Penerapan Algoritma C4.5 Untuk Klasifikasi Laju Pertumbuhan Penduduk Di Kota Binjai
Keywords:
Data Mining, Algoritma C4.5, Decision Tree, Laju Pertumbuhan Penduduk, Kota BinjaiAbstract
Pertumbuhan penduduk merupakan salah satu aspek penting dalam perencanaan pembangunan karena perubahan jumlah penduduk pada setiap kecamatan dipengaruhi oleh kelahiran, penduduk datang, dan penduduk pindah. Banyaknya data kependudukan yang tersedia membuat proses pengolahan dan pengklasifikasian secara manual menjadi kurang efektif. Penelitian ini bertujuan untuk menerapkan algoritma C4.5 dalam mengklasifikasikan laju pertumbuhan penduduk di Kota Binjai serta menghasilkan sistem berbasis web yang dapat menampilkan proses perhitungan dan pohon keputusan. Penelitian menggunakan pendekatan kuantitatif dengan metode data mining. Data yang digunakan merupakan data sekunder dari BPS Kota Binjai sebanyak 300 record periode 2018–2026 yang mencakup lima kecamatan. Tahapan penelitian meliputi identifikasi masalah, studi literatur, pengumpulan data, preprocessing, penerapan algoritma C4.5, pengujian dan analisis hasil, serta implementasi sistem. Algoritma C4.5 diterapkan dengan menghitung entropy dan information gain untuk menentukan atribut pembentuk decision tree. Hasil penelitian menunjukkan bahwa 300 data terdiri atas 92 data kategori Tinggi, 148 data kategori Sedang, dan 60 data kategori Rendah. Nilai entropy total yang diperoleh sebesar 1,490. Atribut Jumlah Kelahiran memperoleh nilai gain tertinggi sebesar 0,211 sehingga ditetapkan sebagai root node, sedangkan Jumlah Penduduk Datang memperoleh gain 0,046, Kecamatan 0,034, dan Jumlah Penduduk Pindah 0,012 sebagai atribut pembentuk cabang. Hasil tersebut menunjukkan bahwa algoritma C4.5 dapat diterapkan untuk mengklasifikasikan laju pertumbuhan penduduk Kota Binjai ke dalam kategori Tinggi, Sedang, dan Rendah. Implementasi berbasis web juga dapat menampilkan data, data latih, perhitungan C4.5, serta struktur pohon keputusan. Dengan demikian, penerapan algoritma C4.5 dapat membantu proses klasifikasi data pertumbuhan penduduk secara lebih terstruktur berdasarkan pola atribut kependudukan yang digunakan dalam penelitian.
Downloads
References
Helmi, F. (2025). Deteksi Potensi Putus Sekolah Menggunakan Algoritma C4.5: Studi Kasus SMP di Giligenting. Jurnal Penelitian Pendidikan.
Hermawati, F. A. (2013). Data Mining. Jakarta/Yogyakarta: Penerbit Terkait.
Istiawan, D. (2019). Implementation of C4.5 Algorithm for Critical Land Prediction in Agricultural Cultivation Areas in Pemali Jratun Watershed. Journal of Data Mining and Agricultural Cultivation.
Lusiana, F. O., Fatma, I., & Windarto, A. P. (2021). Penerapan Data Mining dalam Knowledge Discovery in Database (KDD). Jurnal Data Mining, 1(2).
Pramudiono. (2006). Pengantar Data Mining dan Analisis Perilaku. Penerbit Terkait.
Purwadi, Ramadhan, P. S., & Safitri, N. (2019). Penerapan Data Mining untuk Menggali Nilai Tambah Kumpulan Data Eksplorasi Pengetahuan. Jurnal Kecerdasan Buatan dan Machine Learning.
Quinlan, J. R. (1996). Induction of Decision Trees and the C4.5 Algorithm Concept. Machine Learning Journal.
Rohman, R. S., Saputra, R. A., & Firmansaha, D. A. (2020). Komparasi Algoritma C4.5 Berbasis PSo dan GA untuk Diagnosa Penyakit Stroke. Jurnal Klasifikasi Medis, 5(1).
Simanjuntak, L. P. (2024). Penerapan Data Mining Dalam Proses Hukum Pidana Bagi Pelaku Kekerasan Pada Wanita. Jurnal Ilmu Hukum dan Data Mining, 1(2).
Yatini, B. (2010). Pengantar Flowchart dan Representasi Grafis Pemecahan Masalah. Penerbit Terkait.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Putri Mawarni Rojalian Nst, Yusfrizal, Indah Ambarita
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
