PEMILIHAN CRITERIA SPLITTING DALAM ALGORITMA ITERATIVE DICHOTOMISER 3 (ID3) UNTUK PENENTUAN KUALITAS BERAS : STUDI KASUS PADA PERUM BULOG DIVRE LAMPUNG

Abstract

Beras merupakan bahan makanan pokok sebagian besar penduduk dunia, termasuk penduduk Indonesia. Bangsa Indonesia telah menjadi Bangsa yang terbesar mengkonsumsi beras di dunia yaitu 105 Kg/kapita/tahun. Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. Dalam penelitian ini, penulis akan mengambil algoritma Iterative Dichotomiser 3 (ID3) untuk pemilihan Criteria Splittting dalam penentuan kualitas beras. Metode penelitian yang digunakan dalam eksperimen ini menggunakan model Cross-Standard Industry for Data Mining (CRISP-DM). Dengan demikian hasil yang diharapkan adalah untuk mengetahui Criteria Splitting mana pada Algoritma Interative Dichotomieser 3 (ID3) yang paling akurat dalam menentukan kualitas beras, dan ternyata criteria splitting Gain Ratio yang memiliki Decision Tree yang akurat.