PREDIKSI KEPUASAN STAKEHOLDER DENGAN ALGORITMA C.45
Sari
ABSTRAK
Kepuasan Stakeholder sangat berpengaruh terhadap alumni, jika tingkat kepuasan Stakeholder tinggi maka akan mempermudah alumni yang lain untuk direkrut oleh Stakeholder dan jika tingkat kepuasan rendah maka alumni akan kesulitan saat perekrutan. Algoritma C.45 adalah suatu metode yang digunakan untuk menyelesaikan permasalahan logika untuk menghitung nilai. Cara kerja Algoritma C.45 adalah dengan menentukan atribut sebagai akar, membuat cabang untuk tiap-tiap nilai, membagi kasus dalam cabang dan mengulangi proses untuk setiap cabang sampai semua kasus pada cabang memiliki kelas yang sama. Penelitian ini membahas tentang kepuasan Stakeholder terhadap alumni Universitas Almuslim dimana Stakeholder dapat mengisi kuisioner secara online. Sistem prediksi kepuasan stakeholder dirancang menggunakan bahasa pemograman PHP dan database yang digunakan adalah MySql. Analisa kepuasan Stakeholder menggunakan Algoritma C4.5. hasil yang diperoleh adalah (1). Data yang digunakan berdasarkan data hasil jawaban dari Stakeholder yang dilakukan secara online. (3.) Hasil Penilaian dapat dilihat langsung oleh stakeholder. (4). Proses Algoritma C4.5 dapat menghitung semua kasus dan membentuk pohon keputusan.
Kata Kunci: Kepuasan Stakeholder, Algoritma C4.5, PHP, dan MySql
PENDAHULUAN
Semakin maju dunia pendidikan semakin berkembang wawasan, pola pikir, karakter suatu bangsa atau manusia, hal ini dapat dilihat dengan makin banyaknya lembaga pendidikan yang berdiri khususnya pada perguruan tinggi, baik perguruan tinggi negeri maupun perguruan tinggi swasta. Setiap Perguruan Tinggi selalu berusaha meningkatkan pelayanannya, kualitas SDM, sarana, perasarana dan hasil lulusannya yang mempunyai kompeten yang tinggi. Keberhasilan Perguruan Tinggi dapat dilihat dari berbagai hal, seperti banyaknya mahasiswa yang masuk, banyaknya lulusan, lama studi tepat waktu dan banyak dipakai oleh Stakeholder.
Teks Lengkap:
PDFReferensi
DAFTAR PUSTAKA
Anis, Chariri dan Imam Gozali, 2003. Teori Akuntansi, Badan Penerbit Universitas Diponegoro, Semarang
Basuki, Achmad dan Syarif, Iwan. 2003. Modul Ajar Decision Tree. Surabaya: PENS-ITS.
Berry, M.J.A. dan Linoff, G. S., 2004, Data Mining Techniques For Marketing, Sales, and Customer Relationship Management, Second Edition. Indianapolis, Indiana: Wiley Publishing, Inc.
Bitner, M. J. dan Zeithaml, V. A., 2003, Service Marketing.
Chariri, A., A & Ghajali, I. (2007). Teori Akuntansi, Semarang: Badan Penerbit UNDIP.
Freeman, R. E., (1984). Strategic Management: A Stakeholder Approach, Boston: Pitman Publishing
Han, 2006. Tahapan Proses Knowledge Discovery in Database
Jayanti, (2008). Teknik Klasifikasi Pohon Keputusan Untuk Memprediksi Kebangkrutan Bank Berdasarkan Rasio Keuangan Bank
Jefri (2013). Implementasi Algoritma C4.5 Dalam Aplikasi Untuk Memprediksi Jumlah Mahasiswa Yang Mengulang Mata Kuliah Di Stmik Amikom Yogyakarta
Jogiyanto. 2005. Analisis dan Desain Sistem Informasi. Yogyakarta: Penerbit Andi.
Kadir, Abdul .2008. MySQL Software yang Tergolong sebagai DBMS (Database Management System) yang Bersifat Open Source.
Kadir, Abdul. 2008. Dasar Pemrograman Web Dinamis Menggunakan PHP. Yogyakarta: Andi.
Kotler, Philip, 1997. Manajemen Pemasaran. Jakarta, Prenhallindo.
Larose , Daniel T, 2005, Discovering Knowledge in Data: An Introduction to Data Mining, John Willey & Sons. Inc
Lerdorf, Rasmus, 1999. The Reference Implementation of PHP
Lukmanul Hakim .2009. Macromedia Dreamweaver adalah sebuah HTML editor professional untuk mendesain secara visual
Madcoms, Litbang. 2011. AplikasiWeb Database dengan Dreamweaver dan php-MySQL.Yogyakarta: Andi.
Nugroho, A. 2009. Konsep Pengembangan Sistem Basis Data, Bandung: Informatika.
Raditya (2010). Implementasi Data Mining Classification untuk Mencari Pola Prediksi Hujan dengan Menggunakan Algoritma C4.5
Rudito, Bambang& Budimanta, Arif & Prasetijo, Adi (2004). Corporate Social Responsibility: Jawaban Bagi Modal Pembangunan Indonesia Masa Kini. Jakarta: ICSD
Sibero, Alexander F.k. 2011. Kitab Suci Web programming, Media Kom, Jkt,
Witten, Lan H. et al. (2011). Data Mining: Practical Machine Learning Tools and Techniques. 3rd ed Burlington: Morgan Kaufman Publisher.