PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK PREDIKSI PENGGUNAAN SPAREPART (STUDI KASUS : ACER CUSTOMER SERVICE CENTER )

Hartati, Sri (2017) PENERAPAN DATA MINING MENGGUNAKAN ALGORITMA C4.5 UNTUK PREDIKSI PENGGUNAAN SPAREPART (STUDI KASUS : ACER CUSTOMER SERVICE CENTER ). Other thesis, Universitas Teknokrat Indonesia.

[img] Text (Abstrak)
5.ABSTRAK.pdf - Published Version

Download (10kB)
[img] Text (Pendahuluan)
BAB I.pdf - Updated Version

Download (218kB)
[img] Text (Daftar Pustaka)
11.DAFTAR PUSTAKA.pdf - Bibliography

Download (79kB)
[img] Text (Skripsi Full)
skripsi_sihartati_13311170.pdf - Published Version
Restricted to Registered users only

Download (2MB) | Request a copy

Abstract

Acer Customer Service Center adalah pusat pelayanan pelanggan resmi dari PT Acer Indonesia yang melayani perbaikan produk, penjualan spareparts, dan aksesoris sebagai bentuk komitmen Acer terhadap kepercayaan yang telah diberikan oleh para pelanggan Acer, ketepatan/kecepatan penangan unit service sesuai estimasi dapat mempengaruhi kualitas service perihal kepuasan pelanggan. Tentunya jika ada kendala dengan tidak sesuainya estimasi yang diberikan maka hal tersebut akan membuat customer kecewa dan mengeluhkan perbaikan unitnya karena lebuih dari waktu yang diperkirakan. Maka diperlukan prediksi penggunaan spareparts dengan memperhatikan hal-hal yaitu product model, type, cc problem, dan part request. Penelitian ini bertujuan untuk mencari solusi bagaimana cara menentuka prediksi sparepart apa saja yang benar-benar dibutuhkan oleh cabang berdasarkan faktor-faktor yang mempengaruhi seperti product model, type, cc problem, dan part requestmengunakan penerapan data mining dengn menggunakan algoritma C 4.5 sehingga dapat membentuk suatu pohon keputusan. Teknik data mining merupakan suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database, sehingga dengan adanya sistem klasifikasi sparepart, diharapkan manajemen mampu mengambil keputusan untuk menentukan sparepartapa saja yang akan dikirim sesuai dengan data penggunaan sparepart, kemudian mampu mengurangi resiko penyimpanan data yang banyak. Pada hasil analisis proses prediksi penggunaan sparepart ditunjukan bahwa nilai entropy dan nilai gain sangat berpengaruh dalam pembentukan pohon keputusan, nilai gain yang paling tinggi akan menjadi node akar dari kriteria masing-masing atribut, sehigga nilai keputusan yang belum masuk dalam suatu class akan diproses kembali dengan mencari nilai entropy dan nilai gain tertinggi yang selanjutnya akan menjadi internal node.

Item Type: Thesis (Other)
Uncontrolled Keywords: Decision Tree, prediksi, algoritma C 4.5, WEKA, Transaski Service.
Subjects: PENDIDIKAN MATEMATIKA > Algoritma
Divisions: Fakultas Teknik dan Ilmu Komputer > S1 Sistem Informasi
Depositing User: Asep Haikal Kurniawan S.IP., M.A
Date Deposited: 04 Mar 2019 04:23
Last Modified: 27 Jun 2020 08:29
URI: http://repository.teknokrat.ac.id/id/eprint/1301

Actions (login required)

View Item View Item