RAMADHAN, MUHAMMAD AKBAR (2020) KLASIFIKASI JASA PENGIRIMAN JNE SERVICE MENGGUNAKAN ALGORITMA DECISION TREE. S1 thesis, Universitas Mercu Buana Jakarta.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (JURNAL MAHASISWA)
Muhammad Akbar Ramadhan - 41515110117.pdf Restricted to Registered users only Download (1MB) |
Abstract
A company engaged in the field of freight forwarding services or better known as expedition services. The problem that often exists in these companies is when there is data that can be developed but only as data that is not used while the data should be managed as a new business strategy that can be developed for the benefit of the company. With the existing problems, the current research that the authors undertake aims to implement one of the existing algorithms in data mining, but the writer focuses more on the C4.5 algorithm which functions to be able to produce complex decisions to be simpler like a data for customers to better retain customers with large scale groups so as not to turn away or move to other expedition services. The results showed that the tree produced from software created by the decision tree method with the C4.5 algorithm has a 96.28% percentage between the truth tree to 100% that can be obtained from a prediction. the results obtained by customers in the frequency category of shipping prices with a weight of more than Rp.50,000 get a discount using some of the services used. Whereas it can be seen from the other side that can be developed as well but does not get a discount because it does not match the applicable discount criteria. Though it can be transferred using methods such as increasing interest in sending in other ways such as if you do not get a discount it can be transferred using points or rewards. A large percentage of the truth tree is strongly influenced by the training data used to build a decision tree model. Data processing conducted in this study uses the help of Rapid Minner tools to get the model, the results of the decision tree and get its accuracy value. Sebuah perusahan yang bergerak di bidang jasa pengiriman barang ini atau lebih dikenal seperti jasa expedisi. Pemasalah yang sering ada dalam perusahan tersebut adalah ketika ada data yang bisa dikembangkan tetapi hanya sebagai data yang tidak bergunakan sedangkan seharunya dari data itu bisa dikelolah untuk sebagai strategi bisnis yang baru yang bisa dikembangan untuk keuntungan perusahaan tersebut. Dengan masalah yang ada maka Penelitian saat ini yang penulis lakukan bertujuan untuk mengimplementasikan salah satu algoritma yang ada pada data mining, namun penulis lebih memfokuskan pada algoritma C4.5 yang berfungsi untuk mampu menghasilkan keputusan kompleks menjadi lebih sederhana seperti sebuah data untuk pelanggan agar lebih mempertahakan nasabah dengan golongan skala besar agar tidak berpaling atau pindah ke layanan jasa expedisi lain. Hasil penelitian menunjukkan bahwa pohon yang dihasilkan dari perangkat lunak yang dibuat dengan metode decision tree dengan algoritma C4.5 memiliki persentase 96.28% antara pohon kebenaran sampai 100% yang dapat didapatkan dari sebuah prediksi. hasil yang didapatkan nasabah bertransaksi dalam frekuensi kategori harga pengiriman berat lebih dari Rp.50.000 mendapatkan diskon menggunakan beberapa servie yang digunakan. Sedangan dibisa dilihat dari sisi lain yang bisa dikembangkan juga tetapi tidak mendapatkan diskon karena tidak sesuai keriteria diskon yang berlaku. Padahal bisa dialihkan menggunakan metode seperti meningkatkan peminat pengiriman dengan cara lain seperti jika tidak mendapatkan diskon bisa dialihkan penggunakan point atau reward.Persentase besar pohon kebenaran sangat dipengaruhi oleh data training yang digunakan untuk membangun suatu model pohon keputusan. Pengolahan data yang dilakukan dalam penelitian ini menggunakan bantuan tools Rapid Minner untuk mendapatkan model, hasil dari pohon keputusan dan mendapatkan nilai accuracy nya. Kata kunci: Pengiriman, Data Mining, Decision Tree, Algoritma C4.5
Actions (login required)
 |
View Item |
