Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan Pada Pengadilan Negeri Simalungun Menggunakan Metode Algoritma C4.
Sri Rahayu1.
Irfan Sudahri Damanik2.
M Fauzan3 1Mahasiswa Program Studi Sistem Informasi.
STIKOM Tunas Bangsa.
Pematangsiantar 2,3STIKOM Tunas Bangsa.
Pematangsiantar rahayoue@gmail.
com, 2irfansudahri@amiktunasbangsa.
fauzan@amiktunasbangsa.
Abstract This study aims to analyze the level of community satisfaction with services in the District Court Simalungun using the C4.
5 Algorithm method.
The data source used in this study was taken with an instrument in the form of a questionnaire with closed and open answers, where the data is in the form of numbers and analyzed static descriptive.
The study population was all service users in the District Court Simalungun, including Procedures.
Service Time.
Costs/ Tariffs.
Implementing Behavior, etc.
After doing the calculations manually, the verification is also done using the application, namely RapidMiner.
From the analysis process, it can be seen that the responsive aspect is the most dominant aspect in determining the level of community satisfaction at the District Court Simalungun.
Keywords: District Court Simalungun.
Community Satisfaction.
C4.
Data Mining.
RapidMiner Abstrak Penelitian ini bertujuan untuk menganalisa tingkat kepuasan masyarakat terhadap pelayanan pada Pengadilan Negeri Simalungun menggunakan metode Algoritma C4.
Sumber data yang digunakan dalam penelitian ini diambil dengan instrument berupa kuisioner dengan jawaban tertutup dan terbuka, dimana datanya berupa angka-angka dan dianalisis static deskriptif.
Populasi penelitian ini adalah semua masyarakat pengguna layanan di Pengadilan Negeri Simalungun antara lain Prosedur.
Waktu Pelayanan.
Biaya/ Tarif.
Prilaku Pelaksana, dll.
Setelah dilakukan perhitungan secara manual, maka dilakukan pula pembuktian menggunakan aplikasi, yaitu RapidMiner.
Dari proses analisis, dapat diketahui bahwa aspek responsif merupakan aspek yang paling dominan dalam menentukan tingkat kepuasan masyarakat pada Pengadilan Negeri Simalungun.
Kata kunci: Pengadilan Negeri Simalungun.
Kepuasan Masyarakat.
C4.
Data Mining.
RapidMiner PENDAHULUAN Pelayanan publik yang sering dibutuhkan dan diberikan secara umum belum memuaskan masyarakat.
Pelayanan yang diberikan terlalu rumit dengan bermacam alasan yang tidak dapat diterima oleh masyarakat, sehingga pelayanan yang diberikan terlihat tidak efektif dan efisien.
Keadaan yang seperti ini membuat semua masyarakat yang menggunakan layanan publik tidak merasa puas.
Karena itu masyarakat enggan mengurus sesuatu yang berhubungan dengan birokrasi pemerintah secara langsung.
Salah satu kantor pemerintahan yang aktivitasnya memberikan pelayanan publik kepada masyarakat adalah Kantor Pengadilan Negeri Simalungun.
Pengadilan Negeri Simalungun sebagai lembaga dibawah Mahkamah Agung Republik Indonesia haruslah mampu memberikan pelayanan prima guna mencapai keagungannya, untuk mencapai hal tersebut Pengadilan Negeri Simalungun perlu memperbaiki pelayanan kepada masyarakat tersebut, karena Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik pelayanan tersebut masih belum terukur secara efektif dan pelayanannya masih belum menggunakan metode, maka Pengadilan Negeri Simalungun masih kesulitan untuk menilai pelayanan yang di berikan kepada masyarakat atau pengguna layanan pada Pengadilan Negeri Simalungun.
Tujuan utama dari survei kepuasan masyarakat adalah untuk menghitung kepuasan masyarakat dan meningkatkan kualitas pelayanan publik pada Pengadilan Negeri Simalungun.
AyDari masalah yang muncul Pengadilan Negeri Simalungun telah memberikan kuesioner yang telah disi oleh masyarakat, hal ini guna meningkatkan dan mengukur sejauh mana kepuasan masyarakat terhadap kualitas pelayanan pada Pengadilan Negeri Simalungun.
Dikutip dari penelitian terdahulu, algoritma C4.
5 merupakan salah satu metode yang dapat menganalisis data dalam jumlah yang banyak menggunakan konsep entropy dan gain.
Dengan algoritma tersebut dibuatkan analisis pohon keputusan untuk mengukur kriteria terbaik dan menghasilkan angka akurasi .
METODOLOGI PENELITIAN Data Mining Data mining merupakan serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis Data mining mulai ada sejak 1990-an sebagai cara yang benar dan tepat untuk mengambil pola dan informasi yang digunakan untuk menemukan hubungan antara data untuk melakukan pengelompokkan ke dalam satu atau lebih cluster sehingga objek - objek yang berada dalam satu cluster akan mempunyai kesamaan yang tinggi antara satu dengan lainnya.
Data mining merupakan bagian dari proses penemuan pengetahuan dari basis data Knowledge Discovery in .
Metode Algoritma C4.
AuAlgoritma C4.
5 merupakan pengembangan dari algoritma ID3.
Algoritma ini memiliki kelebihan yaitu mudah dipahami, fleksibel dan menarik karena dapat diterapkan dalam bentuk gambar .
ohon keputusa.
Ay .
Algoritma C4.
merupakan algoritma klasifikasi pohon keputusan yang banyak digunakan karena memiliki kelebihan utama dari algoritma yang lainnya.
Kelebihan algoritma C4.
dapat menghasilkan suatu pohon keputusan yang mudah diinterprestasikan, memiliki tingkat akurasi yang bisa diterima, efisien dalam menangani atribut bertipe diskret dan dapat menangani atribut bertipe diskret dan numerik .
Ada 4 langkah yang digunakan dalam membangun pohon keputusan pada algoritma C4.
5 adalah sebagai berikut :
Pilih atribut sebagai akar.
Buat cabang untuk masing Ae masing nilai.
Bagi kasus dalam cabang.
Ulangi proses untuk masing Ae masing cabang sampai semua kasus yang ada pada cabang memiliki kelas yang sama.
Dalam algoritma C4.
5, akan mencari nilai entropy dan gain.
Entropy adalah ukuran teori informasi yang dapat diketahui karakteristik dari impuryt dan homogenity dari satu kumpulan data.
Maka dari nilai Entropy tersebut bisa dihitung nilai Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik information gain dari masing-masing atribut.
Penghitungan nilai Entropy dapat digunakan rumus seperti Persamaan .
Entropy .
= .
Rumus .
merupakan rumus yang sering digunakan dalam perhitungan entropy yang digunakan dalam menentukan seberapa informatif atribut tersebut.
Berikut Himpunan kasus Jumlah partisi Jumlah kasus pada partisi ke-i Information Gain adalah informasi yang dihasilkan dari perubahan entropy dari suatu kumpulan data, melalui observasi atau bisa juga disimpulkan dengan melakukan partisipasi dari suatu set data.
(S,A) =
Keterangan:
S : Impunan Kasus A : Atribut n : Jumlah Partisi Atribut A |S.
: Jumlah Kasus pada Partisi ke-i |S| : Jumlah Kasus dalam S Untuk S .
impunan kasu.
adalah sama yaitu 274, sedangkan atribut (A) yang digunakan pada kasus ini meliputi atribut tangible, reliability, responsiveness, assurance, dan empathy.
Sedangkan n adalah hasil dari partisi di masing-masing Setelah semua atribut dapat dihitung menggunakan persamaan diatas, oleh karena itu atribut yang memiliki nilai informasi tertinggi dibanding atribut yang lain dijadikan sebagai node .
Buat cabang.
Setelah didapat atribut yang mempunyai nilai gain tertinggi, maka dari itu atribut tersebut digunakan sebagai node.
Node ini memiliki instance sehingga instance ditetapkan sebagai cabang dari node.
Bagi kasus dalam cabang.
Setiap nilai atau hasil pada instance memiliki nilai yang berbeda-beda.
Nilai instance ini diklasifikasikan berdasarkan kesimpulan dari nilai instance itu agar menjadi lebih sederhana.
Tetapi, jika nilai instance tidak dapat disederhanakan lagi oleh karena itu perlu dilakukan perhitungan lebih lanjut.
Ulangi proses untuk setiap cabang sehingga semua kasus pada cabang memiliki hasil kelas yang sama.
Pohon Keputusan (Decesion Tre.
Pohon keputusan merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal.
Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan yang tersembunyi antara sejumlah calon variable input dengan sebuah variable target.
Proses pohon keputusan adalah mengubah bentuk data .
menjadi model keputusan, mengubah model pohon menjadi rule, dan menyederhanakan rule .
Pohon keputusan merupakan metode klasifikasi dan prediksi yang sangat Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang mempresentasikan aturan .
Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik Konsep dari pohon keputusan adalah mengubah data menjadi pohon keputusan dan aturan- aturan keputusan.
Data dalam pohon keputusan biasanya dinyatakan dalam bentuk tabel dengan atribut dan record.
Atribut menyatakan suatu parameter yang dibuat sebagai kriteria dalam pembentukan tree .
Pada Decission Tree tedapat 3 jenis node, yaitu : .
Root Node, merupakan node paling atas, pada node ini tidak ada input dan bisa tidak memiliki output atau memiliki hasil lebih dari satu.
Internal Node, merupakan node percabangan, di node ini hanya terdapat satu input dan mempunyai output minimal dua.
Leaf node atau terminal node, adalah node akhir, dan pada node ini hanya terdapat satu input dan tidak mempunyai output.
HASIL DAN PEMBAHASAN
Jenis penelitian yang digunakan adalah penelitian kuantitatif dengan studi kasus lokasi yang digunakan adalah kantor Pengadilan Negeri Simalungun.
Penelitian ini dilakukan sekali 6 .
bulan yaitu pada setiap akhir semester.
Responden dalam penelitian ini adalah semua masyarakat pengguna layanan publik di Pengadilan Negeri Simalungun dengan membagikan kuesioner penulis.
Pemodelan Metode Model decision tree dengan model table yang akan digunakan sebagai Tabel 1.
Nilai Analisis Data Nilai Persepsi Nilai Interval (Ip.
1,00 Ae 1,75 2,60 Ae 3,064 3,0644 Ae 3,532 3,5324 Ae 4,00 Nilai Interval Konversi 25,00 Ae 64,99 65,00 Ae 76,60 76,61 Ae 88,30 88,31 Ae 100,00 Mutu Pelayanan Kinerja Unit Pelayanan Tidak Baik Kurang Baik Baik Sangat Baik Dari table 1 dapat dijelaskan bahwa nilai analisis data memiliki pengaruh besar dalam data penelitian ini.
Analisis selanjutnya adalah mendeskripsikan hasil analisis terhadap ruang lingkup sebagai berikut :
Tabel 2.
Pengukuran Indeks Kepuasan Pengguna Layanan Ruang Lingkup Persyaratan Prosedur Waktu Pelayanan Biaya/Tarif Produk Spesifikasi Jenis Pelayanan Kompetensi Pelaksana Perilaku Pelaksana Sarana Dan Prasarana Penanganan Pegaduan Rata-Rata Skor Kategori Peringkat Baik Baik Baik Baik Baik Baik Baik Baik Baik Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik Proses Perhitungan Algoritma C4.
Perhitungan metode Algoritma C4.
5 untuk memperoleh model aturan pohon keputusan dapat diuraikan sebagai berikut :
Langkah 1: Menghitung jumlah kasus, jumlah kasus untuk keputusan Puas, jumlah kasus untuk keputusan Tidak Puas.
Langkah 2: Menghitung Entropy dari semua kasus dan kasus yang dibagi berdasarkan kelas atribut dengan persamaan.
Selanjutnya dilakukan penghitungan Gain untuk masing-masing atribut dengan persamaan.
Berikut ini adalah perhitungan nilai entropy dan gain.
Berikut ini hasil perhitungan nilai entropy dan gain yang diuraikan pada Tabel 3.
Tabel 3.
Hasil Perhitungan Node 1 Node 1 Jumlah Kasus Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas TOTAL Persyaratan Puas Tidak Puas Entropy Information Gain Prosedur Waktu Pelayanan Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Biaya / Tarif Produk Spesifikasi Jenis Pelayanan Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Kompetensi Pelaksana Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Perilaku Pelaksana Sangat Puas Puas Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik Cukup Puas Tidak Puas Sangat Tidak Puas Sarana dan Prasarana Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Penanganan Pengaduan Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Langkah 3 : Dari hasil perhitungan pada Tabel 4.
diperoleh nilai atribut tertinggi adalah Prosedur dengan gain sebesar 0.
Maka atribut Prosedur dipilih sebagai node akar.
Nilai kelas atribut Sangat Tidak Puas adalah kosong, sehingga tidak perlu dilakukan perhitungan pada kelas atribut tersebut.
Untuk kelas atribut Sangat Puas dan Puas mengklasifikasikan kasus menjadi satu keputusan yaitu Puas.
Untuk kelas atribut Cukup Puas dan Tidak Puas belum diperoleh hasil antara keputusan Puas dan Tidak Puas, maka perlu dilakukan perhitungan lebih lanjut.
Berikut ini hasil perhitungan dari kelas atribut Prosedur = Cukup Puas yang ditunjukkan pada Tabel 4.
berikut ini:
Tabel 4.
Hasil Perhitungan Node 1.
Node 1.
ProsedurCukup Puas Persyaratan Jumlah Kasus Puas Tidak Puas Entropy Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Waktu Pelayanan Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Biaya / Tarif Produk Information Gain Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik Spesifikasi Jenis Pelayanan Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Kompetensi Pelaksana Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Perilaku Pelaksana Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Sarana dan Prasarana Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Penanganan Pengaduan Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Dari hasil perhitungan pada Tabel diatas, atribut yang menjadi node cabang dari Prosedur-Cukup Puas adalah Persyaratan dengan nilai gain tertinggi sebesar Nilai kelas atribut Sangat Puas dan Sangat Tidak Puas adalah kosong, sehingga tidak perlu dilakukan perhitungan pada kelas atribut tersebut.
Nilai kelas atribut Puas telah mengklasifikasikan satu keputusan Puas.
Untuk nilai kelas atribut Cukup Puas dan Tidak Puas belum diperoleh satu keputusan sehingga masih perlu dilakukan perhitungan lebih lanjut.
Berikut ini hasil perhitungan Prosedur = Cukup Puas dan Persyaratan = Tidak Puas yang ditunjukkan pada Tabel 5 berikut ini:
Tabel 5.
Hasil Perhitungan Node 1.
Node 1.
Jumlah Kasus Puas Tidak Puas Entropy Information Gain Prosedur-Cukup Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik Node 1.
Jumlah Kasus Puas Tidak Puas Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Puas Persyaratan-Tidak Puas Waktu Pelayanan Entropy Biaya / Tarif Produk Spesifikasi Jenis Pelayanan Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Kompetensi Pelaksana Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Perilaku Pelaksana Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Sarana dan Prasarana Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Penanganan Information Gain Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik Node 1.
Jumlah Kasus Puas Tidak Puas Jumlah Kasus Puas Tidak Puas Entropy Information Gain Entropy Information Gain Pengaduan Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Node 1.
Dari hasil perhitungan pada Tabel 3 diatas yang menjadi node cabang dari atribut Prosedur = Cukup Puas dan Persyaratan = Tidak Puas adalah Kompetensi Pelaksana dengan nilai gain tertinggi yaitu sebesar 0.
721928095 dengan kelas atribut Cukup Puas diperoleh keputusan Puas dan kelas atribut Tidak Puas diperoleh keputusan Tidak Puas.
Kemudian hasil perhitungan untuk Node 1.
pada Tabel 6.
berikul ini:
Tabel 6.
Hasil Perhitungan Node 1.
Node 1.
Prosedur-Tidak Puas Persyaratan Jumlah Kasus Puas Tidak Puas Entropy Information Gain Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Waktu Pelayanan Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Biaya / Tarif Produk Spesifikasi Jenis Pelayanan Sangat Puas Puas Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik Node 1.
Cukup Puas Tidak Puas Sangat Tidak Puas Jumlah Kasus Puas Tidak Puas Entropy Information Gain Kompetensi Pelaksana Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Perilaku Pelaksana Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Sarana dan Prasarana Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Penanganan Pengaduan Sangat Puas Puas Cukup Puas Tidak Puas Sangat Tidak Puas Dari hasil perhitungan pada Tabel 6.
diatas, atribut yang menjadi Node cabang dari Prosedur - Tidak Puas adalah Penanganan Pengaduan dengan nilai gain tertinggi Nilai kelas atribut Puas telah mengklasifikasikan satu keputusan Puas.
Kelas atribut Tidak Puas dan Sangat Tidak Puas adalah Tidak Puas.
Untuk nilai kelas atribut Sangat Puas dan Cukup Puas adalah kosong sehingga tidak dilakukan perhitungan lebih lanjut.
Dengan demikian Node 1.
adalah node cabang terakhir yang terbentuk.
Pohon Keputusan Berikut ini adalah proses pemodelan pohon keputusan berdasarkan hasil perhitungan Algoritma C4.
Dari perhitungan Node 1 diperoleh pohon keputusan sebagai berikut :
Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik Gambar 1.
Pohon Keputusan Hasil Perhitunga Node 1 Berdasarkan Gambar 1 diatas, atribut Prosedur digunakan sebagai Node akar.
atribut Cukup Baik dan Tidak Baik belum diperoleh satu keputusan sehingga menghasilkan Node cabang yaitu Node 1.
dan Node 1.
Selanjutnya dilakukan perhitungan pada Node 1.
1 yaitu Prosedur = Cukup Baik.
Pohon keputusan yang terbentuk pada tahap ini ditunjukkan pada Gambar 2 berikut :
Gambar 2.
Pohon Keputusan Hasil Perhitunga Node 1.
Dari Gambar 2 hasil perhitungan Node 1.
1 diperoleh pohon keputusan atribut Persyaratan sebagai Node cabang.
Selanjutnya pohon keputusan yang terbentuk pada Node 1.
1 Prosedur = Cukup Baik dan Persyaratan = Tidak Baik pada Gambar 4.
Gambar 3.
Pohon Keputusan Hasil Perhitunga Node 1.
Pohon Keputusan pada Gambar 3.
merupakan hasil keputusan akhir yang terbentuk dari hasil perhitungan Node 1.
1 dengan atribut Produk Spesifikasi Jenis Pelayanan sebagai Node cabang.
Selanjutnya pohon keputusan yang terbentuk pada Node 1.
ditunjukkan pada gambar 4 sebagai berikut :
Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik Gambar 4.
Pohon Keputusan Hasil Perhitunga Node 1.
Pohon Keputusan pada Gambar 4.
merupakan hasil keputusan akhir yang terbentuk dari hasil perhitungan Node 1.
2 dengan atribut Penanganan Pengaduan sebagai cabang.
Dari hasil tersebut diketahui semua kasus sudah masuk kedalam Dengan demikian dapat digambarkan hasil pohon keputusan hasil perhitungan menggunakan algoritma C.
45 pada Gambar 5.
sebagai berikut :
Gambar 5.
Pohon Keputusan Hasil Perhitunga Algoritma C4.
Dari perhitungan diatas terdapat 9 .
rules yang dapat di jadikan sebagai referensi dalam menentukan tingkat kepuasan masyarakat terhadap pelayanan pada Pengadilan Negeri Simalungun.
Hasil Percobaan Pada tahap akhir penerapan Algoritma C4.
5 dilakukan penyesuaian hasil dari perhitungan secara manual melalui pengujian menggunakan software RapidMiner Hasil pengolahan data dengan model pohon keputusan sesuai dengan software RapidMiner, dapat dilihat pada Gambar 6.
sebagai berikut :
Gambar 6.
Decision Tree pada RapidMiner Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik Gambar 6.
diatas merupakan pohon keputusan yang dihasilkan pada RapidMiner dengan aturan atau rule yang dapat dilihat pada text view dan RuleModel pada Gambar berikut :
Gambar 7.
Rule Decision Tree pada RapidMiner Validasi Decision Tree Hasil penerapan Algoritma C4.
5 menggunakan software RapidMiner dengan operator Split Validation diperoleh nilai akurasi yaitu sebesar 96,67%.
Hasil akurasi tersebut diperoleh dengan pengaturan pada operator spilt validation dengan nilai split ratio = 0,5 dan sampling type = linear sampling.
Berikut ini adalah hasil akurasi yang diperoleh.
Gambar 8.
Nilai Akurasi Algoritma C4.
Gambar 9.
Performance Vektor Algoritma C4.
Dari gambar diatas nilai Accuracy sebesar 96,67%, artinya aturan atau rule yang dihasilkan mendekati 100%, dimana untuk Class Precision pada prediksi label Puas sebesar 100% dan prediksi label Tidak Puas sebesar 80,00%.
Analisis Kepuasan Masyarakat Terhadap Kualitas Pelayanan (Sri Rahay.
Jurnal Riset Sistem Informasi Dan Teknik Informatika (JURASIK) Volume 6 Nomor 1 Februari, pp 89-102
ISSN: 2527-5771/EISSN: 2549-7839
https://tunasbangsa.
id/ejurnal/index.
php/jurasik SIMPULAN Berdasarkan pembahasan sebelumnya dapat disimpulkan bahwa :
Data Mining dengan algoritma C4.
5 dapat diterapkan untuk menganalisis tingkat Kepuasan Masyarakat Terhadap Kualitas Pelayanan pada Pengadilan Negeri Simalungun.
Hasil yang diperoleh dari pengujian metode algoritma C4.
5 kedalam RapidMiner memiliki nilai validiasi yang sama.
Dari hasil perhitungan diperoleh nilai atribut information gain yaitu Persyaratan = 0.
Prosedur = 0.
Waktu Pelayanan = 298195824.
Biaya Tarif = 0.
Produk Spesifikasi Jenis Pelayanan = 0.
Kompetensi Pelaksana = 0.
Perilaku Pelaksana = 260320129.
Sarana dan Prasarana = 0.
Hasil dari penelitian tersebut menampilkan bahwa yang menjadi nilai atribut tertinggi adalah Prosedur, dengan nilai 0.
448888948 dan dengan nilai atriut terendah adalah Sarana dan Prasarana = 0.
Hasil pohon keputusan dapat menjadi acuan bagi kantor Pengadilan Negeri Simalungun untuk meningkatkan kualitas pelayanan pada masyarakat pengguna layanan.
DAFTAR PUSTAKA