SISTEM PREDIKSI HASIL PEKERJAAN CALON PEMENANG TENDER PADA BAGIAN LAYANAN PENGADAAN BARANG/JASA KABUPATEN GRESIK DENGAN METODE DECISION TREE C4.5

Subhakti, Ahmad Eko (2020) SISTEM PREDIKSI HASIL PEKERJAAN CALON PEMENANG TENDER PADA BAGIAN LAYANAN PENGADAAN BARANG/JASA KABUPATEN GRESIK DENGAN METODE DECISION TREE C4.5. undergraduate thesis, Universitas Muhammadiyah Gresik.

[img]
Preview
Text
4. keaslian.pdf

Download (388kB) | Preview
[img]
Preview
Text
Lembar Pengesahan.pdf

Download (766kB) | Preview
[img]
Preview
Text
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI SUB.pdf

Download (293kB) | Preview
[img]
Preview
Text
Halaman Judul.pdf

Download (823kB) | Preview
[img]
Preview
Text
10. BAB I.pdf

Download (217kB) | Preview
[img]
Preview
Text
11. BAB II.pdf

Download (383kB) | Preview
[img]
Preview
Text
12. BAB III.pdf

Download (877kB) | Preview
[img] Text
13. BAB IV.pdf
Restricted to Repository staff only

Download (1MB)
[img]
Preview
Text
14. BAB V.pdf

Download (190kB) | Preview
[img]
Preview
Text
15. Daftar Pustaka.pdf

Download (138kB) | Preview
[img]
Preview
Text
Lampiran.pdf

Download (257kB) | Preview

Abstract

Dalam proses pemilihan penyedia barang / jasa, Bagian Layanan Pengadaan Barang / Jasa Kabupaten Gresik telah sesuai dengan Peraturan Presiden No.54 tahun 2010 dengan mengevaluasi tiga penawar terendah. Setelah tiga calon pemenang lulus evaluasi, pemenang akan menjadi penawar terendah dari proyek yang ditenderkan.Tapi hasil pekerjaan proyek tender sebagian dianggap tidak memuaskan. Penelitian ini menggunakan teknik penambangan data klasifikasi menggunakan metode pohon keputusan C4.5 untuk memprediksi pekerjaan calon pemenang tender. Atribut yang digunakan dalam penelitian ini terdiri dari 5 variabel, yaitu penawaran harga, pengalaman, lokasi pemenang potensial, pekerjaan calon pemenang lainnya yang sedang berjalan dan peralatan untuk pemenang potensial. Pengujian sistem dilakukan tiga kali. Data yang digunakan diperoleh dari Divisi Layanan Pengadaan Kabupaten Grangik. Berdasarkan hasil pengujian ditemukan bahwa tes kedua menghasilkan akurasi tertinggi mencapai 91,4%.

Item Type: Thesis (undergraduate)
Uncontrolled Keywords: Data Mining, Klasifikasi, Decision Tree C4.5
Subjects: Engineering > Informatics Engineering
Engineering
Divisions: Faculty of Engineering > Informatics Engineering Study Program
Depositing User: Ahmad Eko Subhakti
Date Deposited: 03 Aug 2020 01:53
Last Modified: 03 Aug 2020 01:53
URI: http://eprints.umg.ac.id/id/eprint/3725

Actions (login required)

View Item View Item