REVIEW JURNAL DATA MINING ALGORITMA KLASIFIKASI DAN REKOMENDASI

AKBAR, MUHAMMAD SUPANJI (2021) REVIEW JURNAL DATA MINING ALGORITMA KLASIFIKASI DAN REKOMENDASI. S1 thesis, Universitas Mercu Buana Jakarta.

Text (JURNAL MAHASISWA) KOMPRE+41517110121+MUHAMMADSUPANJIAKBAR - MUHAMMAD SUPANJI AKBAR.pdf Restricted to Registered users only Download (1MB)

Abstract

During a pandemic like today, many companies have been affected financially, which has led to the implementation of cost savings, cuts employee salaries, employee’s layoff, and much more, all of this is done to save the company's operational costs. There are many ways that companies do to be able to continue their business in order to survive until this pandemic period is over, such as sharpening marketing strategies to be more targeted by processing data from sales reports that they currently have. Such as determining customers who are entitled to promotions, determining employees who are entitled to promotions, predicting the acceptance of prospective employees, and so on, the decision-making technique uses the field of Data Mining. This study focuses on reviewing the Data Mining algorithm which is included in the classification and recommendation category. This combination of classification algorithms and recommendations aims to streamline the process of labeling data so that it no longer needs to be done manually. After the data is ready to be used and processed into a model to make product recommendations based on the tendency of labels that have been previously classified. The results show that the Decision Tree and C4.5 algorithms are efficient enough to be used to classify a product because they have accuracy of results reaching more than 71%. Meanwhile, to make the recommendation system, the Apriori algorithm is more popularly used because it can produce prediction accuracy reaching 80% with an error tolerance below 20%. Key words: Data Mining, Classification Algorithm, Recommendation Algorithm Di masa pandemi seperti saat ini banyak perusahaan yang terdampak secara keuangannya yang menyebabkan diberlakukannya penghematan pengeluaran, pemotongan gaji karyawan, pengurangan jumlah karyawan, penundaan rencana belanja perusahaan, kegiatan proyek dan masih banyak lagi, semua ini dilakukan untuk penghematan biaya operasional perusahan. Banyak cara yang dilakukan oleh perusahaan untuk dapat terus melanjutkan bisnisnya agar dapat bertahan hingga masa pandemi ini usai seperti halnya mempertajam strategi pemasaran agar lebih tepat sasaran dengan mengolah data dari laporan penjualan yang sudah dimilikinya saat ini. Seperti menentukan pelanggan yang berhak mendapatkan promo, penentuan karyawan yang berhak mendapatkan promosi, memprediksi penerimaan calon pegawai, dan lain sebagainya, teknik pengambilan keputusan tersebut menggunakan bidang ilmu Data Mining. Penelitian ini berfokus dalam mengulas algoritma Data Mining yang termasuk kedalam kategori klasifikasi dan rekomendasi. Penggabungan algoritma klasifikasi dan rekomendasi ini bertujuan untuk mengefisiensikan proses dalam pelabelan data sehingga tidak perlu lagi dilakukan secara manual. Setelah data siap digunakan dan diolah menjadi model untuk melakukan rekomendasi produk berdasarkan kecenderungan label yang sebelumnya sudah diklasifikasikan. Hasilnya menunjukan bahwa algoritma Decision Tree dan C4.5 cukup efisien digunakan untuk melakukan pengklasifikasian suatu produk karena mempunyai akurasi ketepatan hasil mencapai lebih dari 71%. Sedangkan untuk membuat sistem rekomendasi algoritma Apriori lebih populer digunakan karena dapat menghasilkan ketepatan prediksi mencapai 80% dengan toleransi error dibawah 20%. Kata kunci: Data Mining, Algoritma Klasifikasi, Algoritma Rekomendasi

Actions (login required)

View Item