Sistem Prediksi Kelayakan Rental Mobil Menggunakan Algoritma C4.5
Siti Aminah*, Febriansyah
Teknik Informatika, Sekolah Tinggi Teknologi Pagaralam, Pagar Alam, Indonesia Email: 1,*[email protected], 2[email protected]
Email Penulis Korespondensi: [email protected] Submitted 11-12-2021; Accepted 28-12-2021; Published 30-12-2021
Abstrak
Tujuan penelitian ini adalah membangun sebuah sistem yang dapat melakukan prediksi kelayakan terhadap calon pengguna jasa rental mobil. Para Penyedia jasa rental mobil tidak mudah menentukan konsumen yang dapat akan menggunakan jasa rental mobil, dengan prosedur yang masih manual serta sulitnya mendapatkan informasi data pengguna. Untuk dapat memprediksi kelayakan pengguna jasa rental mobil, maka perlu dilakukan dengan menggunakan sistem informasi yang dapat memprediksi pengguna yang layak ataupun tidak.
Penelitian ini menggunakan metode pengembangan sistem waterfall. Metode iwaterfall mempunyai beberapa tahapan, meliputi Analisa,
idesain, ipengkodean idan ipengujian. Hasil penelitian iyang idiperolehkan dari uji ikelayakaan terhadap isistem ipredikksi ikelayakan
pengguna jasa rental imobil menggunakan algoritmaic4.5 bahwa ihasil ipengujian ialpha iuji ikelayakan sistem idengan inilai ikeseluruhan i3,6 ioleh iahli dinyatakan ilayak idan hasil ipengujian ibetha ididapatkan inilai i3,8 ioleh user yang menjelaskan bahwa sistem yang telah dibuat layak untuk digunakan.
Kata Kunci: Prediksi; Rental; Kelayakan; Waterfall; Algoritma C4.5 Abstract
The purpose of this study is to build a system that can predict the feasibility of prospective car rental service users. It is not easy for car rental service providers to determine which consumers can use car rental services, with procedures that are still manual and it is difficult to obtain user data information. To be able to predict the feasibility of car rental service users, it is necessary to use an information system that can predict whether users are eligible or not. This research uses the waterfall system development method. The waterfall method has several stages, including analysis, design, coding and testing. The results of the research obtained from the feasibility test of the feasibility prediction system for car rental service users using algorithmic 4.5 that the results of the alpha test were tested for the feasibility of the system with an overall value of 3.6 by system that has been made feasible to use.
Keywords: Prediction; Rental; Feasibility; Waterfall; Algorithm C4.5
1. PENDAHULUAN
Perkembangan industri otomotif di Indonesia terus tumbuh sangat pesat, ini bisa dilihat dengan meningkatnya jumlah kendaraan di Indonesia bahkan brang baru bermunculan[1]. Kebutuhan alat transportasi roda empat saat ini menjadi kebutuhan penting dalam memenuhi mobilitas masyarakat. Perusahaan penyewaan mobil telah berkembang pesat dengan berbagai merk kendaraan dan fasilitas yang dimiliki. Persaingan antar perusahaan sangat ketat sehingga dibutuhkan strategi pemasaran yang handal seperti pemanfaatan teknologi internet. Rental Mobil ZED adalah suatu badan usaha yang bergerak di bidang jasa penyewaan mobil di kota Pagar Alam. Usaha ini menyediakan berbagai macam jenis dan merk mobil yang beragam dengan tujuan menarik minat pelanggan serta menjadi daya saing dengan tempat usaha rental mobil yang lain[2].
Rental mobil merupakan salah satu bisnis yang menguntungkan dan sangat berhubungan dengan jasa karena dengan model kendaraan yang terlalu banyak, seseorang dapat membuka usaha rental mobil. Bisnis ini juga membantu masyarakat yang memerlukan jasa persewaan mobil untuk berbagai keperluan[3].
Untuk menentukan kelayakan pengguna jasa rental, calon konsumen harus memenuhi beberapa persyaratan. Adapun persyaratan dalam rental mobil agar lebih mudah memprediksi penyewaan mobil yaitu mengetahui identitas konsumen, menyerahkan KTP, KK mempunyai SIM menyertakan nomor telepon yang dapat dihubungi, serta jaminan motor ditinggal ditempat penyedia jasa rental mobil. Jika telah disetujui untuk layak melakukan rental mobil, sehingga dengan cara seperti itu diharapkan dengan adanya sistem prediksi kelayakan pengguna rental mobil, penyedia jasa rental dan konsumen dapat meningkatkan efektivitas dan efisien dalam penerimaan kelayakan pengguna rental mobil.
Prediksi merupakan salah cara atau proses untuk memprediksi atau memperkirakan secara urut dan sistematis mengenai sesuatu yang mungkin dapat terjadi pada masa depan berdasarkan tentang informasi pada masa lalu dan sekarang yang dimiliki, agar tingkat error dan kesalahannya dapat diperkecil. Dalam prediksi tidak harus memberikan suatu jawaban secara pasti tentang kejadian yang nanti akan terjadi pada masa yang akan datang, melainkan berusaha untuk mencari jawaban yang akurat mungkin nanti akan terjadi[4].
Sistem informasi prediksi dapat memberikan bantuan kepada pihak penyedia jasa rental mobil berupa informasi perihal prediksi tanpa harus melakukan perhitungan terlebih dahulu, cukup sistem yang bekerja, user hanya mengetahui hasilnya saja, itentunya idengan iperhitungan iyang isistematis imenggunakan istatistik idan matematika agar ihasil
digunakan untuk menganalisa volume data yang besar dan menjadi populer saat ini. Data mining merupakan bidang ilmu yang multidisiplin, termasuk didalamnya adalah sistem basis data, statistik, machine learning, visualisasi, and ilmu informasi.
Selain itu, berdasarkan jenis datanya sistem data mining merupakan integrasi dari teknik-teknik lain seperti analisis data spasial, temu kembali informasi, pattern recognition, pemrosesan sinyal, grafika komputer, teknologi Web, ekonomi, bisnis, bioinformatika, atau psikologi[5].
Salah satu solusi yang dapat diberikan untuk mengatasi hal diatas adalah dengan membuat sistem prediksi kelayakan pengguna rental mobil. Metode prediksi yang dapat digunakan untuk sistem prediksi kelayakan salah satunya adalah Algoritma C4.5. Konsep dari Algoritma C4.5 adalah mengubah data menjadi pohon keputusan dan aturan-aturan keputusan (rule). C4.5 adalah algoritma yang cocok untuk masalah klasifikasi dan data mining. C4.5 memetakan nilai atribut menjadi class yang dapat diterapkan untuk klasifikasi baru. Algoritma C4.5 diperkenalkan oleh J. Ross Quinlan yang merupakan pengembangan dari Algoritma ID3, algorima tersebut digunakan untuk membentuk pohon keputusan. Pohon keputusan diangap sebagai salah satu pendekatan yang paling popular. Dalam klasifikasi pohon keputusan terdiri dari sebuah node yang membentuk akar. Node akar tidak memiliki input. Node lain yang bukan sebagai akar tetapi memiliki tepat satu input disebut node internal atau test node, sedangkan node lainnya dinamakan daun, daun mewakili nilai target yang paling tepat dari salah satu class[6]. Berdasarkan latar belakang idiatas imaka idibuat isistem iprediksi ikelayakan irental imobil iyang idapat memberikan solusi untuk menentukan prediksi agar mempermudah kelayakan calon pengguna rental mobil ZED (Zero Empat Dua).
2. METODOLOGI PENELITIAN
Pada penelitian ini digunakan metode pengembangan sistem waterfall. SDLC (Software Development Life Cycle) adalah proses pengembangan sistem perangkat lunak dengan menggunakan berbagai model dan metodologi untuk mengembangkan sistem sebelumnya berdasarkan best practice atau cara-cara yang sudah teruji baik. Salah satu model pengembangan sistem adalah model waterfall atau model air terjun sering juga disebut Squensial Linier, model ini menyediakan pendekatan alur hidup perangkat lunak secara sekuensial atau terurut dimulai dari dari analisis, desain, pengodean, pengujian, dan tahap pendukung (support) untuk pemeliharaan (Maintenance)[7]. Berikut adalah gambar model waterfall:
Gambar 1. Model Waterfall 2.1 Tahapan Penelitian
1) Analisis Kebutuhan Perangkat Lunak
Proses dimana pengumpulan kebutuhan perangkat lunak yang diperoleh dari pengumpulan data wawancara, observasi dan dokumentasi sehingga dapat dipahami secara spesifik perangkat lunak seperti apa yang dibutuhkan oleh pengguna.
2) Desain
Pada tahap ini dilakukan beberapa perancangan seperti struktur data, arsitektur perangkat lunak, desain antarmuka, dan prosedur pengodean sesuai dengan kebutuhan perangkat lunak yang didapatkan dari analisis kebutuhan perangkat lunak.
3) Pembuatan Kode Program
Rancangan yang telah dibuat diimplementasikan ke dalam perangkat lunak dengan cara pembuatan kode program sesuai dengan rancangan pada tahap desain.
4) Pengujian
Pengujian perangkat lunak dilakukan dengan menguji semua fungsi-fungsi untuk mengetahui kesalahan kode program dan melakukan perbaikan hingga sesuai dengan apa yang dibutuhkan.
2.2 Rancangan yang diusulkan 2.2.1 Use Case Diagram
Use icase imenggambarkan iantara iaktor idengan isistem iyang iakan idibuat, idengan iuse icase iini idapat idi iketahui proses iyang iterjadi ipada iaktivitas iyang iberjalan iuse icase idiagram iseperti ipada igambar iberikut:
Gambar 2. Use Case Sistem yang diusulkan 2.2.2 Class Diagram
Class iDiagram yaitu imenggambarkan istruktur isistem idari isegi ipendefinisian ikelas-kelas iyang iakan idi ibuat iuntuk membangun isistem. iClass iDiagram imemperhatikan iaturan-aturan idan itanggung ijawab ientitas iyang imenentukan Perilaku isistem. Untuk ilebih ijelasnya, iperhatikan iClass iDiagram idi ibawah ini.
Gambar 3. Class Diagram Sistem yang diusulkan
3. HASIL DAN PEMBAHASAN
Penelitian iini itelah imenghasilkan isebuah Sistem Prediksi kelayakan pengguna rental imobil idi iZEDikota Pagar iAlam, pembuatan isistem iini imembutuhkan ibeberapa isoftware iyang idigunakan iuntuk perancangan isampai ike ipembuatan
Admin
mengelola Pesanan Edit
Hapus Masukkan
Tampil
Mengelola Data Fasilitas
Tampil Mengelola Profile
Ubah Tampil
Hapus User
Memeriksa Status Login
Validasi
Login Logout
mengelola Data Driver Edit
Hapus
Masukkan
Tampil
<<include>>
<<include>>
<<include>>
Daftar/Login Edit
Cari Hapus
Masukkan
Tampil
Daftar prediksi Edit
Cari Hapus
Masukkan
Tampil
mengelola Data Prediksi Edit
Hapus
Tampil Edit
Masukkan
Mengelola Transaksi Tampil Hapus
Edit
Mengelola Mobil Edit
Hapus Tampil
Masukkan
Mengelola Lapora Print
Tampil Hapus
Pesanan +nama +jenis_kelamin +nik+ktp +sim +No.Hp +getnama() +setnama() +getJenis_Kelamin() +setJenis_Kelamin() +getnik() +setnik() +getktp() +setktp() +getsim() +setsim() +getno,hp() +getNo.hp() +setNohp()
fasilitas +no +nama +getno() +setno() +getnama() +setNama() +queryInputnama() +queryEditNama() +queryViewNama() +queryHapusNama()
transaksi +no +member +mobil +disetujui +bayar +getno() +setmember() +getmobil() +setdisetujui() +getbayar() +setbayar() +queryInputDatatransaksi() +queryEditData transaksil() +queryViewDatatransaksil() +queryHapusDatatransaksi()
mobil +no+nama +harga +status +warna +tahun +kapisitas +nopol +tindakan +getno() +setno() +getharga() +setstatus() +getwarna() +settahun() +getkapisitas() +setnopol() +queryinputdatamobill() +queryedimobil() +queryhapusmobil()
Koneksi Database +host +database +open() +excute() +getResult() +close() Antarmuka
+formLogin() +tampilDashboard() +tampilDataPesanan() +tampilDatafasilitas() +tampilDatadriver() +tampilanDatatransaksi() +tampilanDatamobil() +tampilanDataprediksi() +tampilLaporan()
main +main() validasi
+login() +logout() +cek status() mengelola data peserta +tambahdatapeserta() +editdatapeserta() +hapusdatapeserta()
mengelola fasilitas +editfasilitas() +hapusfasilitas()
mengelola transaksi +edittransaksi() +hapustransaksi()
mengeloladatamobil +tambahmobill() +editmobil() +hapusmobill()
1 +1 1
+1 1
1
1 +1 +1
1
1
1 1
Driver +no+alamat +notlpn +status +tindakan +getno() +setalamat() +getnotelpn() +setstatus() +queryInputdriver() +queryEditdriver() +queryHapusdriver()
mengelola driver +tambahdriver() +editdriver() +hapusdriver)()
laporan +no +tanggal +nik +mobil +nopol +fasilitas +durasi +bukti +tindakan prediksi +no+nama +nik +alamat +kecamatan +telpon +ttl +jaminan +sim +ktp+aksi +getno() +setno() +getNik() +setalamat() +queryEditprediksi() +queryHapusprediksi()
mengelola data pesanan +editpesanan() +hapuspesanann() +2
2
+2
3.1 Implementasi Program
a. Tampilan Halaman iUtama iSistem
Pada itampilan iutama isistem imerupakan ihalaman iyang iakan imuncul isetelah iadmin imaupun iuser imengakses isistem.
pada ihalaman iutama iini iterdapat ibeberapa imenu iyaitu imenu iBeranda, ihome,contact idan iAbout.
Gambar 3. Halaman Utama Sistem b. Halaman Menu Pesanan
Halaman iini iadalah ihalaman iyang itampil ipada isaat admin memilih menu iData ipesanan, idalam ihalaman iini idata yang idisimpan iberupa idata ipesanan, ipada ihalaman iini iadmin idapat imenginput, imengubah. iBerikut igambar idari halaman ipesanan.
Gambar 5. Halaman menu pesanan c. Halaman Menu Prediksi
Pada ihalaman ianalisis iC.45 iadalah iproses idimana imengetahui ipenyewa ilayak iatau itidak iuntuk imerental idapat idi lihat idirancangan seperti igambar idibawah iini:
Gambar 7. Halaman Menu Prediksi
d. Halaman Menu Hasil Prediksi
Pada halaman ini adalah halaman untuk menecek kelayakan user yang akan menggunakan jasa rental mobil.
Gambar 8. Halaman Menu Hasil Prediksi e. Import Data
Gambar i idi ibawah iini imerupakan itampilan iproses i iImport idata idengan isoftware i iRapid iMinner. iData iyang idigunakan iselama i3 ibulan i iyang iberjumah i50 idata iyang iakan idiolah ipada iRapid iMinner iuntuk imendapatkan ipohon/pola iyang iakan idigunakan ipada isistem.
Gambar 8. Import Data 3.2 Tampilan Dataset Yang Telah Di Import Pada Rapid
Gambar i idi ibawah iini imerupakan itampilan idataset iyang itelah idiimport ipada iRapid iMinner, ikemudian idataset iakan dikelola idengan iAlgoritma C4.5.
3.3 Hasil Pengelolahan Data Dengan Algoritma C4.5
Halaman ini imerupakan halaman hasil pengelolahan dari proses import data sebelumnya iketika ikita imelakukan irun ias pada ihalaman iproses ipengelolahan imaka itampil ihalaman ihasil ipengelolahan iseperti ipada igambar idi ibawah iini, dimana iterbentuk isebuah ipohon iuntuk imembentuk isebuah ipola isehingga ipola iinilah iyang iakan imenjadi ipatokan penulis idalam ipembuatan iSistem iPrediksi ikelayakan irental imobil imenggunakan ialgortma ic.45 iyang imenghasilkan pohon/pola iyaitu ijika iJaminan iada imaka ilayak idan ijika itidak iada ijaminan imaka itidak ilayak, ijika i iKTP iada imaka layak idan ijika itidak iada imaka itidak ilayak iDan ijika iada iSim imaka ilayak idan ijika itidak iada imaka itidak ilayak.
Gambar 10. Hasil iPengelolahan iData iDengan iAlgoritma iDecision iTree 3.4 Pengujian Alpha
Pengujian adalah kegiatan dimana suatu sistem atau komponen dieksekusi dibawah kondisi tertentu, hasilnya diamati atau dicatat untuk kemudian dievaluasi berdasarkan aspek sistem atau komponen[8]. Pada pengujian Alpha dengan menggunakan teknik black box, pengujian dilakukan untuk memastikan apakah aplikasi dapat berjalan dengan baik pada sistem operasi dari User atau pengguna[9].
Berdasarkan ihasil iquisioner iyang idiisi ioleh iexpert ididapatkan ihasil iuji idatabase iyaitu iskor irata-rata i3,57 dengan kriteria ilayak, ikemudian iuji ialgoritma ididapatkan iskor irata-rata i4 idengan ikriteria isangat ilayak, kemudian uji antar muka i(interface) ididapatkan iskor irata-rata i4,0 idengan ikriteria ilayak, idan iterahir iuji fungsionalitas isistem didapatkan skor irata-rata i3, idengan ikriteria ilayak. iHal iini imenunjukan ibahwa penerapan imetode ialgoritma ic.45 untuk penyewaan ilayak iuntuk idi iimplementasikan. iBerikut idengan ihasil sebaran ipenilaian iexpert imelalui iuji iblackbox. i
i i
Gambar 11. Grafik Hasil Uji Alpha 3.5 Pengujian iBetha iUser
Setelah imelakukan iuji icoba iexpert imaka ipenulis imengujikan isystem iuntuk imendapatkan isystem iyang ivalid imaka selanjutnya idi ilakukan itesting ikepada i10 iuser i(Betha iTest). iPenerapan imetode ialgoritma ic.45 iuntuk imemprediksi kelayakan irental imobil imelihat idan imenilai ikeaktifan iuser itersebut idengan idata iyang idikumpulkan iberupa iangket dan ididapatakan iskor irata-rata i4,2 dengan ikategori layak. iBerikut ihasil ibetha itest.
Ahli Database Ahli Algoritma Ahli Interface
Ahli Fungsional
System
Total Skor
Series2 3.6 3.5 3.6 3.7 3.6
3.4 3.5 3.5 3.6 3.6 3.7 3.7 3.8
GRAFIK REKAPITULASI HASIL UJI ALPHA
Gambar 12. Grafik Rekapitulasi Nilai Betha
Kemudian ikesimpulan ihasil idari ipengembangan ipenelitian iterdahulu iyaitu, idengan ipengujian ialpha imenghasilkan iinformasi ibahwa iaplikasi iyang itelah idirancang imemiliki inilai ilayak iatau isesuai idengan iharapan iyang idiinginkan. iBerikut idiagram ihasil igrafik ihasil itesting iexpert ireview idan iimplementasi.
Gambar 13. Grafik Hasil Testing Expert Review I& User
4. KESIMPULAN
Proses ipembuatan isistem iprediksi iini imemerlukan isebuah iperancangan idan idesain isistem, ipada itahap iini penulis sangat imemperhatikan ikebutuhan iaplikasi idalam ibentuk idesain isistem, idatabase, icoding, idan maintenance. Sistem prediksi imenggunakan Algoritma C4.5, iharus imemiliki kemampuan untuk mempelajari bahasa pemrograman php dan desain tampilan bertujuan untuk mempermudah dalam proses pembangunan system prediksi dengan memanfaatkan algoritma C4.5.
REFERENCES
[1] E. Sugiatna, A. M. Ibrahim, and I. Abdul Hadi, “Implementasi Algoritma Klasifikasi C4.5 Untuk Memprediksi Kelayakan Pembelian Kendaraan,” JTIM J. Teknol. Inf. dan Multimed., vol. 1, no. 2, pp. 124–132, 2019, doi: 10.35746/jtim.v1i2.26.
[2] N. Hasan, “APLIKASI PENYEWAAN MOBIL BERBASIS WEBSITE ( Studi Kasus pada Rental Mobil Lotus Purworejo ),”
Bianglala Inform., vol. 7, no. 2, pp. 117–121, 2019.
[3] Y. Heriyanto, “Perancangan Sistem Informasi Rental Mobil Berbasis Web Pada PT.APM Rent Car,” J. Intra-Tech, vol. 2, no. 2, pp.
64–77, 2018.
[4] R. H. Kusumodestoni and S. Sarwido, “Komparasi Model Support Vector Machines (Svm) Dan Neural Network Untuk Mengetahui Tingkat Akurasi Prediksi Tertinggi Harga Saham,” J. Inform. Upgris, vol. 3, no. 1, 2017, doi: 10.26877/jiu.v3i1.1536.
[5] C. A. Sugianto, “Penerapan Teknik Data Mining Untuk Menentukan Hasil Seleksi Masuk Sman 1 Gibeber Untuk Siswa Baru Menggunakan Decision Tree,” pp. 49–54, 2017, doi: 10.31227/osf.io/vedu7.
[6] K. Rosita Dewi and K. Farouq Mauladi, “Analisa Algoritma C4.5 untuk Prediksi Penjualan Obat Pertanian di Toko Dewi Sri,” Semin.
Nas. Inov. Teknol., vol. 25, no. 2020, pp. 2580–3336, 2020.
[7] Rosa A. S & M. Shalahuddin, Rekayasa Perangkat Lunak Terstruktur dan Berorientasi Objek. Bandung: Informatika, 2015.
[8] S. Masripah and L. Ramayanti, “Penerapan Pengujian Alpha Dan Beta Pada Aplikasi Penerimaan Siswa Baru,” Swabumi, vol. 8, no.
1, pp. 100–105, 2020, doi: 10.31294/swabumi.v8i1.7448.
[9] A. Rosano, “Pengujian Alpha dan Beta pada Pengembangan Sistem Internet Banking (Ibank) PT Bank Mega, Tbk,” REMIK (Riset 0
5
Nilai Rata-Rata 4.2
Rekapitulasi Nilai Betha
3.2 3.4 3.6 3.8 4 4.2
expert review User
3.6
4.2
