Penerapan Data Mining Algoritma C4.5 Untuk Klasifikasi Prediksi Hasil Pengujian Kendaraan Bermotor Pada Dinas Perhubungan Kabupaten Rembang

Rieke Reza, Andarisgy and Arief, Jananto Penerapan Data Mining Algoritma C4.5 Untuk Klasifikasi Prediksi Hasil Pengujian Kendaraan Bermotor Pada Dinas Perhubungan Kabupaten Rembang. Publikasi Ilmiah.

PDF Download (2MB)

Abstract

Pengujian Kendaraan Bermotor Dinas Perhubungan merupakan bagian dari bidang sarana dan prasarana yang mempunyai tugas pokok dan fungsi memberikan pelayanan pada masyarakat yaitu dalam melakukan pengujian kendaraan bermotor yang meliputi proses pendaftaran, proses pembayaran atau retribusi, proses pemeriksaan teknis. Namun pada kenyataannya masih terdapat kendaraan yang belum laik jalan dan tidak lulus uji. Hal ini disebabkan kurangnya perawatan kendaraan secara rutin sehingga menyebabkan kendaranan rusak, selain itu usia kendaraan yang diatas sepuluh tahun juga rentan mengalami kKerusakan jika tidak dilakukan perawatan rutin terhadap kendaraan. kerusakan tersebut meliputi ebal tidaknya asap pada gas buang kendaraan, ban kendaraan jarang dirawat sehingga ban tersebut gundul dan tipis.tingkat kebisingan klakson yang tidak memenuhi standart pabrik akan membahayakan pengguna jalan, selain itu lampu kendaraan harus berfungsi dengan baik dan berfungsinya rem pada kendaraan. Kondisi ini dapat mempengaruhi pada saat melakukan pengujian kendaraan bermotor pada proses pemeriksaan teknis yang dapat menyebabkan kendaraan tidak lulus uji. Kendaraan yang tidak lulus uji disebabkan karena beberapa faktor. Untuk mengelompokan faktor yang mempengaruhi kendaraan bermotor tidak lulus uji menggunakan metode klasifikasi dengan algoritma C4.5 yang diharapkan dapat membantu mengetahui prediksi hasil pengujian kendaraan bermotor yang dilihat dari faktor yang mempengaruhinya. Penelitian ini menggunakan 428 record. Hasil dari penelitian ini dengan menggunakan perhitungan manual dan wols Rapidminer. Hasil perhitungan manual dengan menggunakan 100 record yang akan dibagi menjadi 0.8 untuk data training dan 0.2 untuk data testing menghasilkan pohon keputusan Kedalaman Alur Ban sebagai root node dengan nilai gain sebesar 0,325 dan tingkat keakurasian sebesar 95.00% menghasilkan 6 rule/aturan. Dari perhitungan manual dan menggunakan tools Rapidminer menghasilkan nilai akurasi yang sama dan pohon keputusan yang sama. Hasil implementasi algoritma C4.5 dengan jumlah 424 record yang akan dibagi menjadi tiga kali percobaan dengan rasio 70:30 menghasilkan nilai akurasi 96,06% dan 80:20 menghasilkan nilai akurasi 94.12% sedangkan 90:10 menghasilkan nilai akurasi 9524%. Yang akan digunakan yaitu 70:30 dengan nilai akurasi tertinggi 96,06% menghasilkan pohon keputusan dengan efisiensi rem sebagai root node dan menghasilkan 14 rule/aturan.

Item Type:	Article
Subjects:	H Social Sciences > H Social Sciences (General)
Faculty / Institution:	UNSPECIFIED
Depositing User:	Fakultas Ekonomi
Date Deposited:	13 Feb 2023 02:13
Last Modified:	13 Feb 2023 02:13
URI:	https://eprints.unisbank.ac.id/id/eprint/9124

Actions (login required)

View Item