REVIEW NASKAH PUBLIK

DATA MINING
JASA PENGIRIMAN TITIPAN KILAT
DI PT CITRA VAN TITIPAN KILAT (TIKI)

Disusun oleh:
225611025
Saras Eshanty

PROGRAM STUDI SISTEM INFORMASI

PROGRAM SARJANA
FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS TEKNOLOGI DIGITAL NDONESIA
YOGYAKARTA
2023
 DATA MINING JASA PENGIRIMAN TITIPAN KILAT DI PT CITRA VAN TITIPAN
Judul
KILAT (TIKI) DENGAN METODE DECISION TREE

NASKAH PUBLIKASI PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS

Nama Jurnal
KOMUNIKASI DAN INFORMATIKA UNIVERSITAS MUHAMMADIYAH SURAKARTA

Halaman 9 sampai dengan 15

Tahun 2014

Penulis IBNU GRAHA

Reviewer SARAS ESHANTY

Tujuan
Tujuan memberikan rencana strategis bagi perusahaan untuk meningkatkan keuntungan
Penelitian
Subjek
Klasifikasi data pengiriman titipan dengan data mining metode decision tree
Penelitian

Penelitian ini menggunakan dataset yang didapat dari PT Citra Van Titipan Kilat (TIKI) yaitu
Metode sebuah perusahaan yang bergerak di bidang jasa pengiriman barang (kurir). Teknik data mining
Penelitian yang digunakan dalam klasifikasi data pengiriman menggunakan metode Decision Tree dengan
algoritma C5.0.

Atribut yang digunakan untuk klasifikasi terdiri dari Service, Wilayah, Tonase, Harga dan Waktu.
Dengan pengimplemetasikan data mining menggunakan decision tree dapat diketahui bahwa pada
Langkah WIB customer memiliki kecenderungan atau karakteristik lebih memilih layanan One Night
Penelitian Service jika tonase ≤10 dan harga ≤50000. Kemudian pada wilayah WITA customer memiliki
kecenderungan atau karakteristik lebih memilih layanan Reguler jika tonase >10.
Kata Kunci

1. Pengumpulan Data
2. Pengelompokan Data

3. Implementasi dengan perhitungan Decision Tree (menentukan Root Node)

 Menentukan Internal Node

a. Menentukan internal node pada wilayah WIB dan WITA

Dari hasil tersebut dapat disimpulkan bahwa atribut Waktu, Waktu dan Tonase adalah node yang
akan digunakan untuk dijadikan perantara pada cabang harga ≤10000,10000 <Harga ≤50000.

Hasil
Penelitian

b. Menentukan internal node pada leaf WIB

Menentukan internal node pada wilayah WIB dengan harga ≤10000,10000 < Harga ≤ 50000 dan
Harga > 50000 :

c. Menentukan internal node pada leaf WITA

Menentukan internal node wilayah WITA pada Kuartal I, Kuartal II, Kuartal III, dan Kuartal IV :
4. Implementasi menggunakan Rapid Miner 5 (Rancangan Proses Decision Tree

Rancangan proses berdasarkan gambar kemudian dieksekusi untuk menghasilkan sebuah skema
pohon keputusan untuk mengetahui pola atau karakteristik pengiriman titipan berdasarkan atribut-
atribut yang diajukan. Hasil skema pohon yang telah dieksekusi dapat dilihat pada gambar 2.
 1. Telah diperoleh klasifikasi data pengiriman titipan dapat diketahui bahwa pada wilayah WIB
costumer memiliki kecendurungan atau karakteristik lebih memilih layanan One Night Service jika
tonase<=10 dan harga <=50000. Kemudian pada wilayah WITA costumer memiliki
kecendurungan atau karakteristik lebih memilih layanan regular jika tonase>10

Kesimpulan 2. Interpretasi hasil penelitian mengindikasi bahwa variabel atau atribut yang perlu
dipertimbangkan bagi PT Citra Van Titipan Kilat berdasarkan hasil klarifikasi adalah variabel
Tonase dan Harga. Karena variabel Tonase dan Harga adalah variabel yang paling berpengaruh
terhadap layanan pengiriman titipan. Dilihat dari hasil klarifikasi penulis menyarankan pada
pengiriman titipan dengan Tonase 10<Tonase dan dengan Harga>50000 supaya diberi layanan
titipan paket hemat yang lebih murah. Kemudian pada pengiriman titipan dengan Harga>50000
supaya diberi harga diskon atau promo untuk menarik minat costumer memilih layanan One Night
Service. Dengan demikian diharapkan dapat meningkatkan keuntungan bagi perusahaan.