10
<5
5-10
<5
<5
<5
<5
5-10
Remark
Good
Good
Good
Good
Bad
Bad
Good
Good
Good
Good
Good
Good
Good
Good
Good
Good
Good
Good
Good
Good
Good
Good
Good
Good
Bad
Bad
Good
Good
Bad
Good
Bad
Good
Good
Good
Good
Good
Good
Bad
Bad
Good
Good
Good
Good
Good
Good
Good
Good
A1
A1
Bad=0}
|
|
|
|
|
Jumlah Armada Laut
= >10: Verry Good {Verry Good=8,
Good=0, Bad=0}
Jenis Armada = Pesawat: Good {Verry
Good=0, Good=7, Bad=0}
Jenis Armada = Truck
|
Pengalaman Kerja PT = 6 - 20 Tahun
|
|
Masa Bermitra = 3-5: Verry Good
{Verry Good=7, Good=0, Bad=0}
|
|
Masa Bermitra = >5: Good {Verry
Good=0, Good=14, Bad=0}
Jenis Armada = Truck Kapal
|
Pengalaman Kerja PT = 1-5 Tahun
|
|
Bidang = Darat Laut
|
|
|
Masa Bermitra = 3-5
|
|
|
|
Jumlah Armada Udara =
<3
|
|
|
|
|
Harga = Murah
|
|
|
|
|
|
Status
Perusahaan = Swasta Kecil
|
|
|
|
|
|
|
Skala
Pelayanan = Domestik: Bad {Verry
Good=2, Good=0, Bad=29}
|
|
|
|
|
|
|
Skala
Pelayanan = Domestik Internasional:
Good {Verry Good=0, Good=30, Bad=0}
|
|
Bidang = Laut
|
|
|
Masa Bermitra = <3: Bad
{Verry Good=0, Good=0, Bad=6}
|
|
|
Masa Bermitra = <3 : Bad
{Verry Good=0, Good=0, Bad=3}
|
|
|
Masa Bermitra = >5: Good
{Verry Good=0, Good=12, Bad=0}
|
Pengalaman Kerja PT = 6 - 20 Tahun
|
|
Bidang = Darat Laut: Verry Good
{Verry Good=17, Good=0, Bad=0}
|
|
Bidang = Laut
|
|
|
Masa Bermitra = 3-5
|
|
|
|
Jumlah Armada Darat =
>50: Good {Verry Good=0, Good=3, Bad=0}
|
|
|
|
Jumlah Armada Darat =
10-50: Verry Good {Verry Good=7,
Good=0, Bad=0}
|
|
|
Masa Bermitra = <3: Good
{Verry Good=0, Good=5, Bad=0}
|
|
|
Masa Bermitra = <3 : Verry
Good {Verry Good=3, Good=0, Bad=0}
|
|
Bidang = Udara: Good {Verry
Good=0, Good=5, Bad=0}
Jenis Armada = Truck Kapal Pesawat
|
Pengalaman Kerja PT = 1-5 Tahun
|
|
Masa Bermitra = 3-5: Bad {Verry
Good=0, Good=1, Bad=7}
|
|
Masa Bermitra = <3: Good {Verry
Good=0, Good=7, Bad=0}
|
Pengalaman Kerja PT = 6 - 20 Tahun
|
|
Masa Bermitra = 3-5
|
|
|
Bidang = Laut Udara
|
|
|
|
Jumlah Armada Darat =
>50: Good {Verry Good=3, Good=5, Bad=0}
|
|
|
|
Jumlah Armada Darat =
10-50
|
|
|
|
|
Jumlah Armada Laut
= 5-10
|
|
|
|
|
|
Jumlah Armada
Udara = 3-10: Good {Verry Good=0,
Good=7, Bad=0}
|
|
|
|
|
|
Jumlah Armada
Udara = <3: Verry Good {Verry Good=4,
Good=0, Bad=0}
|
|
|
|
|
Jumlah Armada Laut
= >10: Verry Good {Verry Good=11,
Good=0, Bad=0}
|
|
|
Bidang = Udara: Good {Verry
Good=0, Good=4, Bad=0}
Jenis Armada = Truck Pesawat: Verry
Good {Verry Good=4, Good=0, Bad=0}
3. KESIMPULAN
Penerapan algoritma C4.5 dilakukan pada pemilihan
mitra kerja jasa transportasi untuk memilih mitra kerja
yang baik.Tingkat akurasi yang dihasilkan dengan
pengolahan data tersebut mencapai 93.53%.Hal tersebut
dilakukan untuk menghindari hal-hal yang tidak
diinginkan. Penelitian ini baru memasuki tahap 1 dan akan
terus dikembangkan pada tahap 2, hasil yang diperoleh
pada tahap 1 yakni:
Penerapan algoritma C4.5 pada data pemilihan
mitra kerja penyedia jasa transportasi
Tingkat akurasi yang dihasilkan dari penerapan
data tersebut menggunakan algoritma C4.5 yang
berbentuk pohon keputusan mencapai 93.53%
Model yang terbentuk dari penerapan data
menghasilkan rule atau pohon keputusan yang
akan dibuat program pada tahapan berikutnya.
Pada tahap 2 model akan diuji kembali tingkat akurasi
dan akan dibuatkan user interface program menggunakan
Java Netbeans.
REFERENSI
[1] Contoh Kasus Prediksi layak tidaknya Indonesian menjadi
Juara AFF, http://dennistorio.com/DM/bola.php diakses
tanggal 29 juni 2014.
A1