Prediksi Hasil Tender Pengadaan Barang dan Jasa pada Bagian Pengadaan Barang dan Jasa Sekretariat Daerah Buleleng dengan Algoritma C5.0

Authors

  • I Gede Agus Krisna Perdana Universitas Pendidikan Ganesha
  • I Made Edy Listartha Universitas Pendidikan Ganesha
  • I Made Dendi Maysanjaya Universitas Pendidikan Ganesha

DOI:

https://doi.org/10.23887/insert.v5i2.76837

Keywords:

Data Mining, Algoritma C5.0, Attribute Selection, Oversampling, K-Fold Cross Validation

Abstract

Pengadaan barang dan jasa adalah salah satu program pemerintah untuk memenuhi kebutuhan akan suatu barang dan jasa oleh suatu Kementrian, Lembaga, atau Perangkat Daerah dengan melalui sebuah metode dan proses agar mencapai kesepakatan harga, waktu dan lainnya untuk memenuhi tujuan dari pengadaan barang dan jasa. di Bagian Pengadaan Barang dan Jasa Sekretariat Daerah Buleleng, setiap tahunnya terdapat paket tender yang gagal karena berbagai faktor yang menyebabkan gagalnya tujuan pembangunan kota dan menjadi isu transparansi penggunaan anggaran pemerintah yang dapat berpengaruhnya pandangan masyarakat terhadap pemerintah. Oleh karena itu datanya perlu digali lebih dalam atau data mining dengan tujuan memprediksi hasil tender sebagai manajemen risiko dalam pengadaan barang dan jasa di BPBJ Sekretariat Daerah Buleleng untuk perencanaan pengadaan barang dan jasa yang lebih efektif dan efesien. Algoritma C5.0 adalah salah satu algoritma yang dapat memproses data hasil tender dengan memproses dataset ke dalam bentuk pohon keputusan yang membentuk aturan-aturan untuk membantu dalam pengambilan keputusan dalam pengadaan tender di BPBJ Sekretariat Daerah Buleleng. Dengan tambahan metode attribute selection dan oversampling, performa terbaik yang didapatkan dari hasil pengujian 3 (tiga) jenis k-fold cross validation yaitu pada 5-fold menghasilkan performa accuracy 0.703152633, precision 0.688464330, recall 0.761427203, dan AUC score 0.703194444, pada 7-fold menghasilkan performa accuracy 0.708044382, precision 0.706945844, recall 0.742024965, dan AUC score 0.708044382, dan pada 10-fold menghasilkan performa accuracy 0.741379310, precision 0.716926571, recall 0.799029680, dan AUC score 0.741343226.

References

Adiputra, I. N. M. (2022). Clustering Penyakit Dbd Pada Rumah Sakit Dharma Kerti Menggunakan Algoritma K-Means. INSERT : Information System and Emerging Technology Journal, 2(2), 99. https://doi.org/10.23887/insert.v2i2.41673

Apriyadi, Lubis, M. R., & Damanik, B. E. (2022). PENERAPAN ALGORITMA C5.0 DALAM MENENTUKAN TINGKAT PEMAHAMAN MAHASISWA TERHADAP PEMBELAJARAN DARING. KOMPUTA : Jurnal Ilmiah Komputer dan Informatika, 11(1), 11–20.

Cahyana, C. W., & Nurlayli, A. (2023). Analisis Performa Logistic Regression, Naïve Bayes, dan Random Forest sebagai Algoritma Pendeteksi Kanker Payudara. INSERT: Information System and Emerging Technology Journal, 4(1), 51–64.

Dalbergio, D., Hayati, M. N., & Nasution, Y. N. (2019). KLASIFIKASI LAMA STUDI MAHASISWA MENGGUNAKAN METODE ALGORITMA C5.0 PADA STUDI KASUS DATA KELULUSAN MAHASISWA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS MULAWARMAN TAHUN 2017. Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya.

Firmansyah, & Yulianto, A. (2021). Machine Learning with Decision Tree for Predict Invoice Payment, Case Study: Gramedia Jakarta. JITE (Journal of Informatics and Telecommunication Engineering), 5(1), 167–175.

Fitrianah, D., Gunawan, W., & Sari Anggi, P. (2022). Studi Komparasi Algoritma Klasifikasi C5.0, SVM dan Naive Bayes dengan Studi Kasus Prediksi Banjir. Techno.COM, 21(1), 1–11.

Harani, N. H., & Damayanti, F. S. (2021). Implementasi Algoritma C5.0 Untuk Menentukan Pelanggan Potensial Di Kantor Pos Cimahi. Jurnal SITECH : Sistem Informasi dan Teknologi, 4(1). https://doi.org/10.24176/sitech.v4i1.6281

Hariati, H., Wati, M., & Cahyono, B. (2018). Penerapan Algoritma C4.5 pada Penentuan Penerima Program Bantuan Pemerintah Daerah di Kabupaten Kutai Kartanegara. Jurnal Rekayasa Teknologi Informasi (JURTI), 2(2). https://doi.org/10.30872/jurti.v2i2.1861

Kastawan, P. W., Wiharta, D. M., & Sudarma, M. (2018). Implementasi Algoritma C5.0 pada Penilaian Kinerja Pegawai Negeri Sipil. Majalah Ilmiah Teknologi Elektro, 17(3). https://doi.org/10.24843/mite.2018.v17i03.p11

Layanan Pengadaan Secara Elektronik (LPSE). (2022). Sistem Pengadaan Secara Elektronik (SPSE). eproc.bulelengkab.go.id/eproc4/lelang

Mawaddah, S. (2021). IMPLEMENTASI ALGORITMA C 5.0 DALAM PREDIKSI STOK BARANG BERDASARKAN PENJUALAN BAHAN PERTANIAN CV. MITRA SEJATI. JISTech (Journal of Islamic Science and Technology), 6(1), 40–51.

Natasuwarna, A. P. (2019). Tantangan Menghadapi Era Revolusi 4.0 - Big Data dan Data Mining. SINDIMAS, 23–27.

Nawangsih, I., Melani, I., & Fauziah, S. (2021). PREDIKSI PENGANGKATAN KARYAWAN DENGAN METODE ALGORITMA C5.0 (STUDI KASUS PT. MATARAM CAKRA BUANA AGUNG. Jurnal Pelita Teknologi, 16(2), 24–33.

Nst, E. H., Rismayanti, & Lestari, Y. D. (2021). Penerapan Data Mining Untuk Memprediksi Hasil Produksi Buah Kelapa Sawit Pada PT.LNK Kebun Basilam Menggunakan Algoritma C5.0. SEMINAR NASIONAL TEKNOLOGI INFORMASI & KOMUNIKASI, 1(1), 311–319.

Pratiwi, R., Hayati, M. N., & Prangga, S. (2020). PERBANDINGAN KLASIFIKASI ALGORITMA C5.0 DENGAN CLASSIFICATION AND REGRESSION TREE (STUDI KASUS : DATA SOSIAL KEPALA KELUARGA MASYARAKAT DESA TELUK BARU KECAMATAN MUARA ANCALONG TAHUN 2019). BAREKENG: Jurnal Ilmu Matematika dan Terapan, 14(2). https://doi.org/10.30598/barekengvol14iss2pp273-284

Rivan, M. E. Al, Arman, M., Irsyad, H., & Prameswara, R. D. (2022). Klasifikasi Hewan Mamalia Berdasarkan Bentuk Wajah Menggunakan Fitur Histogram of Oriented dan Metode Support Vector Machine. Jurnal Sisfokom (Sistem Informasi dan Komputer), 11(1), 93–99.

Santoso, M. R., & Musa, P. (2021). REKOMENDASI KESEHATAN JANIN DENGAN PENERAPAN ALGORITMA C5.0 MENGGUNAKAN CLASSIFYING CARDIOTOCOGRAPHY DATASET. Jurnal Simantec, 9(2). https://doi.org/10.21107/simantec.v9i2.10730

Sungkar, M. S., & Qurohman, M. T. (2021). Penerapan Algoritma C5.0 Untuk Prediksi Kelulusan Pembelajaran Mahasiswa Pada Matakuliah Arsitektur Sistem Komputer. JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(3). https://doi.org/10.30865/mib.v5i3.3116

Tanti. (2023). Random Oversampling , Chi-Square , dan AdaBoost dalam Penanganan Ketidakseimbangan Kelas pada Klasifikasi C5 . 0. Jurnal Media Informatika Budidarma, 7(April).

Umma, F. N., Warsito, B., & Maruddani, D. A. I. (2021). KLASIFIKASI STATUS KEMISKINAN RUMAH TANGGA DENGAN ALGORITMA C5.0 DI KABUPATEN PEMALANG. Jurnal Gaussian, 10(2). https://doi.org/10.14710/j.gauss.v10i2.29934

Zainuri, M., Fahmi, M. H., & Hamdhana, R. A. (2022). Komparasi Metode Klasifikasi Algoritma C5.0 dan Naïve Bayes untuk Menentukan Jurusan Siswa. JUSIFOR: Jurnal Sistem Informasi dan Informatika, 1(1), 1–8.

Zebua, F. J., Manalu, R. P. B., & Nababan, M. N. K. (2021). PREDIKSI KELULUSAN MAHASISWA MENGGUNAKAN PERBANDINGAN ALGORITMA C5.0 DENGAN REGRESSION LINEAR. Jurnal Tekinkom (Teknik Informasi dan Komputer), 4(2), 230–238.

Zyen, A. K., & Mulyo, H. (2022). Implementasi Algoritma Decision Tree C5.0 untuk Klasifikasi Pasien Demam Berdarah di Kabupaten Rembang. AMRI (Analisa, Metode, Rekayasa, Informatika), 1(1), 42–51.

Downloads

Published

2024-12-31

Issue

Section

Articles