KLASIFIKASI HARGA MOBIL MENGGUNAKAN METODE DECISION TREE ALGORITMA C4.5
Main Article Content
Abstract
Kendaraan bermotor seperti mobil sudah menjadi kebutuhan sehari-hari bagi banyak orang, khususnya di perkotaan. Kendaraan tersebut memiliki berbagai bagian yang menentukan harga, seperti mesin, jumlah silinder, hemat borosnya penggunaan bahan bakar, dan sebagainya. Sehingga sangat penting bagi para pengguna untuk membeli mobil yang sesuai dengan kebutuhan dan kapasitas keuangan mereka. Selain itu, penentuan harga mobil ini juga menjadi hal yang harus dipertimbangkan agar konsumen dapat menjangkaunya. Oleh karena itu, pada penelitian ini dilakukan pemodelan klasifikasi harga mobil, menggunakan metode decision tree algoritma C4.5 dengan aplikasi RapidMiner, dimana harga dari mobil tersebut dipengaruhi oleh beberapa faktor, seperti besar tenaga kuda pada mesin mobil, jenis transmisi, jumlah silinder, dan faktor lainya. Hasil penelitian ini diperoleh tingkat akurasi model klasifikasi sebesar 82.1% dan R-square sebesar 98.5%, yang berarti variabel independent sangat mempengaruhi variabel dependent pada model ini. Jika ditinjau dari model regresinya dan melihat nilai Root Mean Square Error (RMSE) diperoleh 6.95%, artinya adalah model ini dapat memprediksi harga mobil dengan ketepatan sebesar 93%.
Article Details

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
This work is licensed under Creative Commons Attribution-ShareAlike 4.0 International License.
References
Yulanto, D. M., & Iskandar, H., “STUDI ANALISIS PERKEMBANGAN
TEKNOLOGI KENDARAAN LISTRIK HIBRIDA,” Journal of Automotive
Technology Vocational Education, 31-44, 2021.
N. Iriadi, "Implementasi Data Mining Pada Klasifikasi Ketidakhadiran Pegawai
Menggunakan Metode C4.5," Computer Science (CO-SCIENCE), vol. I, pp. 53-61,
Mardi, Y., “Data Mining : Klasifikasi Menggunakan Algoritma C4.5,” Jurnal Edik
Informatika, 213-219, 2017.
Yuliana, A. & Pratomo, D. B., “ALGORITMA DECISION TREE (C4.5) UNTUK
MEMPREDIKSI KEPUASAN MAHASISWA TERHADAP KINERJA DOSEN
POLITEKNIK TEDC BANDUNG,” Seminar Nasional Inovasi Teknologi UN PGRI
Kediri, 377-384, 2017.
Asroni, dkk, “Penerapan Algoritma C4.5 untuk Klasifikasi Jenis Pekerjaan Alumni
di Universitas Muhammadiyah Yogyakarta,” Jurnal Semesta Teknika, 158-165,
Budiarto, S. P., “Klasifikasi Data Mahasiswa Menggunakan Metode Decision Tree
Algoritma C4.5 divisualisasikan dalam GIS (Studi Kasus: Universitas PGRI
Banyuwangi),” Jurnal CITISEE, 45-52, 2018.
Firdaus, M. & C. Triawan, A., “IMPLEMENTASI ALGORITMA DECISION TREE
UNTUK KLASIFIKASI POLA SERANGAN PADA LOG FILE,” Repository
Universitas Muhammadiyah Jember, 2019.
V. R. Joseph, "Optimal Ratio for Data Splitting," ARVIV, 2022.
Karsito & Susanti, S., “KLASIFIKASI KELAYAKAN PESERTA PENGAJUAN
KREDIT RUMAH DENGAN ALGORITMA NAÏVE BAYES DI PERUMAHAN
AZZURA RESIDENCIA,” Jurnal Teknologi Pelita Bangsa – SIGMA, 43-48, 2019.
Nurzahputra, A. & Muslim, M. A., “PENINGKATAN AKURASI PADA
ALGORITMA C4.5 MENGGUNAKAN ADABOOST UNTUK MEMINIMALKAN
RESIKO KREDIT,” Prosiding SNATIF, 243-247, 2017.
Holisatul, M., dkk, “PERBANDINGAN ALGORITMA ID3 DAN C5.0 DALAM
IDENTIFIKASI PENJURUSAN SISWA SMA,” Jurnal Sarjana Teknik Informatika,
-12, 2013.
Maryana, D. & Sagala, F. L., “PENGARUH PENAGIHAN PAJAK DENGAN
SURAT TEGURAN DAN SURAT PAKSA TERHADAP EFEKTIFITAS
PENCAIRAN TUNGGAKAN PAJAK (STUDI KASUS PADA KANTOR
PELAYANAN PAJAK (KPP) PRATAMA MAJALAYA,) Jurnal Akuntansi Politeknik
Pos Indonesia, 1-10, 2019.