Implementasi Algoritma C5.0 untuk menentukan Pelanggan Potensial di Kantor Pos Cimahi

Nisa Hanum Harani, Woro Isti Rahayu, Fanny Shafira Damayanti

Abstract


Kantor Pos Cimahi merupakan perusahaan BUMN yang bergerak pada bidang jasa pengiriman barang. Saat ini banyak perusahaan swasta yang bergerak dalam bidang jasa pengiriman barang, sehingga menyebabkan banyaknya pesaing bagi Kantor Pos Cimahi dan dapat menyebabkan pelanggan yang menggunakan jasa Kantor Pos Cimahi berkurang. Oleh karena itu diperlukan suatu sistem yang dapat membantu Kantor Pos Cimahi untuk dapat menentukan pelanggan potensial agar dapat diketahui pelanggan mana yang potensial sehingga dapat diberikan perlakuan khusus agar pelanggan tersebut tetap menggunakan jasa Kantor Pos Cimahi. Sistem yang dibangun menggunakan bahasa pemrograman PHP dan metode Algoritma C 5.0 yang merupakan salah satu algoritma pohon keputusan yang dapat membantu untuk menentukan pelanggan potensial. Penelitian menggunakan data transaksi periode bulan januari oktober 2020 dimana atribut yang digunakan yaitu bulan, nama perusahaan, jenis kiriman yang digunakan, jumlah transaksi selama sebulan, dan total uang. Hasil penelitian menunjukan bahwa algoritma C 5.0 mampu melakukan menentukan data pelanggan potensial dengan akurasi sebesar 96%.


Keywords


Kantor Pos Cimahi; Pohon Keputusan; PHP; Algoritma C 5.0

References


Khery Baindra S. Analisis Efektifitas Sumber Daya Manusia Bagian Sentral Layanan Pelanggan Korporat (Slpk) Pada Pt Pos Indonesia (Persero) Surakarta. UNS-F. Ekonomi Prog. D III Manajemen Pemasaran; 2014.

Khandre, A., & Alvi, A. S. Efficient Clustering Algorithm with Improved Clusters Quality. IOSR-JCE. 2016; 18(6): 15-19.

Nugroho, Y. S., & Haryati, S. N. Klasifikasi dan Klastering Penjurusan SMA Negeri 3 Boyolali. Boyolali: Khazanah Informatika. 2015. 1-6.

Abdul G, Yogiek I. Aplikasi Pengelompokan Pelanggan Pada Ums Store Menggunakan Algoritma K-Means. Jurnal Teknologi & Manajemen Informatika. 2018; 4(1), 196-203.

Yogi Y. Perbandingan Performansi Algoritma Decision Tree C5.0, Cart, Dan Chaid: Kasus Prediksi Status Resiko Kredit Di Bank X. Seminar Nasional Aplikasi Teknologi Informasi. 2007; 59-62.

Putu W, Dewa M, Sudarma I. Implementasi Algoritma C5.0 pada Penilaian Kinerja Pegawai Negeri Sipil. 2018; 17(3), 372-376.

Dyah, A. Imam, C. Sutrisno. Klasifikasi Penyimpangan Tumbuh Kembang Anak Menggunakan Algoritme C5.0. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. 2019; 3(10), 10258-10265.

S, Moedjiono, Y.B. Isak, A, Kusadaryono. Costumer Loyalty Prediction in Multimedia Service Provider Company with K-Means Segmentation and C4.5 Algorithm. International Conference on Informatics and Computing (ICIC). 2016; 210-215

Ernawati, I. Algoritma C5.0 Dan K-Nearest Neighbor. Skripsi. Bogor : Institut Pertanian Bogor. 2008.




DOI: http://dx.doi.org/10.26623/transformatika.v19i2.3098

Refbacks

  • There are currently no refbacks.


| View My Stats |

Jurnal Transformatika : Journal Information Technology  by  Department of Information Technology, Faculty of Information Technology and Communication, Semarang University  is licensed under a  Creative Commons Attribution 4.0 International License.