Andriano, Dicky (2026) SISTEM PENDUKUNG KEPUTUSAN UNTUK KLASIFIKASI BARANG BONGKAR MUAT MENGGUNAKAN ALGORITMA APRIORI DAN DECISION TREE BERBASIS WEBSITE (STUDI KASUS: PT. PELINDO CABANG LHOKSEUMAWE). S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (120kB)
	Text Abstrak.pdf Download (161kB)
	Text BAB I.pdf Download (149kB)
	Text Daftar Pustaka.pdf Download (129kB)
	Text Full-text.pdf Restricted to Registered users only Download (3MB)

Abstract

Penelitian ini bertujuan untuk merancang dan membangun sistem pendukung keputusan berbasis website untuk menganalisis dan mengklasifikasikan barang bongkar muat di PT PELINDO Cabang Lhokseumawe menggunakan algoritma Apriori dan metode Decision Tree. Penelitian ini menggunakan pendekatan Research and Development (R&D) berdasarkan model Borg dan Gall yang melibatkan identifikasi masalah, pengumpulan data melalui observasi partisipatif dan wawancara, perancangan sistem, serta uji coba lapangan. Algoritma Apriori diterapkan dengan ambang batas Minimum Support 20% dan Minimum Confidence 80% untuk mengidentifikasi pola asosiasi pada data biner arus muatan tahun 2024, sementara algoritma Decision Tree menggunakan metode CART dengan Gini Impurity yang diimplementasikan untuk mengklasifikasikan beban operasional bulanan untuk komoditas dominan (Curah Kering) ke dalam kategori "TINGGI" (>25.000 ton) dan "RENDAH" (≤25.000 ton). Validasi fungsional dilakukan menggunakan Black Box Testing. Hasil penelitian menunjukkan bahwa sistem berbasis web berfungsi secara valid di semua fitur utama: input data, konfigurasi parameter, pemrosesan algoritma, dan pembuatan laporan. Analisis Apriori mengungkapkan bahwa Curah Kering, Peti Kemas, dan General Cargo secara konsisten mendominasi aktivitas pelabuhan bulanan, sedangkan Curah Cair dikeluarkan karena frekuensinya tidak mencukupi (<20%). Aturan asosiasi terkuat mencapai Confidence 100% dan Lift Ratio 1,0, yang menunjukkan interdependensi logistik multikomoditas yang independen. Decision Tree mengidentifikasi aktivitas Peti Kemas sebagai akar utama (root node) dengan ambang batas penyekatan (split threshold) optimal sebesar 169 box, menghasilkan Gini Gain tertinggi sebesar 0,100. Kesimpulannya, sistem yang dikembangkan secara efektif mendukung pengambilan keputusan berbasis data untuk manajemen logistik pelabuhan, dengan menawarkan kemampuan penemuan pola sekaligus klasifikasi prediktif. Kata Kunci: Sistem Pendukung Keputusan, Algoritma Apriori, Pohon Keputusan, R&D, Pelabuhan.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Dicky Andriano
Date Deposited:	07 Sep 2026 07:05
Last Modified:	07 Sep 2026 07:05
URI:	https://rama.unimal.ac.id/id/eprint/22514

Actions (login required)

View Item