IMPLEMENTASI ALGORITMA DECISION TREE C4.5 UNTUK PREDIKSI KERUSAKAN MESIN SEPEDA MOTOR 4-TAK BERDASARKAN DATA GEJALA BERBASIS WEB

Ahmadi, Bagus Tri Al (2026) IMPLEMENTASI ALGORITMA DECISION TREE C4.5 UNTUK PREDIKSI KERUSAKAN MESIN SEPEDA MOTOR 4-TAK BERDASARKAN DATA GEJALA BERBASIS WEB. ["eprint_fieldopt_thesis_type_skripsi" not defined] thesis, Institut Teknologi Nasional Malang.

	Text BAGIAN AWAL.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (218kB)
	Text BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (580kB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy
	Text BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (200kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (182kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (3MB) | Request a copy

Abstract

Diagnosa kerusakan mesin sepeda motor 4-tak umumnya masih manual, sementara scanner elektronik memiliki keterbatasan dalam mendeteksi kerusakan fisik mekanis. Penelitian ini bertujuan merancang sistem prediksi kerusakan mesin berbasis web menggunakan algoritma Decision Tree C4.5 sebagai sistem pendukung keputusan. Algoritma dimodelkan menggunakan 703 baris dataset historis yang terdiri dari 60 atribut gejala dan 46 kelas kerusakan, dengan pemisahan awal berdasarkan tipe pembakaran (Injeksi/Karburator). Hasil pengujian performa algoritma menggunakan Confusion Matrix menunjukkan tingkat Akurasi 99.86%, Presisi Makro 99.82%, dan Recall Makro 99.88%. Pengujian fungsionalitas (Black Box) mencatat keberhasilan 100%. Validasi langsung pada 20 studi kasus di bengkel menunjukkan tingkat kesesuaian prediksi riil mencapai 90%. Selanjutnya, evaluasi penerimaan pengguna (User Acceptance Test) memperoleh indeks kelayakan 86,60% (Sangat Baik). Pengujian komparasi terhadap scanner pabrikan pada 22 kelas kerusakan injeksi membuktikan bahwa sistem memiliki 86% (19 kelas) diagnosis spesifik yang tidak mampu dideteksi oleh scanner. Dengan demikian, sistem ini terbukti layak diimplementasikan sebagai alat uji sekunder di bengkel maupun media edukasi mandiri bagi pemilik kendaraan.

Item Type:	Thesis (["eprint_fieldopt_thesis_type_skripsi" not defined])
Additional Information:	Bagus Tri Al Ahmadi (2218023)
Uncontrolled Keywords:	Algoritma C4.5; Decision Tree; Prediksi Kerusakan; Sepeda Motor 4-Tak; Sistem Prediksi
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Septiani Rosydah
Date Deposited:	11 Aug 2026 06:17
Last Modified:	11 Aug 2026 06:17
URI:	http://eprints.itn.ac.id/id/eprint/16372

Actions (login required)

View Item