Munawar, Ghifari (2007) Penerapan Kombinasi Metode Decision Tree C4.5 dan Naive Bayes Classifier dalam Pembuatan Sistem Rekomendasi Penjualan Kendaraan pada Showroom Motor. Sarjana thesis, Universitas Brawijaya.
Abstract
Sistem rekomendasi merupakan jenis spesifik dari teknik pengumpulan informasi ( information filtering ) yang dapat digunakan untuk memprediksi ketertarikan seorang user pada sesuatu (Wikipedia, 2007). Dalam skripsi ini akan dibangun sebuah sistem rekomendasi penjualan pada showroom motor dengan menerapkan kombinasi dua metode data mining , yaitu decision tree C4.5 dan naive bayes classifier . Pada implementasinya decision tree digunakan untuk membentuk aturan klasifikasi jenis motor berdasarkan kriteria konsumen yang terdapat pada data penjualan. Sedangkan perhitungan naive bayes classifier digunakan untuk menentukan produk-produk yang perlu direkomendasikan. Tujuan penggunaan decision tree dalam hal ini adalah untuk mengarahkan proses perhitungan naive bayes classifier dalam menentukan produk yang direkomendasikan pada jenis motor tertentu, sehingga waktu yang dibutuhkan sistem dalam memberikan rekomendasi menjadi lebih singkat. Untuk mengevaluasi kemampuan kombinasi metode tersebut, dilakukan suatu uji coba untuk mengukur tingkat kesalahan ( error rate ) dan waktu rekomendasi sistem dengan mengklasifikasikan sejumlah data test . Selain itu hasil pengujian tersebut juga dibandingkan dengan hasil pengujian pada klasifikasi langsung menggunakan decision tree C4.5 dan hasil pengujian pada klasifikasi langsung menggunakan naive bayes classifier . Hasil uji coba dan evaluasi menunjukan bahwa tingkat kesalahan yang dihasilkan oleh kombinasi metode tersebut lebih tinggi dibandingkan naive bayes classifier dengan selisih ±1%, namun kecepatan proses rekomendasinya jauh lebih singkat. Sedangkan jika dibandingkan dengan metode decision tree C4.5 , meskipun kecepatan proses rekomendasinya lebih lama, tetapi tingkat kesalahan yang dihasilkan lebih rendah dengan selisih ±3%.
English Abstract
Recommender system is a specific type of information filtering technique that used to predicts the interest of user in something (Wikipedia, 2007). In this final task will be developed a sale recommender system at motorcycle showroom by applying two combination data mining methods, that are decision tree C4.5 and naive bayes classifier . The implementation of decision tree is used to establishs the motor type classification rules based on the customer criterias in data sale. While naive bayes classifier calculation is used to establishs products which need to be recommended. The target of using decision tree in this case is to instructs the calculation process of naive bayes classifier in determining product which recommended at certain motor type, so that the required time of system in giving recommendation become brieferly. To evaluate the ability of those combination methods is taken an examination to measure the error rate level and required time of system in giving recommendation by classifying the number of data tests. Beside that, the result of those examination is compared with the examination result on direct classification using decision tree C4.5 and the examination result on direct classification using naive bayes classifier . The result of examination and evaluation shows that the error rate level which yielded by those combination methods is higher than naive bayes classifier with difference about 1%, but the process time of recommendation is much briefer. While compared with decision tree C4.5 method, although the process time of recommendation is longer, but the error rate level is lower with difference about 3 %.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/MIPA/2007/216/050703248 |
| Subjects: | 500 Natural sciences and mathematics > 510 Mathematics |
| Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
| Depositing User: | Unnamed user with email repository.ub@ub.ac.id |
| Date Deposited: | 13 Dec 2007 09:22 |
| Last Modified: | 07 Mar 2022 03:36 |
| URI: | http://repository.ub.ac.id/id/eprint/151717 |
Preview |
Text
050703248.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |