Implementasi Metode Random Forest Pada Sistem Persediaan Bahan Kimia Di Laboratorium Forensik Cabang Medan
DOI:
https://doi.org/10.53513/jct.v4i1.902Abstract
Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengestraksi dan mengindentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar. Dengan adanya data mining maka akan didapatkan suatu permata berupa pengetahuan di dalam kumpulan data-data yang banyak jumlahnya                        Metode Random Forest (RF) merupakan metode yang dapat meningkatkan hasil akurasi, karena dalam membangkitkan simpul anak untuk setiap node dilakukan secara acak. Metode ini digunakan untuk membangun pohon keputusan yang terdiri dari root node, internal node, dan leaf node dengan mengambil atribut dan data secara acak sesuai ketentuan yang diberlakukan. Root node merupakan simpul yang terletak paling atas, atau biasa disebut sebagai akar dari pohon keputusan. Solusi penyelesaikan dalam menentukan persediaan stok bahan kimia di laboratorium Forensik medan, dengan menerapkan metode Random Forest untuk menentukan tingkat koefisen korelasi produk yang sering digunakan sehingga produk yang sering dibutuhkan dapat disediakan lebih banyak untuk menghindari kekosongan bahan kimia di laboratorium Fornensik medan..  Kata kunci: Data mining, Metode Random Forest, Bahan Kimia.References
Hakim, Rachmad, S. (2012). Visual Basic 2008 for Pemula Banget. Jakarta: PT. Elex Media
Komputindo.
Rosa.A.S, (2014) Pemodelan sistem Rekayasa perangkat lunak. Jakarta: PT. Elex Media Komputindo
Abdulkadir Muhammad, Hukum dan Penelitian Hukum, (Bandung: PT Citra Aditya Bakti, 2014) hlm. 62.
Kusrini, dan Emha Taufik Luthfi, 2013, “Algoritma Data Miningâ€, Penerbit Andi, Yogyakarta.
Santosa, Budi, 2012, “Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnisâ€, Graha Ilmu, Yogyakarta.
Nursikuwagus. Agus, Hartono. Tono,“Implementasi Algoritma Aprioriuntuk Analisis Penjualan dengan Berbasis Webâ€, November 2016.
Santoso. Heroe, Hariyadi. I Putu, Prayitno, “Data MiningAnalisa Pola Pembelian Produk Dengan Menggunakan Metode Random Forestâ€, 2016.
Dicky Nofriansyah, M.Kom (2012). Konsep Data Mining Vs Sistem Pendukung Keputusan. Yokyakarta: Cv Budi Utama)
Wang, S & Yao, X. 2013. Using Class Imbalance Learning for Software Defect Prediction. IEEE Transactions on Reliability, 434-443.
Weiss, G. M. 2013. Foundations of Imbalanced Learning. In H. He & Y, Ma. Imbalanced Learning : Foundations, Algorithms, and Applications, New Jersey : John Wiley & Sons.
Zhang, H & Wang, Z. 2011. A Normal Distribution Based Over-Sampling Approach to Imbalanced Data Classification Advanced Data Mining and Application. 7th Internation Conference. Beijing : Springer.
Nikmah, C., Sukarno, H., dan Mufidah, A. 2014. “Analisis Implikasi Pembiayaan Syariah pada Pedagang Kecil di Pasar Tanjung Jemberâ€. Jurnal
Andy Luter . Vol.1 No.1 Hal.8-15.reiman, L., & Cutler A. 2014. Cristal Report. Machine Learning 45 : 5-32.
Chawla, N. V dkk, 2016. SMOTE: Syntethic Minority Over-Sampling Technique. Journal of Artificial Intelligence Research. Vol.16 Hal.321-357.
Breiman L, Cutler A. 2017. Manual on Setting Up, Using, and Understanding Random Forest V4.0.
http://oz.berkeley.edu/users/breiman/Using_random_forests_v4.0.pdf. Diakses pada tanggal 6 April 2020, pukul 08.27 WIB.
Widiastuti, Julia. 2018. “Klasifikasi Pembiayaan Warung Mikro Menggunakan Metode Random Forest Dengan Teknik Sampling Kelas Imbalanced.†Universitas Islam Indonesia.
Zhang, Chongsheng, Changchang Liu, Xiangliang Zhang, and George Almpanidis. 2017. “An Up-to-Date Comparison of State-of-the-Art Classification Algorithms.†Expert Systems with Applications82:128–50
Octabriyantiningtyas, Dhyna. 2016. “Sistem Pendukung Keputusan Kelayakan Pemberian Kredit Pada Bank Tabungan Negara (BTN) Menggunakan Algoritma C4.5.†Universitas Airlangga.
Pandie, Emerensye S. Y. 2012. “Sistem Informasi Pengambilan Keputusan Pengajuan Kredit Dengan Algoritma K-Nearest Neighbour (Studi Kasus: Koperasi Simpan Pinjam).†Universitas Diponegoro.
Putri, Cahya Buana. 2018. “Klasifikasi Nasabah Thera Bank Membeli Personal Loan Menggunakan Metode Klasifikasi Dalam Machine Learning Pendahuluan Metodologi Penelitian.†Institut Teknologi Sepuluh Nopember.
Safitri, S. Thya and Didi Supriyadi. 2015. “Rancang Bangun Sistem Informasi Praktek Kerja Lapangan Berbasis Web Dengan Metode Waterfall.†3–8.
