IMPLEMENTASI APLIKASI PREDIKSI KETEPATAN PEMBAYARAN CUSTOMER PERUSAHAAN DENGAN METODE DECISION TREE

Pratama, Fajar Dedi (2023) IMPLEMENTASI APLIKASI PREDIKSI KETEPATAN PEMBAYARAN CUSTOMER PERUSAHAAN DENGAN METODE DECISION TREE. undergraduate thesis, Universitas Muhammadiyah Gresik.

Preview	Text HALAMAN PERNYATAAN ORISINALITAS (KEASLIAN).pdf Download (1MB) | Preview
Preview	Text Lembar Pengesahan.pdf Download (713kB) | Preview
Preview	Text LEMBAR PERSETUJUAN PUBLIKASI KARYA ILMIAH.pdf Download (1MB) | Preview
Preview	Text Halaman Judul.pdf Download (5MB) | Preview
Preview	Text BAB 1.pdf Download (926kB) | Preview
Preview	Text BAB 2.pdf Download (1MB) | Preview
Preview	Text BAB 3.pdf Download (4MB) | Preview
Preview	Text BAB 4.pdf Download (3MB) | Preview
Preview	Text BAB 5.pdf Download (373kB) | Preview
Preview	Text Daftar Pustaka.pdf Download (475kB) | Preview
Preview	Text Lampiran.pdf Download (393kB) | Preview

Abstract

PT Berdikari Jaya Bersama adalah perusahaan yang bergerak di bidang energi. Perusahaan ini memproduksi bahan bakar solar. Target pasarnya adalah para pelaku industri yang menggunakan bahan bakar solar dalam kegiatan usahanya, seperti pabrik, kontraktor, tambang dan hotel. Bagi para customer PT Berdikari Jaya Bersama, terdapat berbagai metode pembayaran yang dapat mereka ambil, mulai dari cash on delivery hingga pembayaran tempo 7 hari, 14 hari dan 30 hari. Decision tree yang termasuk dalam salah satu jenis proses data mining, secara umum adalah gambaran pemodelan dari persoalan yang terdiri beberapa serangkaian keputusan yang mengarah pada solusi, dalam menyatakan keputusan dan memberikan sebuah solusi. Konsep dari decision tree adalah mengubah sekumpulan data menjadi pohon keputusan yang merepresentasikan aturan-aturan dari sebuah keputusan. Dalam penelitian ini, metode decision tree dimanfaatkan untuk memprediksi ketepatan pembayaran customer. Penelitian ini menghasilkan pohon keputusan dari data hasil penjualan perusahaan, yang kemudian dimanfaatkan untuk melakukan prediksi terhadap data uji. Pengujian di penelitian ini menghasilkan nilai akurasi 82,25% yang termasuk kategori baik. Kata kunci : data mining, decision tree, prediksi

Item Type:	Thesis (undergraduate)
Subjects:	Engineering > Informatics Engineering Engineering
Divisions:	Faculty of Engineering > Informatics Engineering Study Program
Depositing User:	Fajar Dedi Pratama
Date Deposited:	12 Jun 2023 09:41
Last Modified:	12 Jun 2023 09:41
URI:	http://eprints.umg.ac.id/id/eprint/8114

Actions (login required)

View Item