Cover Image

PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK PREDIKSI PENGGUNAAN SPAREPART (STUDI KASUS ACER CUSTOMER SERVICE CENTER )

Main Author: Hartati, Sri
Format: Thesis PeerReviewed Book Bachelors
Bahasa: eng
Terbitan: Perpustakaan Universitas Teknokrat Indonesia , 2017
Subjects:
Algoritma
Online Access: http://repository.teknokrat.ac.id/1301/1/5.ABSTRAK.pdf
http://repository.teknokrat.ac.id/1301/2/BAB%20I.pdf
http://repository.teknokrat.ac.id/1301/3/11.DAFTAR%20PUSTAKA.pdf
http://repository.teknokrat.ac.id/1301/4/skripsi_sihartati_13311170.pdf
http://repository.teknokrat.ac.id/1301/
ctrlnum 1301
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.teknokrat.ac.id/1301/</relation><title>PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK PREDIKSI PENGGUNAAN SPAREPART&#xD; (STUDI KASUS : ACER CUSTOMER SERVICE CENTER )</title><creator>Hartati, Sri</creator><subject>Algoritma</subject><description>Acer Customer Service Center adalah pusat pelayanan pelanggan resmi dari PT Acer Indonesia yang melayani perbaikan produk, penjualan spareparts, dan aksesoris sebagai bentuk komitmen Acer terhadap kepercayaan yang telah diberikan oleh para pelanggan Acer, ketepatan/kecepatan penangan unit service sesuai estimasi dapat mempengaruhi kualitas service perihal kepuasan pelanggan. Tentunya jika ada kendala dengan tidak sesuainya estimasi yang diberikan maka hal tersebut akan membuat customer kecewa dan mengeluhkan perbaikan unitnya karena lebuih dari waktu yang diperkirakan. Maka diperlukan prediksi penggunaan spareparts dengan memperhatikan hal-hal yaitu product model, type, cc problem, dan part request.&#xD; &#xD; Penelitian ini bertujuan untuk mencari solusi bagaimana cara menentuka prediksi sparepart apa saja yang benar-benar dibutuhkan oleh cabang berdasarkan faktor-faktor yang mempengaruhi seperti product model, type, cc problem, dan part requestmengunakan penerapan data mining dengn menggunakan algoritma C 4.5 sehingga dapat membentuk suatu pohon keputusan. Teknik data mining merupakan suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database, sehingga dengan adanya sistem klasifikasi sparepart, diharapkan manajemen mampu mengambil keputusan untuk menentukan sparepartapa saja yang akan dikirim sesuai dengan data penggunaan sparepart, kemudian mampu mengurangi resiko penyimpanan data yang banyak.&#xD; &#xD; Pada hasil analisis proses prediksi penggunaan sparepart ditunjukan bahwa nilai entropy dan nilai gain sangat berpengaruh dalam pembentukan pohon keputusan, nilai gain yang paling tinggi akan menjadi node akar dari kriteria masing-masing atribut, sehigga nilai keputusan yang belum masuk dalam suatu class akan diproses kembali dengan mencari nilai entropy dan nilai gain tertinggi yang selanjutnya akan menjadi internal node.</description><publisher>Perpustakaan Universitas Teknokrat Indonesia</publisher><date>2017-02-07</date><type>Thesis:Thesis</type><type>PeerReview:PeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.teknokrat.ac.id/1301/1/5.ABSTRAK.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.teknokrat.ac.id/1301/2/BAB%20I.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.teknokrat.ac.id/1301/3/11.DAFTAR%20PUSTAKA.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.teknokrat.ac.id/1301/4/skripsi_sihartati_13311170.pdf</identifier><identifier> Hartati, Sri (2017) PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK PREDIKSI PENGGUNAAN SPAREPART (STUDI KASUS : ACER CUSTOMER SERVICE CENTER ). Other thesis, Universitas Teknokrat Indonesia. </identifier><recordID>1301</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:PeerReviewed
PeerReview
Book:Book
Book
Thesis:Bachelors
author Hartati, Sri
title PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK PREDIKSI PENGGUNAAN SPAREPART (STUDI KASUS : ACER CUSTOMER SERVICE CENTER )
title_sub ACER CUSTOMER SERVICE CENTER )
publisher Perpustakaan Universitas Teknokrat Indonesia
publishDate 2017
topic Algoritma
url http://repository.teknokrat.ac.id/1301/1/5.ABSTRAK.pdf
http://repository.teknokrat.ac.id/1301/2/BAB%20I.pdf
http://repository.teknokrat.ac.id/1301/3/11.DAFTAR%20PUSTAKA.pdf
http://repository.teknokrat.ac.id/1301/4/skripsi_sihartati_13311170.pdf
http://repository.teknokrat.ac.id/1301/
contents Acer Customer Service Center adalah pusat pelayanan pelanggan resmi dari PT Acer Indonesia yang melayani perbaikan produk, penjualan spareparts, dan aksesoris sebagai bentuk komitmen Acer terhadap kepercayaan yang telah diberikan oleh para pelanggan Acer, ketepatan/kecepatan penangan unit service sesuai estimasi dapat mempengaruhi kualitas service perihal kepuasan pelanggan. Tentunya jika ada kendala dengan tidak sesuainya estimasi yang diberikan maka hal tersebut akan membuat customer kecewa dan mengeluhkan perbaikan unitnya karena lebuih dari waktu yang diperkirakan. Maka diperlukan prediksi penggunaan spareparts dengan memperhatikan hal-hal yaitu product model, type, cc problem, dan part request. Penelitian ini bertujuan untuk mencari solusi bagaimana cara menentuka prediksi sparepart apa saja yang benar-benar dibutuhkan oleh cabang berdasarkan faktor-faktor yang mempengaruhi seperti product model, type, cc problem, dan part requestmengunakan penerapan data mining dengn menggunakan algoritma C 4.5 sehingga dapat membentuk suatu pohon keputusan. Teknik data mining merupakan suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database, sehingga dengan adanya sistem klasifikasi sparepart, diharapkan manajemen mampu mengambil keputusan untuk menentukan sparepartapa saja yang akan dikirim sesuai dengan data penggunaan sparepart, kemudian mampu mengurangi resiko penyimpanan data yang banyak. Pada hasil analisis proses prediksi penggunaan sparepart ditunjukan bahwa nilai entropy dan nilai gain sangat berpengaruh dalam pembentukan pohon keputusan, nilai gain yang paling tinggi akan menjadi node akar dari kriteria masing-masing atribut, sehigga nilai keputusan yang belum masuk dalam suatu class akan diproses kembali dengan mencari nilai entropy dan nilai gain tertinggi yang selanjutnya akan menjadi internal node.
id IOS15511.1301
institution Universitas Teknokrat Indonesia
institution_id 1130
institution_type library:university
library
library Perpustakaan Universitas Teknokrat Indonesia
library_id 1718
collection Repository Universitas Teknokrat Indonesia
repository_id 15511
subject_area Repository Teknokrat
Repository UTI
Repository Universitas Teknokrat Indonesia
city KOTA BANDAR LAMPUNG
province LAMPUNG
repoId IOS15511
first_indexed 2021-05-20T04:52:42Z
last_indexed 2021-05-20T04:52:42Z
recordtype dc
_version_ 1700252038084952064
score 17.538404

Lihat Juga