PENERAPAN ALGORITMA DECISION TREE C.45 UNTUK KLASIFIKASI DATA STATUS HUNI RUMAH REHABILITASI PASCA ERUPSI MERAPI

Nurhadi Wijaya, Marselina Endah, Mujatia Feliati

Abstract


Erupsi gunung Merapi berikut lahar hujan di Tahun 2010 berdampak pada kerusakan infrastruktur berikut ribuan hunian rumah di Kabupaten Sleman D.I.Yogyakarta dan Kabupaten Magelang Jawa Tengah. Melalui Peraturan Kepala BNPB No.5 Tahun 2011, rehabilitasi dan rekonstruksi perumahan yang terdampak erupsi Merapi, dilakukan dengan skema program Rehabilitasi dan Rekonstruksi Masyarakat dan Permukiman Berbasis Komunitas. Skema tersebut telah membangun rumah hunian sebanyak 2.516-unit. Berdasarkan Key Performance Indikator (KPI) oleh The World Bank, status huni rumah merupakan indikator keberhasilan kinerja skema program ini. Pelaksanaan progam rehabilitasi rumah pasca erupsi Merapi didokumentasikan dan terekam ke dalam basis data. Dibidang data mining, basis data merupakan aset yang dapat digunakan sebagai bahan pengenalan dan penemuan pola-pola data yang dapat dipelajari dan diteliti guna menyelesaikan permasalahan baik pengelompokan data maupun klasifikasi data. Pada penelitian ini dilakukan penerapan algoritma decision tree C.45 untuk mengklasifikasi data status huni rumah rehabilitasi pasca erupsi gunung Merapi. Hasil klasifikasi penelitian diperoleh angka nilai tingkat akurasi klasifikasi mencapai 91.34%, dengan demikian terjawab bahwa algoritma decision tree C.45 dapat diterapkan untuk mengklasifikasi data status huni rumah rehabilitasi pasca erupsi gunung Merapi.

Keywords


Data mining, Decision Tree C.45, Klasifikasi, Rehabilitasi, Status huni, Merapi

Full Text:

PDF

References


Bekti, S., 2013. Pendampingan yang mencerahkan. Cetakan Pertama. Kementrian Pekerjaan Umum, Direktorat Jenderal Cipta Karya Republik Indonesia

KPI,.2014. Key Performance Indicators : Community-based Settlements Rehabilitation and Reconstruction Project (Rekompak), KPI Rekompak JRF-PSF Status November 2014. tersedia di http://www.rekompakciptakarya.org/KPI [diakses : 18 Mei 2016].

Bramer, M., 2011. Principles of data mining, London, Springer

Han J., dan Kamber M., 2011. Data Mining: Concepts, Models, and Techniques, Verlag Berlin Heidelberg, Springer

Kusrini, dan Luthfi T.E., 2009. Algoritma Data Mining. P. Theresia Ari, Ed. Yogyakarta, Indonesia: Andi Offset.

Bustami., 2014 . Penerapan Algoritma Naive Bayes untuk mengklasifikasi data nasabah asuransi. Jurnal Informatika Vol. 8, No 1, hlm. 884-898.

Gorunescu, F., 2011. Data Mining Concept, Models and Techniques,12th ed.,Prof.Lakhmi C. Jain Prof. Janusz Kacprzyk,Ed. Craiova, Romania, Springer

Polczynski's D.R.L., Lecture. 2010. WEKA Classification Using Decision Trees. Computer science : college of engginering & Applied sciences

Satuan Kerja Rehabilitasi/Rekonstruksi Rumah Pasca Gempa Bumi DIY & Jateng, November 2014 “Pembangunan Permukiman Lestari : Layak huni dan berkelanjutan,†Ditjen Cipta Karya, Kementrian Pekerjaan Umum.

Sunjana, 2010. Aplikasi Mining Data Mahasiswa Dengan Metode Klasifikasi Decision Tree. Seminar Nasional Aplikasi Teknologi Informasi 2010. Snati 2010. , 24-29.

Andriani, Anik. 2013. “Sistem Prediksi Penyakit Diabetes Berbasis Decision Treeâ€. Jurnal Informatika. Vol.1.No.1

Nurhadi W. , 2018. Penerapan Algoritma Klasifikasi Naive Bayes Untuk Data Status Huni Rumah Bantuan Dana Rehabilitasi Dan Rekonstruksi Pasca Erupsi Gunung Merapi 2010. Prosiding seminar nasional, Pendekatan Multidisiplin Ilmu Dalam Manajemen Bencana. Universitas Respati Yogyakarta. Daerah Istimewa Yogyakarta. Vol 1, No 1, ISSN 2657-2397


Abstract View: 239, PDF Download: 213

Refbacks

  • There are currently no refbacks.




Prosiding Seminar Nasional

Universitas Respati Yogyakarta

Alamat : JL. Laksda Adisucipto KM 6,3 Depok Sleman Yogyakarta - Indonesia
Tel : 0274-488781
Fax : 0274-489780
Email : wahyurm@respati.ac.id


 
View My Stats
Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.