Rekomendasi Merk Mobil Untuk Calon Pembeli Menggunakan Algoritma Decision Tree

Bima Hamdani Mawaridi, Muhammad Faisal

Abstract


Indonesia merupakan salah satu negara dengan jumlah penduduk yang banyak di dunia. Dalam aktivitas sehari-hari, mobil merupakan modal transportasi yang mayoritas dipakai oleh masyarakat selain sepeda  motor. Saat ini merk mobil yang diproduksi di Indonesia maupun langsung diimpor dari luar negeri semakin banyak dengan berbagai keunggulan masing –masing. Hal tersebut menyebabkan pengguna yang mau membeli mobil seringkali masih kesulitan untuk menentukan merk mobil yang sesuai dengan kriteria yang diinginkan. Dari permasalahan di atas maka akan dilakukan sebuah penelitian untuk membuat sebuah sistem klasifikasi merk mobil. Klasifikasi merk mobil ini nantinya diharapkan dapat meningkatkan efektifitas pemilihan merk mobil yang akan dibeli. Dalam penelitian ini disusulkan metode decission tree. Metode Decision tree sering digunakan untuk menghasilkan sebuah pohon keputusan yang memetakan kondisi dan tindakan yang harus diambil berdasarkan kondisi. Data yang digunakan memiliki Informasi tentang 3 merk mobil yakni AS, Jepang, Eropa. Tujuannya yaitu menemukan merk mobil menggunakan parameter seperti inci kubik, tahun pembuatan, dan lain-lain. Dari hasil pengujian nilai akurasi yang didapatkan yaitu 70%, rata-rata presisi 66% dan recall 70%.

 

 

Indonesia is one of the countries with a large population in the world. In daily activities, the car is the mode of transportation that the majority of people use besides motorbikes. Currently there are more and more car brands produced in Indonesia and directly imported from abroad with their respective advantages. This causes users who want to buy a car to often find it difficult to determine a car brand that fits the desired criteria. From the problems above, a study will be carried out to create a car brand classification system. This classification of car brands is expected to increase the effectiveness of choosing the car brand to be purchased. In this study, the decision tree method was proposed. The Decision tree method is often used to produce a decision tree that maps conditions and actions to be taken based on conditions. The data used has information about 3 car brands namely US, Japan, Europe. The goal is to find the make of the car using parameters like cubic inches, year of manufacture, etc. From the test results the accuracy value obtained is 70%, the average precision is 66% and the recall is 70%.


Keywords


Rekomendasi merk mobil, calon pembeli mobil, decision tree

References


Aditi, B., & Hermansyur, H. (2018). Pengaruh Atribut Produk, Kualitas Produk Dan Promosi, Terhadap Keputusan Pembelian Mobil Merek Honda Di Kota Medan. Jurnal Ilmiah Manajemen Dan Bisnis, 19(1), 64–72. https://doi.org/10.30596/jimb.v19i1.1743

Amperawansyah, R., & Putri, D. P. (2022). Pemilihan Jenis Smartphone Sesuai dengan Kebutuhan Menggunakan Metode Forward Chaining dan Decicion Tree. INOVTEK Polbeng - Seri Informatika, 7(1), 156. https://doi.org/10.35314/isi.v7i1.2402

Gusti, I. G., Nasrun Hasibuan, M., & Astuti Nugrahaeni, R. (2019). Rekomendasi Sistem Pemilihan Mobil Menggunakan K-Nearest Neighbor (Knn) Collaborative Filtering. TEKTRIKA - Jurnal Penelitian Dan Pengembangan Telekomunikasi, Kendali, Komputer, Elektrik, Dan Elektronika, 4(1), 26. https://doi.org/10.25124/tektrika.v4i1.1846

Ismanto, H., Azhari, A., Suharto, S., & Arsyad, L. (2018). Classification of the mainstay economic region using decision tree method. Indonesian Journal of Electrical Engineering and Computer Science, 12(3), 1037–1044. https://doi.org/10.11591/ijeecs.v12.i3.pp1037-1044

Iswara, I. P. P., Farhan, F., Kumara, W., & Supianto, A. A. (2019). Rekomendasi Pengambilan Mata Kuliah Pilihan Untuk Mahasiswa Sistem Informasi Menggunakan Algoritme Decision Tree. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 6(3), 341–348. https://doi.org/10.25126/jtiik.2019.6892

Kristianto, B., Suryadibrata, A., & Hansun, S. (2021). Rekomendasi Pemilihan Mobil dengan Algoritma VIKOR. Jurnal Sains Dan Informatika, 7(1), 97–106. https://doi.org/10.34128/jsi.v7i1.269

Latifah, R., Wulandari, E. S., & Kreshna, P. E. (2019). Model Decision Tree Untuk Prediksi Jadwal Kerja Menggunakan Scikit-Learn. Jurnal Universitas Muhammadiyah Jakarta, 1–6. https://jurnal.umj.ac.id/index.php/semnastek/article/download/5239/3517

Magdalena, M., & Sari, N. U. (2020). Pengaruh Citra Merek, Harga, dan Promosi terhadap Keputusan Pembelian Mobil Honda Brio di Kota Padang. Jurnal Pundi, 3(2), 123. https://doi.org/10.31575/jp.v3i2.146

Nadiah, N., Soim, S., & Sholihin, S. (2022). Implementation of Decision Tree Algorithm Machine Learning in Detecting Covid-19 Virus Patients Using Public Datasets. Indonesian Journal of Artificial Intelligence and Data Mining, 5(1), 37. https://doi.org/10.24014/ijaidm.v5i1.17054

Nazaruddin, N., & Sarbaini, S. (2022). Evaluasi Perubahan Minat Pemilihan Mobil dan Market Share Konsumen di Showroom Pabrikan Honda. Jurnal Teknologi Dan Manajemen Industri Terapan, 1(2), 97–103. https://doi.org/10.55826/tmit.v1iii.27

Paul, H., Wiguna, A. S., & Santoso, H. (2023). Penerapan Algoritma Support Vector Machine Dan Naive Bayes Untuk Klasifikasi Jenis Mobil Terlaris Berdasarkan Produksi Di Indonesia. JATI: Jurnal Mahasiswa Teknik Informatika, 7(1), 39–44.

Purnama, J. J., Nawawi, H. M., Rosyida, S., Ridwansyah, & Risandar. (2020). Klasifikasi Mahasiswa Her Berbasis Algortima Svm Dan Decision Classification of Her Students Based on Svm Algorithm and. Jurnal Teknologi Informasi Dan Ilmu Komputer, 7(6), 1253–1260. https://doi.org/10.25126/jtiik.202073080

Putra, Y. D. P., Sianto, M. E., & Mulyono, J. (2019). Analisis Faktor Terhadap Minat Beli Mobil Low Cost Green Car (LCGC) Merek Toyota Dan Daihatsu. Widya Teknik, 18(2), 90–95. https://doi.org/10.33508/wt.v18i2.2272

Robianto ; Sampe Hotlan Sitorus ; Uray Ristian. (2021). Penerapan Metode Decision Tree Untuk Mengklasifikasikan Mutu Buah Jeruk BerdasarkanFitur Warna Dan Ukuran. Jurnal Komputer Dan Aplikasi, 9(01), 76–86.

Swastika, W., Kurniawan, A., & Setiawan, H. (2020). Deteksi dan Klasifikasi Merek Mobil untuk Penentuan Iklan Billboard Menggunakan Convolution Neural Network. Jurnal Teknologi Informasi Dan Ilmu Komputer, 7(4), 701. https://doi.org/10.25126/jtiik.2020742183




DOI: https://doi.org/10.31294/inf.v10i2.16000

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Index by:

 
Published by Department of Research and Public Service (LPPM) Universitas Bina Sarana Informatika with supported Relawan Jurnal Indonesia

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License