Algoritma C4.5 Dalam Menentukan Arus Kas Pembangunan Jalan (Studi Kasus Di PT.Tasya Total Persada)
DOI:
https://doi.org/10.33884/jif.v6i01.371Keywords:
Algoritma C4.5, Data Mining, Arus KasAbstract
PT Tasya Total Persada adalah sebuah Industri jasa konstruksi yang merupakan salah satu sektor industri yang memiliki Arus Kas pembangunan jalan. Keberhasilan dari suatu proyek dapat dilihat dari arus kasnya yang jelas dan terperinci untuk membantu manajer mengambil keputusan dalam proyek konstruksi. Arus kas dapat digunakan sebagai acuan yang dapat menilai kemampuan perusahaan secara rinci dan jelas untuk menilai kebutuhan perusahaan baik itu secara fisik atau non fisik. Arus kas dapat juga mempengaruhi kegiatan serta kinerja proyek yang sedang berlangsung, menjadikanya berhasil atau tidak. Metode yang digunakan dalam analisis ini adalah Algoritma C4.5 yang merupakan salah satu algoritma moderen untuk melakukan Data Mining. Data Mining adalah suatu proses pertambangan data yang digali meskipun belum diketahui hasilnya dan berikut diolah sedemikian rupa untuk mendapat hasil yang luar biasa. Algoritma C4.5 disebut juga dengan pohon keputusan (decision tree) yaitu merupakan salah satu metode klasifikasi yang menggunakan representasi struktur pohon. Berdasarkan data yang dikumpulkan maka akan dicleaning untuk membuang data yang tidak konsisten dan noise sehingga dari data yang ada didapat beberapa atribut yang diambil yaitu Mobilisasi, Pekerjaan drainase, Pekerjaan tanah, Pekerjaan struktur, Biaya tenaga kerja, Material, Bina lingkungan. Setelah proses transformasi selesai maka dilanjutkan ke proses Data Mining dengan teknik klasifikasi dan menggunakan algoritma C4.5, Dengan terbentuknya pohon keputusan, dapat dilakukan analisa dan evaluasi rule yang dihasilkan. Rule inilah yang akan menjadi aturan dalam mengidentifikasi arus kas, sehingga manajer bisa mengambil keputusan dengan tepat dan cepat pada proyek konstruksi tersebut.
References
[2] B. E. V Comendador, L. W. Rabago, and B. T. Tanguilig, “An educational model based on Knowledge Discovery in Databases (KDD) to predict learner’s behavior using classification techniques,” 2016 IEEE Int. Conf. Signal Process. Commun. Comput., pp. 1–6, 2016.
[3] M. Nunez-del-Prado and R. Gomez, “Learning data analytics through a Problem Based Learning course,” 2017 IEEE World Eng. Educ. Conf., pp. 52–56, 2017.
[4] G. Indrawan and G. R. Dantes, “Data Mining Rekomendasi Calon Mahasiswa Berprestasi Di Stmik Denpasar Menggunakan Metode Technique For Others Reference By Similarity To Ideal Solution Program Studi Ilmu Komputer , Program Pascasarjana,” vol. 5, no. 2, pp. 746–760, 2016.
[5] W. Supriyanti, Kusrini, and A. Amborowati, “Perbandingan kinerja algoritma c4.5 dan naive bayes untuk ketepatan pemilihan konsentrasi mahasiswa,” Informa, vol. 1, no. 2012, pp. 46–52, 2016.
