SISTEM REKOMENDASI KEPUTUSAN UPGRADE SMARTPHONE MENGGUNAKAN ALGORITMA C4.5 BERBASIS AI
Penulis
-
Haris Nizhomul Haq
Universitas Mandiri
-
Hermansyah Nur Ahmad
Universitas Mandiri
-
Ryan Catur
Universitas Mandiri
-
Anderias Eko Wijaya
Universitas Mandiri
-
Kodar Udoyono
Universitas Mandiri
-
Eka Permana
Universitas Mandiri
-
Daud Elia Leander
Universitas Mandiri
https://doi.org/10.47561/jtik.v19i1.395
This Abstract has been read 7 times
Abstrak
Pertumbuhan penggunaan smartphone mendorong kebutuhan pengambilan keputusan yang rasional terkait upgrade perangkat. Banyak pengguna melakukan upgrade tanpa mempertimbangkan kondisi aktual perangkat dan kebutuhan penggunaan. Penelitian ini bertujuan membangun sistem rekomendasi berbasis kecerdasan buatan untuk menentukan keputusan upgrade smartphone secara objektif. Metode yang digunakan adalah algoritma C4.5 untuk klasifikasi keputusan upgrade berdasarkan atribut spesifikasi perangkat dan pola penggunaan. Dataset yang digunakan berjumlah 100 data, terdiri dari 80 data training dan 20 data testing.
Hasil penelitian menunjukkan sistem mampu menghasilkan model pohon keputusan yang representatif dalam menentukan keputusan upgrade. Evaluasi performa menggunakan confusion matrix menghasilkan akurasi sebesar 95,00 persen yang termasuk kategori sangat baik. Sistem juga diintegrasikan dengan AI Gemini untuk menghasilkan penjelasan naratif dari hasil klasifikasi sehingga meningkatkan interpretabilitas keputusan.
Kontribusi penelitian terletak pada integrasi algoritma klasifikasi dengan model generatif untuk menghasilkan rekomendasi yang tidak hanya akurat tetapi juga informatif. Sistem ini memberikan solusi praktis bagi pengguna dalam menentukan kebutuhan upgrade smartphone secara efisien.
Keywords: C4.5, Sistem rekomendasi, Smartphone, Klasifikasi, Kecerdasan Buatan
CITATIONS
Unduhan
Referensi
Sarker, I. H. (2021). "Machine Learning: Algorithms, Real-World Applications and Research Directions." SN Computer Science, 2(160). https://doi.org/10.1007/s42979-021-00592-x
Alowaidi, M. (2023). "The Evolution of Smartphone Capabilities and Their Impact on Mobile Computing: A Comprehensive Review." Journal of Computer Science and Information Technology.
Kotu, V., & Deshpande, B. (2024). Data Science: Concepts and Practice (3rd ed.). Morgan Kaufmann.
Sarker, I. H. (2022). "Data Science and Analytics: An Overview from Data-Driven Smart Computing, Decision-Making and Real-World Problems." Information Systems, 107, 101965.
Tjoa, E., & Guan, C. (2021). "A Survey on Explainable Artificial Intelligence (XAI): Toward Medical XAI." IEEE Transactions on Neural Networks and Learning Systems, 32(11), 4793-4813. DOI: 10.1109/TNNLS.2020.3027314.
J. Han, M. Kamber, and J. Pei, “Data Mining: Concepts and Techniques,” 3rd ed., Morgan Kaufmann, 2012, doi:10.1016/C2009-0-61819-5.
P. García-Laencina, J. Sancho-Gómez, and A. Figueiras-Vidal, “Pattern classification with missing data: a review,” Neural Computing and Applications, vol. 19, pp. 263–282, 2010, doi:10.1007/s00521-009-0295-6.
J. R. Quinlan, “Induction of Decision Trees,” Machine Learning, vol. 1, pp. 81–106, 1986, doi:10.1007/BF00116251.
R. Kohavi, “A Study of Cross-Validation and Bootstrap for Accuracy Estimation and Model Selection,” IJCAI, 1995, doi:10.24963/ijcai.1995/073.
T. Fawcett, “An introduction to ROC analysis,” Pattern Recognition Letters, vol. 27, no. 8, pp. 861–874, 2006, doi:10.1016/j.patrec.2005.10.010.
Dwivedi, Y. K., et al. (2023). "So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy." International Journal of Information Management, 71, 102642. DOI: 10.1016/j.ijinfomgt.2023.102642
##submission.downloads##
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Haris Nizhomul Haq, Hermansyah Nur Ahmad, Ryan Catur, Anderias Eko Wijaya, Kodar Udoyono, Eka Permana, Daud Elia Leander
This work is licensed under a Creative Commons Attribution 4.0 International License.
