Putri, Yolanda Rizkita (2016) Prediksi Pola Kecelakaan Kerja PadaPerusahaan Non Ekstraktif Menggunakan Algoritma Decision Tree: C4.5 Dan C5.0. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1212100040-undergraduate-theses.pdf - Published Version Download (3MB) | Preview |
Preview |
Text
1212100040-paperpdf.pdf - Published Version Download (826kB) | Preview |
Preview |
Text
1212100040-presentationpdf.pdf - Published Version Download (4MB) | Preview |
Abstract
Kecelakaan kerja pada perusahaan sangat mungkin terjadi.
Kemungkinan tersebut dapat muncul dari berbagai aspek, mulai dari
aspek karyawan atau sistem perusahaan yang diterapkan. Salah satu
tindakan preventif yang dapat dilakukan adalah memprediksi pola
kecelakaan dari kecelakaan kerja yang terjadi. Data mining merupakan
metode yang dapat memprediksi pola data menggunakan data histori.
Salah satu metode yang dapat dipilih adalah klasifikasi. Klasifikasi
bekerja untuk membentuk pola dari keterhubungan atribut yang ada
pada data. Dalam Tugas Akhir ini, metode klasifikasi yang digunakan
adalah decision tree. Pada decision tree, atribut pada data dapat
membentuk suatu rules yang menggambarkan kemungkinan terjadinya
kejadian. Saat ini telah berkembang algoritma decision tree yang dapat
digunakan untuk memprediksi pola kecelakaan kerja, yaitu C4.5 dan
C5.0. Hasil Algoritma C4.5 dan C5.0 berupa rules akan digunakan
untuk proses klasifikasi. Selanjutnya proses testing digunakan untuk
mengetahui performasi dari kedua algoritma. Performasi tersebut diukur
dengan dua parameter yaitu akurasi dan waktu komputasi. Hasil
pengujian menunjukkan akurasi Algoritma C4.5 lebih baik daripada
Algoritma C5.0. Sedangkan waktu komputasi kedua algoritma hampir
sama. Jadi dapat disimpulkan bahwa Algoritma C4.5 lebih baik dari
Algoritma C5.05
==================================================================================
Occupational accidents at the company is very likely to occur. The
possibility can arise from various aspects, ranging from aspects of the
employee or the company's system. One of the preventive ways that can
be done is by predicting the pattern of accident. Data mining is a
method that can predict patterns of data using historical data. One
method that can be selected is classification. Classification is working to
establish a pattern of attribute connectivity of the data. In this Final
Project, Classification method used are Decision Tree Algorithm. In
that algorithm, these attributes can form a rules that describe the
possibility of occurrence. Today there is a decision tree algorithm that
can be used to predict the pattern of occupational accidents, namely
C4.5 and C5.0. The result of C4.5 and C5.0 in the form of rules to be
used for the classification process. Furthermore, the process of testing is
used to determine performance of two algorithms. Performance will be
measured by two parameters: accuracy and computation time. The test
results showed accuracy from C4.5 is better than C5.0. While both
algorithms computing time is almost same. So it can be concluded that
C4.5 is better than C5.0.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSMa 519.287 Put p-1 |
| Uncontrolled Keywords: | Kecelakaan Kerja, Data Mining, Klasifikasi, C4.5, C5.0. |
| Subjects: | T Technology > T Technology (General) > T55 Industrial Safety |
| Divisions: | Faculty of Mathematics and Science > Mathematics > 44201-(S1) Undergraduate Thesis |
| Depositing User: | EKO BUDI RAHARJO |
| Date Deposited: | 04 Oct 2019 02:48 |
| Last Modified: | 04 Oct 2019 02:48 |
| URI: | http://repository.its.ac.id/id/eprint/70985 |
Actions (login required)
 |
View Item |