64/MM/PB - Universitas Gunadarma

Matrikulasi : Aplikasi Komputer

Dosen : DR. Rodiah

Kelompok 2 :
1. Abdurrachman Wahid
2. Utami Ningsih
3. Mutia Azmi Nabila
4. Dian Panca Permata Sari
5. Bagaskhara Dimas Iswandaru
6. Prasodjo Agung

I. Pemilihan Dataset

Kelompok kami menggunakan dataset : Pemilu KPU yang diambil melalui website
https://www.kaggle.com/, yang berisi 425 records (daftar orang-orang Pemilu KPU).

II. Deskripsi Dataset

1. Original data terdiri dari 425, dengan 1 specific atribut dan 5 reguler Atribut. Untuk spesifik
atribut : Terpilih atau Tidak.

2. Observasi kami dilakukan untuk mengetahui keakuratan Pemilih KPU dalam Terpilih atau
Tidak. sehingga pola yang kami pilih adalah desision tree atas data training, kemudian 20%
dari data training dijadikan data tes dengan menggunakan fungsi apply model.

3. Metode yang kami sepakati untuk di gunakan adalah metode kuantitatif dengan data sekunder
yang di ambil dari website https://www.kaggle.com/ dengan pertimbangan bahwa untuk
mendapatkan pola terbaik dari tujuan observasi kami, dengan pola desision tree atas data
training, kemudian 20% dari data training dijadikan data tes dengan menggunakan fungsi apply
model.

4. Simulasi yang kami lakukan menggunakan applikasi rapidminer, sebagai berikut :

a. Total sampel 425, dengan 1 specific atribut dan 5 reguler atribut dengan spesifik atribut :
Terpilih atau Tidak. Data Pemilu KPU.
b. Model : Decision Tree
Proses yang dilakukan adalah desision tree atas data training, kemudian 20% dari data
training dijadikan data tes dengan menggunakan fungsi apply model.

c. Result : Decision Tree

d. Statistik
 e. Data Testing : Apply Model

f. Accuracy Rate Data Testing

Dengan menggunakan data testing sebesar 20% dari sampel, dihasilkan akurasi sebesar
71.76%.

5. Kesimpulan spesifik terhadap aktivitas ini bahwa metode metode kuantitatif dengan data
sekunder dengan pola desision tree atas data training, kemudian 20% dari data training
dijadikan data tes dengan menggunakan fungsi apply model, Dengan menggunakan data
testing sebesar 20% dari sampel, dihasilkan akurasi sebesar 71.76%.

Secara umum, Data Analitytic dan Data Mining pada mata kuliah ini sangat
MENYENANGKAN dan kami sangat ANTUSIAS untuk bisa melakukan berbagai observasi
yang lebih advance (tentunya dengan dibekali pemahaman dan kemampuan menggunakan
metode dan pola yng dibutuhkan).