2021
DOI: 10.24176/sitech.v4i1.6281
|View full text |Cite
|
Sign up to set email alerts
|

Implementasi Algoritma C5.0 Untuk Menentukan Pelanggan Potensial Di Kantor Pos Cimahi

Abstract: Saat ini banyak perusahaan swasta yang bergerak di bidang jasa pengiriman yang mengakibatkan banyaknya pesaing bagi Kantor Pos Cimahi dan dapat mengakibatkan penurunan jumlah pelanggan yang menggunakan jasa Kantor Pos Cimahi. Oleh karena itu, diperlukan suatu sistem untuk membantu Kantor Pos Cimahi dalam mengidentifikasi calon pelanggan, sehingga dapat diketahui calon pelanggan mana yang dapat memperoleh perlakuan khusus, sehingga pelanggan tersebut dapat terus menggunakan jasa Kantor Pos Cimahi. Sistem yang d… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
3
1

Citation Types

0
0
0
4

Year Published

2021
2021
2023
2023

Publication Types

Select...
3

Relationship

0
3

Authors

Journals

citations
Cited by 3 publications
(4 citation statements)
references
References 5 publications
0
0
0
4
Order By: Relevance
“…Konsep dari decision tree yaitu dengan cara menampilkan sebuah algoritma dengan penyataan bersyarat dari sebuah node atau cabang untuk mewakili dari langkah-langkah dalam menghasilkan sebuah keputusan. Algoritma C5.0 merupakan salah satu metode klasifikasi dari decision tree sehingga menerapkan struktur pohon atau struktur berhierarki dalam mengambil keputusan [7], [8]. Algoritma C5.0 merupakan pengembangan dari metode decision tree yang sebelumnya, yaitu algoritma ID3 dan C4.5.…”
Section: Pendahuluanunclassified
See 1 more Smart Citation
“…Konsep dari decision tree yaitu dengan cara menampilkan sebuah algoritma dengan penyataan bersyarat dari sebuah node atau cabang untuk mewakili dari langkah-langkah dalam menghasilkan sebuah keputusan. Algoritma C5.0 merupakan salah satu metode klasifikasi dari decision tree sehingga menerapkan struktur pohon atau struktur berhierarki dalam mengambil keputusan [7], [8]. Algoritma C5.0 merupakan pengembangan dari metode decision tree yang sebelumnya, yaitu algoritma ID3 dan C4.5.…”
Section: Pendahuluanunclassified
“…Tetapi data sampel yang digunakan masih sedikit dan waktu yang digunakan masih cukup lama [1], [9], [2]. Sementara itu algoritma C5.0 telah cukup banyak digunakan pada obyek penelitian lain, dengan tingkat akurasi antara 80-99% [7], [10], [8], [11]. Dengan demikian maka dibuatlah penelitian yang memprediksi morfologi jamur menggunakan algoritma C5.0.…”
Section: Pendahuluanunclassified
“…Gain dengan nilai tertinggi akan menjadi node akar dari entropy terkecil tiap atribut [19]. Algoritma C5.0 dalam data mining dapat memberikan deskripsi pola biaya-biaya yang dibutuhkan selama proses produksi sarang burung walet hingga produk jadi Berdasarkan data-data tersebut, dilakukan penentuan atribut sebagai faktor yang mempengaruhi biaya produksi dan implementasi algoritma C5.0 menggunakan bantuan pohon keputusan dimana setiap keputusan dianalisis dan dievaluasi untuk mendapatkan keuntungan yang paling maksimum dengan biaya serendah mungkin [20].…”
Section: Pendahuluanunclassified
“…Dan juga secara otomatis dapat menghapus data yang tidak penting. Dalam algoritma ini pemilihan atribut diproses menggunakan gain ration [26]. Jika, perhitungan C4.5 hanya sampai menghitung gain, sedangkan pada algoritma C5.0 akan melanjutkan perhitungan gain ration dengan gain dan entropy yang sudah ditentukan.…”
Section: Uji Coba Dengan Menggunakan Algoritma C50unclassified