Penerapan Data Mining Untuk Memprediksi Potensi Pendonor Darah Menjadi Pendonor Tetap Menggunakan Metode Decision Tree C.45

Authors

  • Ketut Jaya Atmaja Program Pascasarjana, Universitas Pendidikan Ganesha
  • Ida Bagus Gede Anandita Program Pascasarjana, Universitas Pendidikan Ganesha
  • Ni Kadek Ceryna Dewi Program Pascasarjana, Universitas Pendidikan Ganesha

DOI:

https://doi.org/10.31598/sacies.v7i2.284

Abstract

Persediaan darah pada suatu rumah sakit terkadang tidak menentu, sehingga sangat dibutuhkan persedian darah yang cukup pada bank darah, sehingga jika sewaktu – waktu dibutuhkan, darah sudah tersedia. Namun pada kenyataannya persedian darah sering kali bersifat tidak tetap. Dengan data mining diharapkan mampu memprediksi data pendonor yang ada pada PMI untuk memprediksi pendonor yang berpotensi menjadi pendonor tetap. Dalam proses ini metode yang dipakai dalam melakukan data mining adalah algoritma C4.5. Dari hasil analisis yang dilakukan, dapat diketahui bahwa data yang digunakan adalah data random sebanyak 600 data, dimana data training berjumlah 500 data, dan data set berjumlah 100 data. Dari pohon decision tree yang didapatkan dari proses data mining menggunakan algoritma C4.5 yang dilakukan dapat disimpulkan bahwa pegawai swasta dengan umur diatas 26 tahun paling banyak menjadi pendonor.

Downloads

Download data is not yet available.

References

[1] Eko Prasetyo, Data Mining-Mengolah Data Menjadi Informasi Menggunakan Matlab, Yogyakarta, 2014.
[2] Abidin, Taufik Fuadi, Pengantar WEKA, 2013
[3] Teguh Budi Santoso, “Analisa dan Penerapan Metode C4.5 Untuk Prediksi Loyalitas Pelanggan”, Jurnal Ilmiah Fakultas Teknik LIMIT’S, Vol.10, No.1, ISSN:0216-1184.
[4] Indri Rahmayuni, “Perbandingan Performansi Algoritma C4.5 dan CART Dalam Klasifikasi Data

Published

2018-06-07