Rancang Bangun Aplikasi Menggunakan Metode C5.0 Dalam Clustering Produk Tinta Printer Terlaris Pada PT. Pixelindo Berbasis Web

Abstract

PT. Pixelindo adalah perusahaan yang berkecimpung dalam bidang produk tinta dan produk printer. Selama ini PT. Pixelindo cukup dikenal masyarakat kota Medan khususnya daerah Jalan Wahidin. Pada saat ini perusahaan tersebut masih sulit untuk membuat clustering produk tinta terlaris dikarenakan masih banyak masyarakat yang memilih produk-produk yang sesuai dengan keinginan sehingga tidak jarang produk tinta yang dibeli terkadang berbeda-beda, Saat ini perkembangan teknologi telah berkembang pesat. Hampir pada setiap aspek kehidupan kita dapat kita temukan pada penggunaan teknologi. Penggunaan teknologi yang paling sering kita gunakan merupakan penggunaan teknologi komputer. Komputer telah merambah ke berbagai bidang termasuk bidang aplikasi khususnya web. Dimana aplikasi web saat ini banyak digunakan sebagai media menyampaikan informasi. maka dari itu penulis memberikan solusi berupa sistem yang mampu mengelompokkan data produk tinta terlaris menggunakan metode C5.0 yang dapat membantu pihak perusahaan dalam membuat clustering produk tinta berdasarkan pembelian yang dilakukan oleh konsumen dengan kriteria diantaranya tipe tinta, harga tinta, ukuran tinta dan warna tinta. Algoritma ataupun Metode C5.0 ini adalah metode data mining dengan teknik pengklasifikasi yang berbasis pada algoritma pembentuk pohon keputusan (Decision Tree). Metode C5.0 adalah hasil penyempurnaan pada algoritma sebelumnya yaitu algoritma atau metode C4.5 yang terbentuk oleh Ross Quinlan sejak tahun 1987. Algoritma C5.0 ini dikatakan lebih baik dari algoritma sebelumnya yaitu C4.5 tentang memori dan akuraasi nya. Kecepatan dalam menghasilkan model dinilai sangat cepat serta keakuratan yang diperoleh jauh lebih baik dibanding algoritma lainnya. Dengan sistem ini dapat membantu perusahaan sehingga tidak terjadi masalah dalam membuat clustering produk tinta printern terlaris pada PT. Pixelindo, sehingga nantinya clustering ini akan menghasilkan beberapa kategori diantara nya laris, dan tidak laris.