REVIEW JURNAL DECISION TREE

Nama : Riski Aprilia Rihadatulais

NIM : 1903040078
Kelas :B
Mata Kuliah : Kecerdasan Bisnis (UTS)
Judul : Penerapan Algoritma C4.5 Untuk Deteksi Dini Gangguan Autisme
Pada Anak
Jurnal : Seminar Nasional Teknologi Informasi dan Komunikasi 2018
ISSN : 089-9815
Tahun : 2018
Penulis : Bayu Sugara, Dany Widyatmoko, Bobby Suryo Prakoso, Doddy
Mulyadi Saputro
Permasalahan : 1. Bagaimana memberi pengetahuan terhadap para orang tua
mengenai gangguan autisme dan mempermudah para orang
tua mendeteksi gangguan autism berdasarkan gejala-gejala
yang dialami oleh anaknya.
2. Bagaimana memanfaatkan teknik data mining dengan
menggunakan algoritma C4.5 untuk mendeteksi dini gangguan
autism.
Tujuan Penelitian : 1. Memberikan pengetahuan kepada orang tua mengenai
gangguan autisme.
2. Mengimplementasikan Algoritma C4.5 untuk mendeteksi dini
gangguan autisme dengan berdasarkan gejalagejala yang
dialami.
Sumber Data : 1. Observasi
2. Wawancara
3. Studi Pustaka
4. kuesioner
Metode Penelitian : Pengumpulan Data
Objek Penelitian : Gangguan Autisme Pada Anak
Hasil Penelitian : Menunjukkan nilai akurasi sebanyak 72%.
Kesimpulan : Dari hasil penelitian yang sudah dilakukan, dapat disimpulkan
bahwa deteksi dini gangguan autisme pada anak dapat diprediksi
dengan memanfaatkan teknik data mining dengan menggunakan
metode algoritma C4.5 untuk memprediksi gangguan autisme
pada anak berdasarkan gejala yang dialami anak. Setelah dilakukan
pengujian dengan metode cross validation pada aplikasi
ripedminer dapat diperoleh hasil nilai akurasi sebesar 72%.
Saran : 1. Penelitian ini dapat dikembangkan dengan menggunakan dan
membandingkan dengan algoritma klasifikasi lain seperti ID3,
Naïve Bayes, K-NN untuk mendapatkan nilai akurasi yang
tertinggi.
2. Sebaiknya memperbanyak jumlah data kuesioner ditambah,
sehingga dapat diperoleh hasil akurasi fungsi algoritma yang
lebih baik.
3. Penggunaan aplikasi berbasis web agar lebih baik dan dapat
diakses dan digunakan dimanapun.
Alamat Link : https://fti.uajy.ac.id/sentika/publikasi/makalah/2018/11.pdf
Judul : Komparasi Algoritma C4.5, Naïve Bayes Dan Neural
Network Untuk Klasifikasi Tanah
Jurnal : Jurnal Informatika
ISSN : 2355-6579
Tahun : 2017
Penulis : Amirul Mukminin, Dwiza Riana2
Permasalahan : Dalam penelitian, tanah diklasifikasikan kedalam jenis gravel, sand,
silt/loam, clay, heavy clay, peat, dan organic/peat (Bhattacharya &
Solomatine, 2005). Berdasarkan data penyelidikan lapangan dengan
alat Cone Penetration Test.
(CPT) masih sulit mengenali beberapa jenis tanah yang berbeda-beda
tapi mempunyai sifat serupa ke dalam kelompok-kelompok dan
subkelompok-subkelompok berdasarkan pemakaiannya
Tujuan Penelitian : Untuk mengkomparasi Algoritma C4.5, Naive Bayes, and Neural
Network sehingga ditemukan pemodelan yang terbaik untuk
mengklasifikasikan tanah.
Sumber Data : Penetration test
Metode Penelitian : Eksperimen
Objek Penelitian : Tanah
Hasil Penelitian : Didapatkan algoritma terbaik yaitu Algoritma C4.5. Algoritma C4.5
dalam klasifikasi dua kelas mencapai akurasi 98,45% dan AUC 0,981.
Dalam klasifikasi tiga kelas C4.5 juga mencapai akurasi tertinggi
(93,21%), demikian juga pada klasifikasi tujuh kelas (83,40%).
Kesimpulan : Penelitian ini membandingkan beberapa algoritma classifier seperti
C4.5, naïve bayes dan neural network untuk mengklasifikasi dataset
cone penetration test. Berdasarkan hasil eksperimen pada penelitian
ini dapat ditarik kesimpulan bahwa dari hasil evaluasi dan validasi
diketahui Algoritma C4.5 dengan kelompok dua kelas memiliki akurasi
yang paling tinggi. Algoritma C4.5 dapat dijadikan alternatif model
klasifikasi baik pada dua kelas, tiga kelas, maupun tujuh kelas, karena
pada setiap kelas nilai akurasi Algoritma C4.5 lebih tinggi dari model
Naïve Bayes dan Neural Network.
Saran : Dengan tingkat akurasi yang hampir mendekati 100%, maka
sebaiknya penelitian ini dapat banyak diimplementasikan.
Alamat Link : https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/1002/pdf
Judul : Aplikasi Prediksi Penjualan AC Menggunakan Decision Tree
dengan Algoritma C4.5
Jurnal : MISI
ISSN : 26143739
Tahun : 2020
Penulis : Ade Izyuddin, Setyawan Wibisono
Permasalahan : Masalah kekurangan stok pada saat puncak penjualan terjadi
disebabkan tidak tepatnya prediksi persediaan suatu model AC
dalam suatu interval waktu tertentu untuk memenuhi
permintaan konsumen. Penentuan jumlah persediaan setiap
model AC ditentukan secara subjektif, hanya didasarkan pada
perkiraan manajemen saja, tanpa mempertimbangkan
perbandingan antara penjualan dan persediaan barang. Dengan
situasi tersebut dibutuhkan suatu sistem yang dapat digunakan
untuk memprediksi model AC terlaris yang pada akhirnya dapat
digunakan untuk menentukan persediaan setiap model AC. Salah
satu metode yang dapat digunakan untuk memprediksi
penjualan adalah metode decision tree.
Tujuan Penelitian : Untuk memprediksi model AC terlaris yang pada akhirnya dapat
digunakan untuk menentukan persediaan setiap model AC.
Sumber Data : Tinjauan Pustaka
Metode Penelitian : Klarifikasi Data Mining
Objek Penelitian : Nasabah Bank
Hasil Penelitian : Menghasilkan sebuah aplikasi yang dapat digunakan untuk
memprediksi penjualan produk AC terlaris.
Kesimpulan : Dalam penelitian ini menghasilkan sebuah aplikasi yang dapat
digunakan untuk memprediksi penjualan produk AC terlaris.
Dengan kemampuan melakukan prediksi penjualan AC terlaris ini
maka manajemen Global Elektronik dapat secara lebih tepat
dalam memperhitungkan ketersediaan stok produk AC, sehingga
permintaan konsumen pada produk AC dapat terpenuhi, dengan
demikian kepuasan konsumen dapat terjaga dan keuntungan
yang diperoleh dapat lebih besar.
Saran : Untuk menjadi landasan penelitian selanjutnya sebaiknya data
dan perhitungan lebih banyak sehingga dapat meningkatkan nilai
akurasi yang lebih tinggi.
Alamat Link http://e-
journal.stmiklombok.ac.id/index.php/misi/article/view/208
Judul : Komparasi Metode Klasifikasi Data Mining Algoritma C4.5 dan Naive
Bayes Untuk Prediksi Penyakit Hepatitis
Jurnal : Pilar Nusa Mandiri
Volume & Halaman : 13 No.1
Tahun : 2017
Penulis : Wisti Dwi Septiani
Permasalahan : Diagnosis penyakit menjadi hal yang sangat sulit dilakukan. Namun
demikian catatan rekam medis telah menyimpan gejala-gejala
penyakit pasien dan diagnosis penyakitnya. Hal seperti ini tentu
sangat berguna bagi para ahli kesehatan. Mereka dapat
menggunakan catatan rekam medis yang sudah ada sebagai
bantuan untuk mengambil keputusan tentang diagnosis penyakit
pasien.
Tujuan Penelitian :
Sumber Data : Machine Learning Repository UCI
Metode Penelitian : Klasifikasi Data Mining
Objek Penelitian : Penyakit Hepatitis
Hasil Penelitian : Menghasilkan akurasi 77,29% dan nilai AUC 0,846 yang termasuk
dalam Good Classification. Naive Bayes menghasilkan akurasi
83,71% dan nilai AUC 0,812.
Kesimpulan : Dari hasil penelitian yang telah dilakukan pada data pasien
penderita penyakit hepatitis maka dapat disimpulkan bahwa
metode klasifikasi data mining Algoritma C4.5 menghasilkan akurasi
77,29% dan nilai AUC 0,846 yang termasuk dalam Good
Classification. Naive Bayes menghasilkan akurasi 83,71% dan nilai
AUC 0,812. Dengan demikian dapat disimpulkan bahwa kedua
metode ini akurat dalam melakukan prediksi untuk penyakit
hepatitis.
Saran : 1. Penelitian ini dapat dikembangkan lebih lanjut dengan
melakukan uji statistik dengan menggunakan uji T-Test dengan
membandingkan kedua algoritma untuk melihat algoritma mana
yang lebih dominan atau signifikan berdasarkan nilai
probabilitas.
2. Penelitian ini dapat dikembangkan dengan metode optimasi
seperti PSO (Particle Swarm Optimization), GA (Genetic
Algorithm), dan lainnya untuk meningkatkan akuras dari metode.
3. Penelitian ini dapat dikembangkan lagi dengan membandingkan
dengan metode lainnya seperti Neural Network, SVM, KNN, dan
lain-lain.
4. Tidak semua kasus atau permasalahan harus diselesaikan dengan
satu algoritma pada data mining. Karena belum tentu algoritma
yang digunakan merupakan algoritma yang paling akurat. Oleh
 karena itu untuk menentukkan algoritma yang paling akurat ini
perlu dilakukan komparasi beberapa algortima.
Alamat Link : http://ejournal.nusamandiri.ac.id/index.php/pilar/article/view/149

Judul : Kajian Penerapan Metode Klasifikasi Data Mining Algoritma C4.5 Untuk
Prediksi Kelayakan Kredit Pada Bank Mayapada Jakarta
Jurnal : Teknik Komputer AMIK BSI
Volume & : Vol.II No.1
Halaman
Tahun : 2016
Penulis : Nandang Iriadi, Nia Nuraeni
Permasalaha : Para calon debitur melakukan segala macam cara agar kreditnya disetujui
n oleh pihak bank. Hal ini yang menyebabkan tingkat kredit macet juga
meningkat. Penyebabnya antara lain kurang akuratnya credit officer dalam
memberikan analisanya, pihak account officer yang kurang tepat dalam
mencari calon debitur karena dikejar oleh target perusahaan.
Tujuan : 1. Menerapkan algoritma C4.5 untuk meningkatkan keakuratan analisa
Penelitian kredit pada Bank Mayapada Mitra Usaha Cabang PGC.
2. Penggunaan algoritma algoritma C4.5 serta mengoptimalkan dan
menganalisa atribut faktor usaha sebagai parameter untuk penentuan
kelayakan kredit, diantaranya: jenis usaha, status tempat usaha, lama
usaha, sistem penjualan, sistem pembelian, omzet per bulan, gross
profit margin, repayment capacity, fasilitas dan kolek nasabah.
Sumber Data : Penyelidikan perlakuan parameter atau variabel
Metode : Eksperimen
Penelitian
Objek : Bank Mayapada Jakarta
Penelitian
Hasil : Hasil penelitian untuk nilai akurasi algoritma klasifikasi C4.5 adalah 83.67%
Penelitian
Kesimpulan : Kesimpulan yang diperoleh setelah melakukan penelitian kelayakan kredit
Hasil penelitian untuk nilai akurasi algoritma klasifikasi C4.5 adalah 83.67%.
Hasil evaluasi menggunakan ROC Curve nilai AUC adalah 0.904 dengan
tingkat klasifikasi sangat baik
Saran : Jumlah data yang digunakan hanya 300 dengan jumlah atribut 9, sehingga
untuk hasil pengukuran yang lebih baik lagi disarankan untuk menambah
jumlah data yang lebih besar dan jumlah atribut yang lebih banyak.
Gunakan metode opimasi lain seperti, Genetic Algorithm (GA), Ant Colony
Optimization dan lainnya. Aspek Sistem.
Alamat Link : https://ejournal.bsi.ac.id/ejurnal/index.php/jtk/article/download/371/28
0
Judul : Penerapan Algoritma C4.5 Untuk Memprediksi Penerimaan Calon
Pegawai Baru di PT WISE
Jurnal : Jatisi
Volume & Halaman : Vol. 3 No. 2
Tahun : 2017
Penulis : Fandy Ferdian Harryanto, Seng Hansun
Permasalahan : Menurut Bapak Paulus masih terdapat beberapa pegawai
kantor yang malas dan tidak kompeten. Hal ini berarti proses
perekrutan pegawai pada perusahaan ini tidak berjalan dengan
baik. Selain itu, berdasarkan hasil wawancara dengan
Cendrawati selaku divisi Human Resource Development (HRD),
ada beberapa faktor yang menentukan apakah seseorang dapat
diterima ke dalam perusahaan. Faktor–faktor tersebut adalah:
umur, pendidikan terakhir, pengalaman bekerja, jenis kelamin,
perilaku saat wawancara, permintaan gaji awal dan penyakit yang
sedang diderita.
Tujuan Penelitian : Untuk mengidentifikasi calon pegawai suatu perusahaan.
Sumber Data : 1. Observasi
2. Wawancara
3. Studi Pustaka

Metode Penelitian : Pengumpulan Data

Objek Penelitian : PT WISE
Hasil Penelitian : Hasil tingkat keberhasilan prediksi calon pegawai baru di PT WISE
secara keseluruhan yang telah diukur menggunakan metode
ten-fold cross validation adalah sebesar 71%.
Kesimpulan : Implementasi algoritma C4.5 untuk melakukan prediksi terhadap
calon pegawai baru pada PT WISE telah berhasil dilakukan. Hasil
tingkat keberhasilan prediksi calon pegawai baru di PT WISE secara
keseluruhan yang telah diukur menggunakan metode ten-fold
cross validation adalah sebesar 71%. Untuk penelitian selanjutnya,
sebaiknya dilakukan uji coba menggunakan sampel data yang lebih
banyak agar tingkat akurasi aplikasi dapat ditingkatkan.
Saran : Dapat dilakukan penggabungan beberapa algoritma untuk
menentukan tingkat akurasi yang lebih akurat dan tinggi.
Alamat Link : https://jurnal.mdp.ac.id/index.php/jatisi/article/view/71/44
Judul : Penerapan Algoritma C4.5 pada Aplikasi Prediksi Kelulusan
Mahasiswa Prodi Informatika
Jurnal : Khazanah Informatika
Volume & Halaman : Vol. 4 No. 1
Tahun : 2017
Penulis : Ratna Puspita Sari Putri, Indra Waspada
Permasalahan : Data Mahasiswa tidak banyak memiliki kegunaan dan seolah-olah
menjadi sekumpulan data terabaikan yang bertambah besar tiap
tahunnya. Data tersebut hanya digunakan saat universitas
membutuhkan suatu informasi tertentu atau saat proses
akreditasi. Saat mahasiswa telah lulus maka data mereka akan
semakin jarang digunakan. Padahal data tentang mahasiswa yang
lulus merupakan data yang penting dan digunakan dalam proses
akreditasi
Tujuan Penelitian : Untuk menghasilkan suatu informasi seperti prediksi kelulusan
mahasiswa. Untuk membantu universitas dalam mengevaluasi
dan memperbaiki sistem pembelajaran sehingga universitas
dapat menghasilkan lulusan yang berkualitas.
Sumber Data : 1. Wawancara
2. Observasi
Metode Penelitian : Data Mining
Objek Penelitian : Mahasiswa Prodi Informatika
Hasil Penelitian : Precision 73.77%, recall 48.84%, dan akurasi 62.44%. Dari hasil
tersebut dapat disimpulkan bahwa penggunaan nilai confidence
0,25 meningkatkan akurasi lebih baik daripada nilai confidence
0,4.
Kesimpulan : Atribut yang paling dominan dalam kelulusan mahasiswa adalah
IPK, kedua adalah TOEFL, ketiga adalah asal daerah, dan yang
terakhir adalah jenis kelamin.
Meningkatkan akurasi lebih baik daripada nilai confidence 0,4.
Saran : Menggunakan jumlah data yang lebih banyak lagi dan melakukan
pengujian dengan data asset yang lebih lengkap atributnya
sehingga model yang sudah dihasilkan agar lebih teruji lagi
kedepannya.
Alamat Link : https://journals.ums.ac.id/index.php/khif/article/view/5975/39
79
Judul : Penerapan Algoritma C4.5 Berbasis Adaboost Untuk Prediksi
Penyakit Jantung
Jurnal : Teknologi Informasi
Volume & : Vol. 13 No. 1
Halaman
Tahun : 2017
Penulis : Abdul Rohman, Vincent Suhartono, Catur Supriyanto
Permasalahan : Industri kesehatan memiliki sejumlah besar data kesehatan, namun
sebagian besar data tersebut tidak diolah untuk mengetahui
informasi tersembunyi untuk dijadikan pengambilan keputusan yang
efektif oleh para praktisi kesehatan. Pengambilan keputusan atas
dasar data dan informasi yang akurat akan menghasilkan keputusan
dan prediksi penyakit menjadi tepat sasaran.
Tujuan Penelitian : Melakukan optimasi algoritma C4.5 berbasis Adaboost dengan
melakukan perulangan (iteration) dan attribute wighting untuk
meningkat akurasi dalam prediksi penyakit jantung.
Sumber Data : Pengumpulan Data
Metode Penelitian : Eksperimen
Objek Penelitian : Penyakit Jantung
Hasil Penelitian : C4.5 berbasis Adaboost memberikan pemecahan untuk
permasalahan penyakit jantung lebih akurat.
Kesimpulan : Dengan demikian dari hasil pengujian model di atas dapat
disimpulkan bahwa C4.5 berbasis Adaboost memberikan pemecahan
untuk permasalahan penyakit jantung lebih akurat.
Saran : Dalam Penelitian ini dilakukan dengan menggunakan metode
algoritma C4.5 dan algoritma C4.5 berbasis metode Adaboost. Perlu
dilakukan penelitian lanjut untuk mengurangi beberapa atribut dan
mengujicobakan kembali dengan algoritma lain dengan
mengoptimasi selain Adaboost yang menghasilkan tingkat akurasi
tinggi.
Hasil penelitian ini diharapkan bisa digunakan untuk membangun
sistem di rumah sakit untuk meningkatkan akurasi dalam prediksi
penyakit jantung.
Alamat Link : http://research.pps.dinus.ac.id/index.php/Cyberku/article/view/4/4
Judul : Algoritma C4.5 Untuk Pemodelan Daerah Rawan Banjir Studi
Kasus Kabupaten Karawang Jawa Barat
Jurnal : SAINTIKOM
Volume & Halaman : Vol. 9 No. 2
Tahun : 2017
Penulis : Ahmad Khusaeri, Septian Ilham, Desi Nurhasanah, Derrenz
Delpidat, Anggri, Aji Primajaya, Betha Nurina Sari
Permasalahan : Menurut data yang ada pada kantor BPS Karawang, hampir
setiap tahun curah hujan yang ada di Kabupaten Karawang
tinggi dan menyebabkan banjir. Banjir merupakan salah satu
aspek yang dikhawatirkan oleh masyarakat dan pemerintah
Kabupaten Karawang. Kekhawatiran masyarakat dan
pemerintah Kabupaten Karawang akan terjadinya banjir
didasari dari letak geografis Kabupaten Karawang yang memiliki
ketinggian permukaan tanah yang memasuki kategori daerah
rawan banjir karena Kabupaten Karawang merupakan daerah
dengan dataran rendah dibanding dengan daerah lain di Pulau
Jawa.
Kerugian yang ditimbulkan oleh banjir, terutama kerugian tidak
langsung, mungkin menempati urutan pertama atau kedua
setelah gempa bumi atau tsunami [2]. Dengan adanya banjir
membuat sektor industri dan pertanian yang sangat berperan
penting dalam memajukan kualitas ekonomi masyarakat
Kabupaten Karawang menjadi menurun. Mengingat sektor yang
menjadi sektor penting dalam meningkatkan kualitas ekonomi
masyarakat Kabupaten Karawang adalah di sektor industri dan
sektor pertanian. Sektor industri akan terhambat dengan
adanya banjir karena sektor industri bergantung kepadaa
sarana prasarana yang tidak terganggu. Sedangkan sektor
pertanian akan merasakan dampak dari terjadinya banjir di
Kabupaten Karawang mengingat kelancaran sektor pertanian
tergantung dari kondisi cuaca dan kondisi tempat.
Tujuan Penelitian : Untuk mengantisipasi banjir di Kabupaten Karawang.
Sumber Data : Area Studi
Metode Penelitian : Pengumpulan Data
Objek Penelitian : Kabupaten Karawang Jawa Barat
Hasil Penelitian : Tingkat akurasi yang dihasilkan dengan menggunakan algoritma
C4.5 adalah sebesar 84.385%.
Kesimpulan : Tingkat akurasi yang dihasilkan dengan menggunakan algoritma
C4.5 adalah sebesar 84.385%.
Precision dan Recall dari pohon keputusan tersebut adalah
0.871 dan 0.957.
Saran : Untuk meningkatkan tingkat akurasi dari pohon keputusan,
data yang digunakan dapat lebih banyak lagi dan ditambahkan
dengan beberapa atribut yang berbeda.
Dapat dilakukan penggabungan beberapa algoritma untuk
menentukan tingkat akurasi yang lebih akurat dan tinggi.
Alamat Link : ALGORITMA C4.5 UNTUK PEMODELAN DAERAH RAWAN BANJIR
STUDI KASUS KABUPATEN KARAWANG JAWA BARAT | Khusaeri
| ILKOM Jurnal Ilmiah (umi.ac.id)
Judul : Penerapan Algoritma C4.5 Untuk Penentuan Jurusan
Mahasiswa
Jurnal : Gema Aktualita
Volume & Halaman : Vol. 2 No. 1
Tahun : 2013
Penulis : Liliana Swastina
Permasalahan : Kecenderungan yang terjadi saat ini, banyak siswa kelas XII yang
tidak tahu minatnya dan bakatnya serta akan memilih jurusan
apa selepas SMU nanti [1]. Akibat yang buruk terjadi setelah itu,
yaitu keengganan belajar dan menurunnya kualitas serta
prestasi akademik karena siswa merasa salah dalam memilih
jurusan [2]. Banyak kasus dijumpai bahwa pemilihan jurusan
yang tidak sesuai dengan kemampuan, kepribadian, minat dan
bakat dapat mempengaruhi mahasiswa dalam mengikuti
perkuliahan. Dalam beberapa penelitian psikologi pendidikan,
minat dan bakat siswa diketahui cukup terkait dengan prestasi
akademiknya [3].
Tujuan Penelitian : Untuk menentukan jurusan yang akan diambil oleh mahasiswa
sesuai dengan latar belakang, minat dan kemampuannya
sendiri. Dengan demikian peluang untuk sukses
dalam studi di perguruaan tinggi semakin besar.
Sumber Data : Pengumpulan Data
Metode Penelitian : Eksperimen
Objek Penelitian : Mahasiswa
Hasil Penelitian : Hasil eksperimen dan evaluasi menunjukan bahwa Algoritma
Decision Tree C4.5 akurat diterapkan untuk penentuan
kesesuaian jurusan mahasiswa dengan tingkat akurasi 93,31 %
dan akurasi rekomendasi jurusan sebesar 82,64%.
Kesimpulan : Dengan demikian dapat disiimpulkan bahwa Algoritma Decision
Tree C4.5 akurat diterapkan untuk penentuan kesesuaian
jurusan mahasiswa dengan tingkat keakuratan 93,31 % dan
akurasi rekomendasi jurusan sebesar 82,64%
Saran : Dilakukan pengujian data dengan menambahkan beberapa
kolom yang data yang baru. Dapat juga dilakukan perbandingan
dengan metode algoritma lain yang mendukung pengujian data
yang ada, sehingga bisa didapat tingkat akurasi yang lebih baik
lagi
Alamat Link : Microsoft Word - 93-98 Jurnal Penerapan Algoritma C4.5 Liliana
Swastina-1.docx (uphsurabaya.ac.id)