PREDIKSI PRODUK E-AUCTION YANG AKAN MENGUNTUNGKAN MELALUI KLASIFIKASI MENGGUNAKAN DECISION TREE (STUDI KASUS : DATA MINING CUP 2006) PREDICTION OF PROFITABLE E-AUCTION’S PRODUCT BY CLASSIFICATION USING DECISION TREE (CASE STUDY : DATA MINING CUP 2006)

MUHAMMAD DORIS

Informasi Umum

Kode

113020219

Klasifikasi

000 - Generalistics

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Other

Dilihat

29 kali

Informasi Lainnya

Abstraksi

ABSTRAKSI: Semakin tinggi teknologi, maka manusia semakin dipermudah. Hal ini terjadi pada internet, apalagi dunia bisnis. Misalnya pelelangan, biasanya pelelangan barang dilakukan dalam suatu ruangan, dengan internet, pelelangan sudah bisa dilakukan di dunia maya yang tanpa ruang. Di pelelangan, pasti pemilik barang lelang ingin mendapatkan harga yang menguntungkan. Tapi, pada kenyataannya kadang menguntungkan, kadang tidak. Jadi alangkah bagusnya jika si pemilik barang bisa memprediksi terlebih dahulu barangnya yang mana saja yang akan menguntungkan. Cara menyelesaikan permasalahan diatas adalah dengan mempelajari faktor-faktor yang mempengaruhi terlelangnya suatu produk, baik dengan harga yang maksimal ataupun minimal. Faktornya bisa dari sebentar atau lamanya dilelangkan, rendah atau tingginya harga awal, kesudahan pelelangan pada akhir minggu, kategori produk, jenis pelelangan, dan lain-lain. Untuk itu diperlukan penggalian informasi pada data pelelangan yang lalu. Data mining adalah suatu ilmu yang berupaya menemukan pola, aturan, dan informasi berharga dan belum diketahui sebelumnya dari sekumpulan besar data. Dataset e-auction yang ada sudah memiliki kelas maka sebaiknya menggunakan teknik klasifikasi. Klasifikasi berusaha membangun model yang merumuskan kelas dari rekor-rekor data pada training set dan test set serta data baru yang belum diketahui kelasnya. Pada klasifikasi terdapat banyak metode, namun dalam tugas akhir ini hanya akan menggunakan metode decision tree umumnya, algoritma C4.5 khususnya.Kata Kunci : data mining, klasifikasi, decision tree, algoritma C4.5, training set, test set.ABSTRACT: Higher technology, people is getting easier. It happens to internet, moreover business world. For example auction, usually it conducts in one room., by internet, it can be done in illusion world without room. In auction, the product’s owners hope to get profitable price. But in fact, sometime got satisfiable price, sometime didnot. So, its good if product’s owners know which product that will be gainful, before launch the products on auction. The solution of this problem is by learn the factors that influence sales whether with maximum price or minimum price. The factor can be from duration days of auction, low or high start price, ending of auction on weekend, category of product, kind of auction, etc. To solve this problem need mining information from auction data that have been passed. Data mining is one of scince that try to discover pattern, rule, and valuable information that didnot know yet before from a hugh data. Because of e-auction dataset that we have use class, so its better to use classification technique. Classification try to build model on training set which formulate classes from data records from training set and test set and also new eauction that donot have a class yet. In classification there are so many method, but in this final project only use decision tree method commonly, C4.5 algorithm especially.Keyword: data mining, classification, decision tree, C4.5 algorithm, training set, test set.