Pengelolaan Barang Milik Negara Menggunakan Sistem Pendukung Keputusan Berbasis C5.0
| Main Authors: | Sutawan, Pande Made, Sudarma, Made, Gunantara, Nyoman |
|---|---|
| Format: | Article info application/pdf eJournal |
| Bahasa: | eng |
| Terbitan: |
Program Studi Magister Teknik Elektro Universitas Udayana
, 2023
|
| Online Access: |
https://ojs.unud.ac.id/index.php/jte/article/view/97639 https://ojs.unud.ac.id/index.php/jte/article/view/97639/50143 |
Daftar Isi:
- The recording of State Property at Udayana University on SIMAK-BMN has been carried out well, but the recorded State Property data only supports the preparation of balance sheets, lists of goods, reports of goods and control cards. The amount of data that is increasing every year has not been utilized optimally. The large amount of data at Udayana University and the superiority of K-Means in data grouping makes it possible to group data at the preprocessing stage using K-Means, then forming decision tree rules using C5.0 which is a refinement of the ID3 and C4.5 algorithms. The variables used in the formation of the decision tree are conditions, useful life and warranty period. The results of the study show that the decision tree rules that are formed are first checking the useful life, secondly checking good and other than good conditions, thirdly checking damaged conditions, namely lightly damaged and heavily damaged, and fourthly checking the warranty period. The recommendations generated by the decision support system are 2,894 preserved items, 1,397 deleted items, 112 maintained items with guarantees and 18 maintained items without warranty, out of a total of 4,421 items. The accuracy obtained is 97.69% calculated using the confusion matrix. Keywords : State property; K-Means; C5.0
- Pencatatan Barang Milik Negara di Universitas Udayana pada SIMAK-BMN sudah dilakukan dengan baik, namun data Barang Milik Negara yang tercatat baru mendukung penyusunan neraca, daftar barang, laporan barang dan kartu kontrol. Jumlah data yang setiap tahun semakin meningkat belum dimanfaatkan secara maksimal. Jumlah data yang besar di Universitas Udayana dan keunggulan K-Means dalam pengelompokan data memungkinkan pengelompokan data pada tahapan preprocessing dilakukan dengan K-Means, selanjutnya pembentukan aturan pohon keputusan menggunakan C5.0 yang merupakan penyempurnaan dari algoritma ID3 dan C4.5. Variabel yang digunakan dalam pembentukan pohon keputusan yakni kondisi, masa manfaat dan masa garansi. Hasil dari penelitian menunjukkan bahwa aturan pohon keputusan yang terbentuk yaitu pertama pengecekan masa manfaat, kedua pengecekan kondisi baik dan selain baik, ketiga pengecekan kondisi rusak yaitu rusak ringan dan rusak berat, dan keempat pengecekan masa garansi. Rekomendasi yang dihasilkan sistem pendukung keputusan yaitu 2894 barang pertahankan, 1397 barang hapus, 112 barang pelihara dengan garansi dan 18 barang pelihara tanpa garansi dari total 4421 barang. Akurasi yang diperoleh 97,69% dihitung menggunakan confusion matrix. Kata Kunci —Barang Milik Negara; K-Means; C5.0