Page 1
ARTIKEL
PENERAPAN ALGORITMA DECISION TREE C4.5 UNTUK
MEMPREDIKSI PENERIMAAN CALON ATLET PENCAK SILAT
Oleh:
EVRI YOGA WIDIATAMA SUKMA DITA
12.1.03.02.0331
Dibimbing oleh :
1. Ahmad Bagus Setiawan, ST, M.Kom.,MM
2. Risa Helilintar M.Kom
TEKNIK INFORMATIKA
TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
2018
Page 2
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Evri Yoga Widiatama | 12.1.03.02.0331 Teknik – Teknik Informatika
simki.unpkediri.ac.id || 1||
SURAT PERNYATAAN
ARTIKEL SKRIPSI TAHUN 2018
Yang bertanda tangan dibawah ini:
Nama Lengkap : Evri Yoga Widiatama Sukma Dita
NPM : 12.1.03.02.0331
Telepun/HP : 082234333885
Alamat Surel (Email) : [email protected]
Judul Artikel : Penerapan Algoritma Decision Tree C4.5 Untuk
BMemprediksi Penerimaan Calon Atlet Pencak Silat
Fakultas – Program Studi : Teknik-Teknik Informatik
Nama Perguruan Tinggi : Universitas Nusantara PGRI Kediri
Alamat Perguruan Tinggi : Jln. Kh. Ahmad Dahlan No. 76, Mojoroto, Kediri
Dengan ini menyatakan bahwa:
a. artikel yang saya tulis merupakan karya saya pribadi (bersama tim penulis) dan
bebas plagiarisme;
b. artikel telah diteliti dan disetujui untuk diterbitkan oleh Dosen Pembimbing I dan II.
Demikian surat pernyataan ini saya buat dengan sesungguhnya. Apabila dikemudian hari
ditemukan ketidak sesuaian data dengan pernyataan ini dan atau ada tuntutan dari pihak lain,
saya bersedia bertanggung jawab dan diproses sesuai dengan ketentuan yang berlaku.
Page 3
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Evri Yoga Widiatama | 12.1.03.02.0331 Teknik – Teknik Informatika
simki.unpkediri.ac.id || 2||
PENERAPAN ALGORITMA DECISION TREE C4.5 UNTUK
MEMPREDIKSI PENERIMAAN CALON ATLET PENCAK SILAT
Evri Yoga Widiatama Sukma Dita
12.1.03.02.0331
Teknik – Teknik Informatika
[email protected]
Ahmad Bagus Setiawan, ST, M.Kom.,MM
Risa Helilintar M.Kom
UNIVERSITAS NUSANTARA PGRI KEDIRI
ABSTRAK
Penerapan Algoritma Decision Tree C4.5 Untuk Memprediksi Penerimaan Calon Atlet
Pencak Silat. Skripsi, Teknik Informatika, FT Universitas Nusantara PGRI Kediri, 2018.
Decision tree menggunakan struktur hierarki untuk pembelajaran supervised. Proses
dari decision tree dimulai dari root node hingga leaf node yang dilakukan secara rekursif. Di
mana setiap percabangan menyatakan suatu kondisi yang harus dipenuhi dan pada setiap
ujung pohon menyatakan kelas dari suatu data.
Berdasarkan pembahasan yang telah dilakukan didapatkan hasil bahwa : (1) Sistem
ini dapat memudahkan menyeleksi calon atlet pencak silat PSHT sehingga mendapat calon
atlet terbaik serta dapat memaksimalkan atlet dalam pertandingan. (2) Penggunaan metode
Decision tree, dapat diterapkan pada sistem seleksi calon atlet PSHT.
KATA KUNCI : Atlet, Pencak Silat, Decision Tree C4.5
Page 4
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Evri Yoga Widiatama | 12.1.03.02.0331 Teknik – Teknik Informatika
simki.unpkediri.ac.id || 3||
I. Latar Belakang
Pencak silat adalah salah satu
mutiara dalam kekayaaan kebudayaaan
nusantara. Olahraga beladiri ini telah
ada di Indonesia sejak lama dan
terpelihara hingga kini. Tetapi, banyak
olahraga beladiri dari negara lain yang
banyak diminati oleh generasi
sekarang.
Kesalahan dalam pengambilan
keputusan dapat membawa dampak
yang sangat besar bagi prestasi atlet-
atlet dan prestasi daerah itu sendiri. Hal
ini merugikan para atlet yang akan
mengikuti pertandingan selanjutnya.
Selama ini belum ada sistem yang
mempermudah pelaksanaan seleksi
atlet pencak silat. Seleksi dapat
dilakukan dengan menggunakan sistem
pendukung keputusan.
II. METODE
Decision tree
Pada tahap ini akan dijelaskan
beberapa simulasi algoritma yang
digunakan dalam perencanaan
pembangunan sistem prediksi penerimaan
calon atlet. Langkah-langkah algoritma
decision tree adalah sebagai berikut
Langkah 1 : menghitung nilai Entropy
keseluruhan data dan dari masing-masing
kriteria. Perhitungan ini sesuai dengan
rumus 1
Pada keseluruhan data, ada 8 data
yang layak dan 7 data yang tidak layak.
Kemudian data tersebut di cari nilai
entropy nya.
Entropy (S)
Yes : 8
No : 7
Entropy (S)
=
. . . . . . . . . . (1)
= - (
) – (
)
= - ( 0,533 (
)) – ( 0.466 (
))
= 1,03885048
Mencari entropy masing-masing kriteria
Entropy kecepatan:
Kurang: 1+, 2-]
Normal : [7+, 5-]
Entropy (S, kurang)
= - (
) – (
)
= - ( 0.333 (
)) – ( 0.667 (
))
= 0.9183
Entropy (S, normal)
= - (
) – (
)
= - ( 0.583 (
)) – ( 0.416 (
))
= 0.979
Page 5
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Evri Yoga Widiatama | 12.1.03.02.0331 Teknik – Teknik Informatika
simki.unpkediri.ac.id || 4||
Langkah ke 2 : mencari gain dari
kriteria sesuai dengan rumus 2
Setelah mendapatkan hasil entropy
maka selanjutnya menghitung gain.
Gain (S,Kecepatan)
= entropi(y) - ∑
. .
. . (2)
= 1,0388 – (
) – (
)
= 0.017
Langkah ke 3 : apabila masing-
masing kriteria sudah dicari nilai entrophy
dan gainnya, maka langkah selanjutnya
yaitu mencari nilai gain tertinggi. Nilai
gain tertinggi akan dijadikan sebagai root
atau akar. Nilai gain tertinggi dari 4
kriteria adalah gain kecepatan sebesar
0,404685, maka gain Teknik di jadikan
akar.
III. HASIL DAN KESIMPULAN
1. Implementasi sistem
Flowchart
Flowchart System Prediksi Penerimaan
Calon Atlet Pencak Silat menggunakan
metode Decision Tree, yang memiliki
beberapa tahapan dalam penyelesaiannya.
Adapun proses atau tahapan-tahapan
tersebut yaitu menghitung nilai entropy,
mencari gain dari setiap kriteria dan
mencari nilai gain tertinggi untuk dijadikan
sebagai root atau akar, sedangkan langkah
terahir yaitu mendapatkan rule atau hasil
dari tree tersebut.
A. Tampilan Program
Login
Pada saat user mulai menggunakan
sistem, maka user akan dihadapkan
dengan form login yang mana hanya
orang yang memiliki username dan
password saja yang dapat masuk
kedalam sistem ini.
Page 6
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Evri Yoga Widiatama | 12.1.03.02.0331 Teknik – Teknik Informatika
simki.unpkediri.ac.id || 5||
Menu utama
Pada form menu utama, user akan
masuk ketampilan dengan 2 pilihan menu
yaitu menu data atlet dan menu prediksi.
Pada form ini juga memiliki 1 tombol yaitu
tombol logout. Tombol logout digunakan
untuk keluar dari sistem.
Prediksi
Pada form ini user akan melakukan
prediksi calon atlet dengan cara
memasukkan identitas berupa nama dan
umur serta 4 kriteria. 4 kriteria tersebut
yaitu kecepatan, stamina, fisik da teknik.
Setelah 4 kriteria di pilih dan mengisi
identitas maka user menekan tombol
prediksi untuk mengetahui hasilnya.
Kemudia user menyimpan data yang
kemudian data akan masuk ke dalam
database. Pada menu ini juga memiliki 2
tombol yaitu tombol back dan tombol
logout. Tombol back digunakan untuk
kembali ke menu utama. Sedangkan
tombol logout digunakan untuk keluar dari
system.
Data atlet
Pada form ini sistem menampilkan
data seluruh calon atlet yang layak maupun
yang tidak layak. Pada menu ini memiliki
2 tombol yaitu tombol back dan tombol
logout. Tombol back digunakan untuk
kembali ke menu utama. Sedangkan
tombol logout digunakan untuk keuar dari
sistem.
Petunjuk
Pada form ini user diberikan keterangan
mengenai cara penilaian dan informasi tentang
penilaian sesuai standart.
2. Kesimpulan
Berdasarkan pembahasan yang telah
dilakukan didapatkan hasil bahwa :
1. Sistem ini dapat memudahkan
menyeleksi calon atlet pencak silat
PSHT sehingga mendapat calon atlet
terbaik serta dapat memaksimalkan
atlet dalam pertandingan.
Page 7
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Evri Yoga Widiatama | 12.1.03.02.0331 Teknik – Teknik Informatika
simki.unpkediri.ac.id || 6||
2. Dengan menggunakan metode
Decision tree, penerapan sistem
seleksi calon atlet PSHT mejadi lebih
mudah, terbukti dalam penyeleksian
menggunakan aplikasi ini dengan
waktu kurang lebih 15 menit dapat
mengetahui atlet yang layak untuk
diajukan dalam pertandingan.
Saran
Untuk kepentingan lebih lanjut dari
penulisan skripsi ini, maka penulis
menuliskan beberapa saran sebagai
berikut:
1. Dalam penelitian selanjutnya dapat
menggunakan metode selain Decision
tree seperti : Dept-first search (DFS),
AHP, Breadth-first search (BFS),
Pelacakan Ke Belakang (Backward
Chaining) BF dan lain sebagainya.
Atau bisa juga dengan perbandingan
dua metode.
2. Perlu dikembangkan dengan
menambahkan kriteria-kriteria dari
berbagai pakar atau Ahli
IV. DAFTAR PUSTAKA
Andie. 2016. Penerapan Decision Tree
Untuk Menganalisis Kemungkinan
Pengunduran Diri Calon Mahasiswa
Baru. Technologia Vol. 7, No. 1.
Kalimantan
Bashor, Munir. 2016. Kosmologi
Persaudaraan Setia Hati (PSHT).
Fakultas Ushuluddin dan Pemikiran
Isalam Universitas Islam Negeri
Sunan Kalijaga Yogyakarta. [Diunduh
15 November 2017.
Bodnar, George H, dan William S
Hopwood. 2004. Sistem
InformasiAkuntansi Edisi Sembilan,
Terjemahan Julianto Agung Saputra.
Yogyakarta : Andi Publisher.
Connolly, T., Begg, C. 2010.
Database Systems: a practical
approach to design, implementation,
and management. 5th Edition.
America: Pearson Education
Fairuz. 2010. Analisis sistem Informasi –
Diagram alir Data (DAD)/ Data Flow
Diagram
(DFD).https://fairuzelsaid.wordpress.c
om/2010/01/08/analisis-sistem-
informasi-diagram-alir-data-dad-data-
flow-diagramdfd/. Diakses tanggal 30
januari 2018 pukul 22:10.
Handoko, Slamet. 2012. Sistem Informasi
Geografis Berbasis Web untuk
Pemetaan Sebaran Alumni
Menggunakan Metode K-Means.
Tesis. Program Pascasarjana
Universitas Diponegoro Semarang
Heryanti, D. N.,2005.Data mining
clasification dengan metode decision
tree menggunakan algoritma C4.5.
Jurnal tugas akhir. Universitas telkom.
Jamhur, Annisak Izzaty. 2016. Penerapan
Data Mining Untuk Menganalisa
Jumlah Pelanggan Aktif Dengan
Menggunakan Algoritma C4.5.
Page 8
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Evri Yoga Widiatama | 12.1.03.02.0331 Teknik – Teknik Informatika
simki.unpkediri.ac.id || 7||
Majalah Ilmiah, Vol. 23, No. 2.
Padang.
Kadir, Abdul. 2008. Tuntunan Praktis
Belajar Database Menggunakan
MySQL, C.V Andi Offset.
Yogyakarta.
Kusrini dan Lutfhi, Emha Taufiq. 2009.
Algoritma Data Mining. Yogyakarta :
Andi Publisher.
Putra dan Rusli. 2015. Arrangement Of
Players Position In Soccer Using The
Technique Of Naïve Bayes. Sistem
Informasi Institut Teknologi Kalbis:
Jakarta.
Rickyanto, Isak, 2003, Pemrograman
Database Java dengan JDBC, Andi,
Yogyakarta
Shella, pradega. 2015. Sistem pendukung
keputusan dengan menggunakan
decision tree dalam pemberian
beasiswa di sekolah menengah
pertama (studi kasus di SMP N 2
Rembang). Skripsi. Fakultas teknik
universitas negeri semarang.