APLIKASI WEB PREDIKSI DAMPAK GEMPA DI INDONESIA MENGGUNAKAN METODE DECISION TREE DENGAN ALGORITMA C4.5

    Diory Pribadi Sinaga, - (2023) APLIKASI WEB PREDIKSI DAMPAK GEMPA DI INDONESIA MENGGUNAKAN METODE DECISION TREE DENGAN ALGORITMA C4.5. S1 thesis, Universitas Pendidikan Indonesia.

    Abstract

    Prediksi merupakan hal yang sangat penting bahkah sangat dibutuhkan karena dapat
    mengurangi risiko bila diketahui terlebih dahulu. Prediksi dapat dilakukan dengan
    menggunakan data mining berupa klasifikasi ke dalam kelas yang sudah ditentukan.
    Decision Tree merupakan suatu metode klasifikasi yang dapat digunakan untuk melakukan
    suatu prediksi pada kasus tertentu. Dalam hal ini kasus yang diteliti yaitu berkaitan dengan
    prediksi dampak gempa yang dirasakan berdasarkan Skala Intensitas Gempabumi BMKG
    (SIG-BMKG). Decision Tree memiliki beberapa algoritma diantaranya ID3, CART, dan
    C4.5. Pada penelitian ini algoritma yang dipakai adalah algoritma C4.5 karena di samping
    mudah untuk digunakan, algoritma ini tahan terhadap missing value dan dapat menangani
    variabel kontinu. Penelitian ini mengkonstruksi dan menganalisis performa model Decision
    Tree dengan algoritma C4.5 pada kasus prediksi dampak gempa di Indonesia, serta
    mengembangkan aplikasi web yang dapat digunakan pengguna. Dalam proses
    pengembangan model, penelitian ini menggunakan metodologi CRISP-DM (Cross Industry Standard Process for Data Mining). Model yang dipakai dalam memprediksi
    adalah model dengan performa terbaik. Penelitian ini menggunakan teknik validasi Split
    Validation dan k-fold Cross Validation dalam menemukan model terbaik. Model yang
    terbaik diperoleh pada iterasi pertama 10-fold Cross Validation. Model terbaik tersebut
    digunakan pada aplikasi web untuk memprediksi dampak gempa di Indonesia.
    Prediction is very important even needed because it can reduce risk if known in advance.
    Predictions can be made using data mining in the form of classification into predetermined
    classes. Decision Tree is a classification method that can be used to make a prediction in
    a particular case. In this case, the case studied is related to the prediction of the impact
    of the earthquake felt based on the BMKG Earthquake Intensity Scale (SIG-BMKG).
    Decision Tree has several algorithms including ID3, CART, and C4.5. In this study, the
    algorithm used is the C4.5 algorithm because besides being easy to use, this algorithm is
    resistant to missing values and can handle continuous variables. This research constructs
    and analyzes the performance of the Decision Tree model with the C4.5 algorithm in the
    case of earthquake impact prediction in Indonesia, as well as developing a web application
    that can be used by users. Inthe model development process, this research uses the CRISP-DM (Cross-Industry Standard Process for Data Mining) methodology. The model used in
    predicting is the model with the best performance. This research uses Split Validation and
    k-fold Cross Validation validation techniques in finding the best model. The best model
    was obtained in the first iteration of 10-fold Cross Validation. The best model is used in
    a web application to predict the impact of earthquakes in Indonesia.

    [thumbnail of S_MAT_1905589_Title.pdf] Text
    S_MAT_1905589_Title.pdf

    Download (598kB)
    [thumbnail of S_MAT_1905589_Chapter1.pdf] Text
    S_MAT_1905589_Chapter1.pdf

    Download (215kB)
    [thumbnail of S_MAT_1905589_Chapter2.pdf] Text
    S_MAT_1905589_Chapter2.pdf
    Restricted to Staf Perpustakaan

    Download (655kB)
    [thumbnail of S_MAT_1905589_Chapter3.pdf] Text
    S_MAT_1905589_Chapter3.pdf

    Download (323kB)
    [thumbnail of S_MAT_1905589_Chapter4.pdf] Text
    S_MAT_1905589_Chapter4.pdf
    Restricted to Staf Perpustakaan

    Download (1MB)
    [thumbnail of S_MAT_1905589_Chapter5.pdf] Text
    S_MAT_1905589_Chapter5.pdf

    Download (139kB)
    [thumbnail of S_MAT_1905589_Appendix.pdf] Text
    S_MAT_1905589_Appendix.pdf
    Restricted to Staf Perpustakaan

    Download (322kB)
    Official URL: http://repository.upi.edu
    Item Type: Thesis (S1)
    Additional Information: ID SINTA Dosen Pembimbing Rini Marwati : 0025066602 Bambang Avip Priatna : 0005126401
    Uncontrolled Keywords: Data mining, Klasifikasi, Decision Tree, C4.5, Model, CRISP-DM Classification
    Subjects: L Education > L Education (General)
    Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Matematika - S1 > Program Studi Matematika (non kependidikan)
    Depositing User: Diory Pribadi Sinaga
    Date Deposited: 04 May 2023 21:31
    Last Modified: 04 May 2023 21:31
    URI: http://repository.upi.edu/id/eprint/89841

    Actions (login required)

    View Item View Item