Model Decision Tree C5.0 untuk Penilaian Lokasi Strategis Pemasangan Media Promosi Luar Ruang

Ahnaf Chaisar Akbar, Muhammad Dedi Irawan, Heri Santoso


Abstract


Pemilihan lokasi strategis dalam pemasangan media promosi luar ruang merupakan salah satu faktor penting yang dapat memengaruhi efektivitas kegiatan promosi. Pada CV Syifa Com, proses penilaian lokasi pemasangan media promosi belum dilakukan secara sistematis dan berbasis data, sehingga diperlukan model yang mampu memberikan penilaian secara objektif dan terukur. Penelitian ini bertujuan untuk menerapkan algoritma Decision Tree C5.0 dalam menilai lokasi strategis pemasangan media promosi luar ruang serta mengimplementasikannya ke dalam sistem berbasis web. Penelitian menggunakan pendekatan mixed methods dengan memanfaatkan data pemasangan media promosi dan dokumentasi lapangan sebagai sumber data penelitian. Dataset yang digunakan berjumlah 1.020 data dengan empat atribut, yaitu keramaian, lalu lintas, visibilitas, dan target konsumen. Proses klasifikasi menggunakan algoritma Decision Tree C5.0 melalui perhitungan entropy, information gain, split information, dan gain ratio untuk membentuk pohon keputusan dan aturan klasifikasi. Hasil penelitian menunjukkan bahwa atribut keramaian menjadi root node dengan nilai gain ratio tertinggi sebesar 0,2498. Model Decision Tree C5.0 dengan konfigurasi max depth = 3 menghasilkan akurasi sebesar 92%. Model tersebut menghasilkan aturan klasifikasi yang dapat digunakan untuk menentukan kategori lokasi Strategis dan Tidak Strategis. Model kemudian diimplementasikan pada sistem berbasis web untuk mengelola data lokasi, melakukan analisis klasifikasi, menampilkan hasil keputusan, dan menghasilkan laporan. Hasil penelitian menunjukkan bahwa model yang dikembangkan dapat membantu CV Syifa Com melakukan penilaian lokasi pemasangan media promosi secara lebih cepat, objektif, dan konsisten.

Keywords


Decision Tree C5.0, Data Mining,Klasifikasi, Lokasi Starategis, Media Promosi Luar Ruang

Full Text:

PDF

References


L. Melsya and M. D. Irawan, “SISTEM INFORMASI PENILAIAN KEPUASAN LAYANAN HUKUM KEJAKSAAN NEGERI TAPAKTUAN MENGGUNAKAN METODE RATING SCALE DAN MAUT,” J. INOVTEK POLBENG - SERI Inform., vol. 10, no. 3, pp. 1741–1752, 2025.

O. Ariansah and M. D. Irawan, “PENERAPAN METODE AHP DAN VIKOR DALAM REKRUTMEN KARYAWAN HARIAN LEPAS PADA HARI BESAR: STUDI KASUS TOKO RIA BUSANA LUBUK PAKAM APPLICATION,” IJIS - Indones. J. Inf. Syst., vol. 9, no. 2, pp. 165–178, 2024, doi: https://doi.org/10.36549/ijis.v9i2.342.

P. Saniscara, “Media Luar Ruangan Serta Dampaknya Terhadap Kualitas dan Lingkungan Hidup Masyarakat,” J. Dimens. DKV Seni Rupa dan Desain, vol. 7, no. 2, pp. 163–174, 2022, doi: 10.25105/jdd.v7i2.15168.

D. Adhipratama and N. F. Ernungtyas, “Tinjauan Sistematis Strategi dan Tantangan Periklanan Digital di Indonesia,” JRMK J. Ris. Manaj. Komun., vol. 5, no. 2, pp. 103–112, 2025, doi: 10.29313/jrmk.v5i2.6875.

M. Thariq, Buku Ajar Periklanan & Manajemen Media. Medan: UMSU Press, 2021.

I. P. A. Saskara, Media Periklanan Berbasis Implementasi Tutorial Praktek, 1st ed. Denpasar: Swasta Nulus, 2021.

Y. S. Sihite and P. Septaningtyas, “Penggunaan Media Periklanan Luar Ruangan di Masa Pandemi COVID-19,” Inter Komunika J. Komun., vol. 6, no. 2, pp. 10–23, 2021, doi: http://dx.doi.org/10.33376/ik.v6i2.1268.

Yunalpi, M. Syaeba, and U. Sunani, “INTERPRETASI MEDIA LUAR RUANG IKLAN ROKOK DAN POLA HIDUP SEHAT MASYARAKAT DESA SALUASSING,” MITZAL (Demokrasi, Komun. dan Budaya) J. Ilmu Pemerintah. dan Ilmu Komun., vol. 6, no. 1, pp. 95–103, 2021, doi: http://dx.doi.org/10.35329/mitzal.v6i1.2079.

S. Shalsabillah and Sugiyanto, “Pengaruh Promosi , Lokasi , Kualitas Bangunan Terhadap Minat Beli Pada Perumahan Annieland Cisoka Tangerang,” Sinomika J. Publ. Ilm. Bidan Ekon. Akunt., vol. 1, no. 3, pp. 381–404, 2022, doi: 10.54443/sinomika.v1i3.277.

D. Leman, M. Rahman, and M. H. Ramadahan, “Analisis Metode C5 . 0 Untuk Penyediaan Lapangan Pekerjaan Di Kelurahan Sidorejo Hilir Dedi,” SATIN – Sains dan Teknol. Inf., vol. 8, no. 2, pp. 112–121, 2022, doi: 10.33372/stn.v8i2.906.

V. Matzavela and E. Alepis, “Computers and Education : Artificial Intelligence Decision tree learning through a Predictive Model for Student Academic Performance in Intelligent M-Learning environments,” Comput. Educ. Artif. Intell., vol. 2, p. 100035, 2021, doi: 10.1016/j.caeai.2021.100035.

J. Huang, W. Li, J. Xie, C. Zhang, and B. Liu, “Logistic regression versus C5 . 0 decision tree in predicting female stress urinary incontinence risk using clinical and pelvic floor ultrasound data : a model development and validation study,” BMC Womens. Health, vol. 25, no. 490, 2025.

M. Ardiansyah, H. Wijayanto, A. Kurnia, and A. Djuraidah, “Multiclass Forecasting on Panel Data Using Autoregressive Multinomial Logit and C5.0 Decision Tree,” Pakistan J. Stat. Oper. Res. Multiclass, vol. 19, no. 1, pp. 145–154, 2023, doi: 10.18187/pjsor.v19i1.4053.

Kristiawan and A. Widjaja, “Perbandingan Algoritma Machine Learning dalam Menilai Sebuah Lokasi Toko Ritel,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 1, pp. 35–46, 2021, doi: https://doi.org/10.28932/jutisi.v7i1.3182.

S. M. Rizky and M. D. Irawan, “Sistem Informasi Monitoring Penyewa Kios Pasar Inpres Berbasis Web Menggunakan Algoritma Bubble Sort,” Jatilima J. Multimed. Dan Teknol. Inf., vol. 7, no. 3, pp. 453–464, 2025, doi: https://doi.org/10.54209/jatilima.v7i03.1608.

M. D. Fetters and C. Tajima, “Joint Displays of Integrated Data Collection in Mixed Methods Research,” Int. J. Qual. Methods, vol. 21, p. 16094069221104564, Apr. 2022, doi: https://doi.org/10.1177/16094069221104564.

Yi Zhou, Yuchun Zhou, and Krisanna Machtmes, “Mixed methods integration strategies used in education: A systematic review,” Methodol. Innov., vol. 17, no. 1, pp. 41–49, Mar. 2024, doi: 10.1177/20597991231217937.

D. N. Hidayanto, METODE PENELITIAN CAMPURAN (MIXED METHODS). Yogyakarta: CV. Budi Utama, 2024.

J. L. Delgado-Gallegos et al., “Application of C5.0 Algorithm for the Assessment of Perceived Stress in Healthcare Professionals Attending COVID-19.,” Brain Sci., vol. 13, no. 3, Mar. 2023, doi: 10.3390/brainsci13030513.

D. M. Hannon, J. D. A. Syed, B. McNicholas, M. Madden, and J. G. Laffey, “The development of a C5.0 machine learning model in a limited data set to predict early mortality in patients with ARDS undergoing an initial session of prone positioning.,” Intensive care Med. Exp., vol. 12, no. 1, p. 103, Nov. 2024, doi: 10.1186/s40635-024-00682-z.

R. Widiyanti, C. Suhery, and R. Hidayati, “Implementasi Algoritma C5 . 0 Untuk Klasifikasi Kepuasan Masyarakat Terhadap Pelayanan Kantor Kecamatan,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 4, pp. 1200–1209, 2022, doi: 10.30865/jurikom.v9i4.4632.

A. A. A. Naufal and S. Anggita, “PENERAPAN METODE WATERFALL PADA SISTEM INFORMASI E-RAPOR,” Inf. Syst. J., vol. 7, no. 1, pp. 45–55, 2024, doi: https://doi.org/10.24076/infosjournal.2024v7i01.1582.

H. Santoso, I. F. Nasution, and R. A. Putri, “SISTEM INFORMASI PENYEWAAN ALAT CAMPING MENGGUNAKAN ALGORITMA COLLABORATIVE FILTERING PADA TEMAN PIKNIK,” J. Inf. Syst. Applied, Manag. Account. Res. Vol 10 No 2 JISAMAR (May 2026)DO - 10.52362/jisamar.v10i2.2353, vol. 10, no. 2, May 2026, doi: https://doi.org/10.52362/jisamar.v10i2.2353.

M. Alda, N. Safitri, D. Alisya, A. C. Akbar, and D. A. Wardhana, “Perancangan Sistem Informasi Rapor Digital Siswa Berbasis Mobile Menerapkan RAD Muhamad,” TIN Terap. Inform. Nusant. Vol, vol. 6, no. 8, pp. 1434–1443, 2026, doi: 10.47065/tin.v6i8.8948.

M. B. Firdaus and I. Noor, “Klasifikasi Rekomendasi Jurusan Kuliah Menggunakan Metode Naive Bayes Dan Evaluasi Confusion Matrix Dalam Perspektif Pendidikan Islam Al-Ghazali,” SADANA Int. J. Educ. Law, Technol. Econ. Agric., vol. 1, no. 1, pp. 99–108, 2026, doi: 10.61492/a2jg5b26.




DOI: https://doi.org/10.30743/infotekjar.v11i1.14288

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Ahnaf Chaisar Akbar, Muhammad Dedi Irawan, Heri Santoso

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.