KLASIFIKASI HARGA KOS IDEAL SEKITAR KAMPUS

UNIVERSITAS DIAN NUSWANTORO SEMARANG DENGAN

ALGORITMA C4.5
Mia Ayu Iswandiariwati ¹, Era Tri Wahyuni ², Hariza Sekartaji ³
Mahasiswa Universitas Dian Nuswantoro
Fakultas Ilmu Komputer
Jl. Nakula I No. 5-11, Jawan Tengah 50131, Indonesia
ABSTRAK
Kos merupakan salah satu hal terpenting bagi mahasiswa, dengan adanya kos sebagai tempat
tinggal sementara mahasiswa mendorong munculnya faktor-faktor yang mempengaruhi
mahasiswa untuk memilih kos yang relatif murah dan nyaman ( ideal). Tujuan dari penelitian
ini untuk mengelompokkan data kos agar mahasiwa dapat memilih tempat kos dengan
rekomendasi ideal harga kos. Beberapa faktor tentu mempengaruhi harga ideal suatu kos,
diantaranya isi bed pada satu kamar, fasilitas yang ditawarkan, tambahan listrik bagi
mahasiswa yang membawa peralatan tertentu, dapur untuk memasak, dan kesesuaian harga
yang ditawarkan dengan faktor-faktor tersebut. Metode yang digunakan untuk analisa paper
ini adalah algoritma C4.5 untuk menentukan harga kos ideal bagi mahasiswa sekitar kampus
Universitas Dian Nuswantoro.
Keywords : fasilitas, harga ideal kos, mahasiswa memilihkos

Bab 1 tersebut tidak terpenuhi, maka manusia

PENDAHULUAN
Kebutuhan adalah salah satu aspek
psikologis yang menggerakkan makhluk
hidup dalam aktivitas-aktivitasnya dan
menjadi dasar atau alasan bagi setiap
individu untuk berusaha. Macam-macam
kebutuhan manusia berdasarkan intensitas
kegunaannya, di antaranya kebutuhan
primer, sekunder, dan tersier. Kebutuhan
primer adalah kebutuhan yang harus atau
wajib terpenuhi, artinya apabila kebutuhan
akan mengalami kesulitan dalam
hidupnya. Salah satu contoh kebutuhan
primer adalah kebutuhan papan.
Kebutuhan papan adalah kebutuhan tempat
tinggal untuk tidur, beristirahat, dan
berlindung dari hujan atau terik matahari.
Bagi setiap individu kebutuhan yang
sangat penting untuk segera terpenuhi
adalah tempat tinggal atau rumah. Selain
kebutuhan makan, rumah atau tempat
tinggal merupakan kebutuhan primer bagi
setiap individu. Begitu pula bagi sebagian 1.1 Identifikasi Masalah
mahasiswa yang kuliah dan berdomisili di Pada umumnya banyak mahasiwa
luar kota. Di sini, keberadaan tempat kos yang mempersiapkan matang-matang
sangat penting dan merupakan kebutuhan ketika akan menuntut ilmu di luar kota
utama bagi mahasiswa. Setiap akhir tahun (jauh dari orang tua). Hal terpenting
ajaran baru, para calon mahasiswa mencari saat mahasiswa sudah diterima di
tempat studi untuk melanjutkan perguruan tinggi yang didambakan
pendidikannya, yaitu ke perguruan tinggi. adalah kos. Kos adalah tempat hunian
Kota Semarang merupakan salah sementara mahasiswa selama
satu kota tujuan calon mahasiswa dalam menempuh perkuliahan. Seringkali
melanjutkan studi mereka baik ke mahasiswa mencari kos yang nyaman
perguruan tinggi negeri maupun swasta. dan sesuai dengan harga yang
Maka dari itulah, kebutuhan tempat tinggal diinginkan.
seperti kos sangat di butuhkan para Harga menjadi faktor penentu
mahasiswa untuk berdomisili di kota utama ketika mahasiswa memilih
tersebut ketika mereka menjadi seorang hunian kos, banyak pertimbangan
mahasiswa atau mahasiswi. Pada ketika memilih kos diantara jarak,
umumnya, mahasiswa atau mahasiswi fasilitas yang ditawarkan. Hal ini yang
memilih tempat kos yang sesuai dengan menjadi permasalahan dalam konteks
fasilitas yg mereka inginkan, di antara nya penentuan harga kos ideal bagi
letak kos yang strategis, fasilitas yang di mahasiswa pada umumnya.
sediakan di kos, serta jarak kos ke kampus
yang ideal dan tidak terlalu jauh. Sehingga, 1.2 Lingkup Masalah
faktor-faktor tersebutlah yang menentukan Di berikan beberapa batasan
harga sewa di setiap kos yang berbeda. masalah untuk penelitian ini sebagai
Pada penelitian ini akan digunakan acuan agar tidak terjadi perluasan
metode algoritma C4.5, karena terhadap masalah yang menjdi fokus
kemampuan model untuk dapat utama,antara lain :
memprediksi label kelas terhadap data 1. Aplikasi diterapkan oleh
baru atau yang belum diketahui orang yang membutuhkan
sebelumnya dengan baik. informasi harga kos di
wilayah Kota Semarang.
2. Jarak kos dihitung dari
kampus.
 3. Aplikasi berupa layanan 1.4 Tujuan dan Manfaat Penelitian
desktop. Ada beberapa tujuan dan manfaat
4. Aplikasi dapat berjalan yang hendak dicapai dari penelitian
secara offline karena aturan yang dilakukan penulis antara lain :
yang digunakan untuk 1. Mengetahui faktor apa saja
memproses data disimpan yang mempengaruhi harga
dalam sistem itu sendiri sewa kos.
sehingga tidak membutuhkan 2. Mengetahui implementasi
sumber dari luar. algoritma untuk menentukan
Harga kos yang dihasilkan bukan kos ideal.
merupakan harga kos secara mutlak 3. Mengetahui bagaimana
karena setiap pemilik kos memiliki seorang mahasiswa baru
kebijakan tersendiri. mengambil keputusan dalam
pemilihan tempat kos.
1.3 Rumusan Masalah 4. Mengetahui keadaan
Berdasarkan latar belakang yang lingkungan sekitar tempat
telah di paparkan, maka rumusan kos yang akan di pilih.
masalah yang terbentuk adalah sebagai 5. Dapat mengetahui perkiraan
berikut : kos yang sesuai dengan
1. Faktor apa saja yang beberapa pertimbangan, di
mempengaruhi harga sewa antaranya harga kos yang
kos? sesuai kantong mahasiswa,
2. Bagaimana implementasi letak kos yang strategis,
algoritma untuk menentukan fasilitas yang di sediakan di
kos ideal? kos, serta jarak kos ke
3. Bagaimana seorang kampus yang ideal dan tidak
mahasiswa baru mengambil terlalu jauh.
keputusan dalam 6. Tidak membutuhkan biaya
pemilihan tempat kos? karena sistem beroperasi
4. Bagaimana keadaan secara offline.
lingkungan sekitar tempat
kos yang akan di pilih?

Bab 2
 LANDASAN TEORI R. Rajewari, R. Rajaram (2012)

2.1 Tinjauan Pustaka menjelaskan penggabungan K-

Penelitian berikut berhubungan means, C4.5 untuk mendeteksi

dengan penelitian ini : gangguan sistem tubuh.

a. Penelitian yang dilakukan oleh Dalam Penelitian ini, setelah

Liliana Swastina (2013) membaca banyak hal tentang data

menjelaskan tentang Algoritma mining dengan classification rule dan

Decision Tree C4.5 diterapkan algoritma-algoritma yang terkait.

untuk penentuan kesesuaian Peneliti ingin merealisasikan teknik

jurusan mahasiswa. data mining pada penentuan harga kos

b. Penelitian yang dilakukan oleh ideal bagi mahasiswa.

Zerina Masetic, Abdulhamit 2.2 Data Mining

Subasi (2013) menjelaskan Menurut Pramudiono 2006, Data

tentang potensi dalam mining adalah serangkaian proses

mendeteksi kegagalan jantung untuk menggali nilai tambah dari

kongestif dengan menggunakan suatu kumpulan data berupa

C4.5 Decision Tree. pengetahuan yang selama ini tidak

c. Penelitian yang dilakukan oleh diketahui secara manual. Sedangkan

Kalpesh Adhatrao, Aditya menurut Turban dkk 2005, Data

Gaykar, Amiraj Dhawan, Rohit mining adalah suatu istilah yang

Jha and Vipul Honrao (2013) digunakan untuk menguraikan

tentang cara memprediksi penemuan pengetahuan di dalam

kinerja mahasiswa dengan database. Data mining adalah proses

membandingkan alogoritma yang menggunakan teknik statistik,

ID3 dan C4.5 matematika, kecerdasan buatan, dan

d. Penelitian yang dilakukan oleh machine learning untuk

Andre Kurniawan (2015) mengekstraksi dan mengidentifikasi

tentang analisis pengaruh lokasi informasi yang bermanfaat dan

dan fasilitas terhadap keputusan pengetahuan yang terkait dari berbagai

mahasiswa memilih tempat database besar (Kusrini dkk, 2009).

kos.
e. Penelitian yang dilakukan oleh 2.3 Tugas-tugas dalam Data Mining

Amuthan Prabakar Muniyandi, Pengelompokan Data mining

menurut Larose, 2005 dibagi menjadi
beberapa kelompok berdasarkan tugas 6. Asosiasi
yang dapat dilakukan, yaitu : Tugas asosiasi dalam data
1. Deskripsi mining adalah menemukan
Deskripsi tersebut memberikan atribut yang muncul dalam satu
kemungkinan penjelasan untuk waktu atau disebut analsis
suatu pola atau kecenderungan keranjang belanja.
2. Estimasi
Variabel target estimasi lebih 2.4 C4.5
ke arah numerik. Model Menurut Berry dan Linoff, 2004
dibangun menggunakan record Sebuah pohon keputusan adalh sebuah
lengkap yang menyediakan struktur yang dapat digunakan untuk
nilai dari variabel target sebagai membagi kumpulan data yang besar
nilai prediksi. Kemudian menjadi himpunan-himpunan record
estimasi nilai dari variabel yang lebih kecil dengan menerapkan
target dibuat berdasarkan nilai serangkaian aturan keputusan. Dengan
variabel prediksi. masing-masing rangkaian pembagian,
3. Prediksi anggota himpunan hasil menjadi mirip
Dalam prediksi nilai dari hasil satu dengan yang lain (Kusrini dkk,
akan ada di masa mendatang. 2009).
Contoh, prediksi harga beras Banyak algoritma yang dapat
dalam tiga bulan yang akan dipakai dalam pembentukan pohon
datang. keputusan, antara lain ID3, CART,
4. Klasifikasi dan C4.5 (Larose, 2005). Menurut
Terdapat variabel kategori. Larose 2005 Algoritma C4.5
Sebagai contoh, penggolongan merupakan pengembangan dari
pendapatan dapat dipisahkan algoritma ID3.
dalam tiga kategori, yaitu Secara umum algoritma C4.5 untuk
pendapatn tinggi, pendapatan membangun pohon keputusan adalah
sedang, dan pendapatan rendah. sebagai berikut.
5. Pengklusteran 1. Pilih atribut sebagai akar
Pengklusteran adalah 2. Buat cabang untuk tiap-tiap nilai
pengelompokkan record, 3. Bagi kasus dalam cabang
membentuk kelas dan objek-
objek yang memiliki kemiripan
4. Ulangi proses untuk setiap cabang Langkah – langkah di dalam
sampai semua kasus pada cabang kerangka pemikiran tersebut dapat
memiliki kelas yang sama. digambarkan dalam bentuk flow
Untuk memilih atribut sebagai chart berikut ini :

akar, didasarkan pada nilai gain

tertinggi dari atribut-atribut yang ada.

Bab 4
PEMBAHASAN

4.1 Analisa Data

Sementara itu, perhitungan nilai
entropy dapat dilihat, berikut ini.

Bab 3
METODOLOGI PENELITIAN

3.1. Kerangka Pemikiran

Penelitian ini menggunakan Tabel 4.1 DataSet
metode klasifikasi dengan algoritma
Decision Tree C4.5 untuk
menentukan harga kos ideal.
Hasil Prediksi Akurasi

Hasil Evaluasi

Implementasi Program
 Bab 5 using C4. 5 Decision Tree. SouthEast
KESIMPULAN Europe Journal of Soft Computing, 2(2).

Adhatrao, K., Gaykar, A., Dhawan, A.,

Menurut Hasil yang diperoleh
Jha, R., & Honrao, V. (2013). Predicting
mendapatkan nilai keakuratan sebesar
Students' Performance using ID3 and C4. 5
57,14%
Classification Algorithms. arXiv preprint
Dapat disimpulkan bahwa ideal harga
arXiv:1310.2071.
kos tergantung faktor berikut
diantaranya jarak dan fasilitas Muniyandi, A. P., Rajeswari, R., &
Harga kos ideal berkisar dengan bed Rajaram, R. (2012). Network anomaly
single kisaran 500ribu sedangkan yang detection by cascading k-Means clustering
bed double kisaran 250ribu. and C4. 5 decision tree algorithm.Procedia
Engineering, 30, 174-182.
Daftar Pustaka
Kurniawan, A. (2015). ANALISIS
PENGARUH LOKASI DAN FASILITAS
TERHADAP KEPUTUSAN
MAHASISWA MEMILIH TEMPAT
INDEKOS DENGAN HARGA SEWA
INDEKOS SEBAGAI VARIABEL
MODERASI.Ekonomi dan
Kewirausahaan, 15(2).

Badri, N. (2014). ANALISIS FAKTOR

YANG MENJADI PERTIMBANGAN
MAHASISWA DALAM MEMILIH
TEMPAT KOST DI KAWASAN
KAMPUS UNEJ.

Swastina, L. (2013). Penerapan Algoritma

C4. 5 Untuk Penentuan Jurusan
Mahasiswa.

Mašetic, Z., & Subasi, A. (2013).

Detection of congestive heart failures