Prediksi Pola Kecelakaan Kerja PadaPerusahaan Non Ekstraktif Menggunakan Algoritma Decision Tree: C4.5 Dan C5.0

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.

[img] Text
1212100040-undergraduate-theses.pdf - Published Version

Download (3MB)
[img] Text
1212100040-paperpdf.pdf - Published Version

Download (826kB)
[img] Text
1212100040-presentationpdf.pdf - Published Version

Download (4MB)

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 > (S1) Undergraduate Theses
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 View Item