artikel penerapan algoritma decision tree c4.5...

ARTIKEL

PENERAPAN ALGORITMA DECISION TREE C4.5 UNTUK

MEMPREDIKSI PENERIMAAN CALON ATLET PENCAK SILAT

Oleh:

EVRI YOGA WIDIATAMA SUKMA DITA

12.1.03.02.0331

Dibimbing oleh :

1. Ahmad Bagus Setiawan, ST, M.Kom.,MM

2. Risa Helilintar M.Kom

TEKNIK INFORMATIKA

TEKNIK

UNIVERSITAS NUSANTARA PGRI KEDIRI

2018

Artikel Skripsi

Universitas Nusantara PGRI Kediri

Evri Yoga Widiatama | 12.1.03.02.0331 Teknik – Teknik Informatika

simki.unpkediri.ac.id || 1||

SURAT PERNYATAAN

ARTIKEL SKRIPSI TAHUN 2018

Yang bertanda tangan dibawah ini:

Nama Lengkap : Evri Yoga Widiatama Sukma Dita

NPM : 12.1.03.02.0331

Telepun/HP : 082234333885

Alamat Surel (Email) : [email protected]

Judul Artikel : Penerapan Algoritma Decision Tree C4.5 Untuk

BMemprediksi Penerimaan Calon Atlet Pencak Silat

Fakultas – Program Studi : Teknik-Teknik Informatik

Nama Perguruan Tinggi : Universitas Nusantara PGRI Kediri

Alamat Perguruan Tinggi : Jln. Kh. Ahmad Dahlan No. 76, Mojoroto, Kediri

Dengan ini menyatakan bahwa:

a. artikel yang saya tulis merupakan karya saya pribadi (bersama tim penulis) dan

bebas plagiarisme;

b. artikel telah diteliti dan disetujui untuk diterbitkan oleh Dosen Pembimbing I dan II.

Demikian surat pernyataan ini saya buat dengan sesungguhnya. Apabila dikemudian hari

ditemukan ketidak sesuaian data dengan pernyataan ini dan atau ada tuntutan dari pihak lain,

saya bersedia bertanggung jawab dan diproses sesuai dengan ketentuan yang berlaku.

Artikel Skripsi




PENERAPAN ALGORITMA DECISION TREE C4.5 UNTUK

MEMPREDIKSI PENERIMAAN CALON ATLET PENCAK SILAT

Evri Yoga Widiatama Sukma Dita

12.1.03.02.0331

Teknik – Teknik Informatika

[email protected]

Ahmad Bagus Setiawan, ST, M.Kom.,MM

Risa Helilintar M.Kom

UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Penerapan Algoritma Decision Tree C4.5 Untuk Memprediksi Penerimaan Calon Atlet

Pencak Silat. Skripsi, Teknik Informatika, FT Universitas Nusantara PGRI Kediri, 2018.

Decision tree menggunakan struktur hierarki untuk pembelajaran supervised. Proses

dari decision tree dimulai dari root node hingga leaf node yang dilakukan secara rekursif. Di

mana setiap percabangan menyatakan suatu kondisi yang harus dipenuhi dan pada setiap

ujung pohon menyatakan kelas dari suatu data.

Berdasarkan pembahasan yang telah dilakukan didapatkan hasil bahwa : (1) Sistem

ini dapat memudahkan menyeleksi calon atlet pencak silat PSHT sehingga mendapat calon

atlet terbaik serta dapat memaksimalkan atlet dalam pertandingan. (2) Penggunaan metode

Decision tree, dapat diterapkan pada sistem seleksi calon atlet PSHT.

KATA KUNCI : Atlet, Pencak Silat, Decision Tree C4.5

Artikel Skripsi




I. Latar Belakang

Pencak silat adalah salah satu

mutiara dalam kekayaaan kebudayaaan

nusantara. Olahraga beladiri ini telah

ada di Indonesia sejak lama dan

terpelihara hingga kini. Tetapi, banyak

olahraga beladiri dari negara lain yang

banyak diminati oleh generasi

sekarang.

Kesalahan dalam pengambilan

keputusan dapat membawa dampak

yang sangat besar bagi prestasi atlet-

atlet dan prestasi daerah itu sendiri. Hal

ini merugikan para atlet yang akan

mengikuti pertandingan selanjutnya.

Selama ini belum ada sistem yang

mempermudah pelaksanaan seleksi

atlet pencak silat. Seleksi dapat

dilakukan dengan menggunakan sistem

pendukung keputusan.

II. METODE

Decision tree

Pada tahap ini akan dijelaskan

beberapa simulasi algoritma yang

digunakan dalam perencanaan

pembangunan sistem prediksi penerimaan

calon atlet. Langkah-langkah algoritma

decision tree adalah sebagai berikut

Langkah 1 : menghitung nilai Entropy

keseluruhan data dan dari masing-masing

kriteria. Perhitungan ini sesuai dengan

rumus 1

Pada keseluruhan data, ada 8 data

yang layak dan 7 data yang tidak layak.

Kemudian data tersebut di cari nilai

entropy nya.

Entropy (S)

Yes : 8

No : 7

Entropy (S)

=

. . . . . . . . . . (1)

= - (

) – (

)

= - ( 0,533 (

)) – ( 0.466 (

))

= 1,03885048

Mencari entropy masing-masing kriteria

Entropy kecepatan:

Kurang: 1+, 2-]

Normal : [7+, 5-]

Entropy (S, kurang)

= - (

) – (

)

= - ( 0.333 (

)) – ( 0.667 (

))

= 0.9183

Entropy (S, normal)

= - (

) – (

)

= - ( 0.583 (

)) – ( 0.416 (

))

= 0.979

Artikel Skripsi




Langkah ke 2 : mencari gain dari

kriteria sesuai dengan rumus 2

Setelah mendapatkan hasil entropy

maka selanjutnya menghitung gain.

Gain (S,Kecepatan)

= entropi(y) - ∑

. .

. . (2)

= 1,0388 – (

) – (

)

= 0.017

Langkah ke 3 : apabila masing-

masing kriteria sudah dicari nilai entrophy

dan gainnya, maka langkah selanjutnya

yaitu mencari nilai gain tertinggi. Nilai

gain tertinggi akan dijadikan sebagai root

atau akar. Nilai gain tertinggi dari 4

kriteria adalah gain kecepatan sebesar

0,404685, maka gain Teknik di jadikan

akar.

III. HASIL DAN KESIMPULAN

1. Implementasi sistem

Flowchart

Flowchart System Prediksi Penerimaan

Calon Atlet Pencak Silat menggunakan

metode Decision Tree, yang memiliki

beberapa tahapan dalam penyelesaiannya.

Adapun proses atau tahapan-tahapan

tersebut yaitu menghitung nilai entropy,

mencari gain dari setiap kriteria dan

mencari nilai gain tertinggi untuk dijadikan

sebagai root atau akar, sedangkan langkah

terahir yaitu mendapatkan rule atau hasil

dari tree tersebut.

A. Tampilan Program

Login

Pada saat user mulai menggunakan

sistem, maka user akan dihadapkan

dengan form login yang mana hanya

orang yang memiliki username dan

password saja yang dapat masuk

kedalam sistem ini.

Artikel Skripsi




Menu utama

Pada form menu utama, user akan

masuk ketampilan dengan 2 pilihan menu

yaitu menu data atlet dan menu prediksi.

Pada form ini juga memiliki 1 tombol yaitu

tombol logout. Tombol logout digunakan

untuk keluar dari sistem.

Prediksi

Pada form ini user akan melakukan

prediksi calon atlet dengan cara

memasukkan identitas berupa nama dan

umur serta 4 kriteria. 4 kriteria tersebut

yaitu kecepatan, stamina, fisik da teknik.

Setelah 4 kriteria di pilih dan mengisi

identitas maka user menekan tombol

prediksi untuk mengetahui hasilnya.

Kemudia user menyimpan data yang

kemudian data akan masuk ke dalam

database. Pada menu ini juga memiliki 2

tombol yaitu tombol back dan tombol

logout. Tombol back digunakan untuk

kembali ke menu utama. Sedangkan

tombol logout digunakan untuk keluar dari

system.

Data atlet

Pada form ini sistem menampilkan

data seluruh calon atlet yang layak maupun

yang tidak layak. Pada menu ini memiliki

2 tombol yaitu tombol back dan tombol

logout. Tombol back digunakan untuk

kembali ke menu utama. Sedangkan

tombol logout digunakan untuk keuar dari

sistem.

Petunjuk

Pada form ini user diberikan keterangan

mengenai cara penilaian dan informasi tentang

penilaian sesuai standart.

2. Kesimpulan

Berdasarkan pembahasan yang telah

dilakukan didapatkan hasil bahwa :

1. Sistem ini dapat memudahkan

menyeleksi calon atlet pencak silat

PSHT sehingga mendapat calon atlet

terbaik serta dapat memaksimalkan

atlet dalam pertandingan.

Artikel Skripsi




2. Dengan menggunakan metode

Decision tree, penerapan sistem

seleksi calon atlet PSHT mejadi lebih

mudah, terbukti dalam penyeleksian

menggunakan aplikasi ini dengan

waktu kurang lebih 15 menit dapat

mengetahui atlet yang layak untuk

diajukan dalam pertandingan.

Saran

Untuk kepentingan lebih lanjut dari

penulisan skripsi ini, maka penulis

menuliskan beberapa saran sebagai

berikut:

1. Dalam penelitian selanjutnya dapat

menggunakan metode selain Decision

tree seperti : Dept-first search (DFS),

AHP, Breadth-first search (BFS),

Pelacakan Ke Belakang (Backward

Chaining) BF dan lain sebagainya.

Atau bisa juga dengan perbandingan

dua metode.

2. Perlu dikembangkan dengan

menambahkan kriteria-kriteria dari

berbagai pakar atau Ahli

IV. DAFTAR PUSTAKA

Andie. 2016. Penerapan Decision Tree

Untuk Menganalisis Kemungkinan

Pengunduran Diri Calon Mahasiswa

Baru. Technologia Vol. 7, No. 1.

Kalimantan

Bashor, Munir. 2016. Kosmologi

Persaudaraan Setia Hati (PSHT).

Fakultas Ushuluddin dan Pemikiran

Isalam Universitas Islam Negeri

Sunan Kalijaga Yogyakarta. [Diunduh

15 November 2017.

Bodnar, George H, dan William S

Hopwood. 2004. Sistem

InformasiAkuntansi Edisi Sembilan,

Terjemahan Julianto Agung Saputra.

Yogyakarta : Andi Publisher.

Connolly, T., Begg, C. 2010.

Database Systems: a practical

approach to design, implementation,

and management. 5th Edition.

America: Pearson Education

Fairuz. 2010. Analisis sistem Informasi –

Diagram alir Data (DAD)/ Data Flow

Diagram

(DFD).https://fairuzelsaid.wordpress.c

om/2010/01/08/analisis-sistem-

informasi-diagram-alir-data-dad-data-

flow-diagramdfd/. Diakses tanggal 30

januari 2018 pukul 22:10.

Handoko, Slamet. 2012. Sistem Informasi

Geografis Berbasis Web untuk

Pemetaan Sebaran Alumni

Menggunakan Metode K-Means.

Tesis. Program Pascasarjana

Universitas Diponegoro Semarang

Heryanti, D. N.,2005.Data mining

clasification dengan metode decision

tree menggunakan algoritma C4.5.

Jurnal tugas akhir. Universitas telkom.

Jamhur, Annisak Izzaty. 2016. Penerapan

Data Mining Untuk Menganalisa

Jumlah Pelanggan Aktif Dengan

Menggunakan Algoritma C4.5.

Artikel Skripsi




Majalah Ilmiah, Vol. 23, No. 2.

Padang.

Kadir, Abdul. 2008. Tuntunan Praktis

Belajar Database Menggunakan

MySQL, C.V Andi Offset.

Yogyakarta.

Kusrini dan Lutfhi, Emha Taufiq. 2009.

Algoritma Data Mining. Yogyakarta :

Andi Publisher.

Putra dan Rusli. 2015. Arrangement Of

Players Position In Soccer Using The

Technique Of Naïve Bayes. Sistem

Informasi Institut Teknologi Kalbis:

Jakarta.

Rickyanto, Isak, 2003, Pemrograman

Database Java dengan JDBC, Andi,

Yogyakarta

Shella, pradega. 2015. Sistem pendukung

keputusan dengan menggunakan

decision tree dalam pemberian

beasiswa di sekolah menengah

pertama (studi kasus di SMP N 2

Rembang). Skripsi. Fakultas teknik

universitas negeri semarang.

artikel penerapan algoritma decision tree c4.5...

Documents