Implementasi Data Mining untuk Klasifikasi Pengaduan PMI Menggunakan Decision Tree

Penulis

  • Muhammad Ali Ridla Universitas Ibrahimy Situbondo
  • Sofiatun Mukarroma Universitas Ibrahimy Situbondo
  • Nargis Yahya Universitas Ibrahimy Situbondo

DOI:

https://doi.org/10.33633/joins.v11i2.16656

Kata Kunci:

data mining, klasifikasi, pengaduan pmi, decision tree

Abstrak

Meningkatnya jumlah data pengaduan Pekerja Migran Indonesia (PMI) menyebabkan proses pengelolaan dan pengelompokan data menjadi semakin kompleks. Pengolahan data secara manual dinilai kurang efektif karena memerlukan waktu yang lebih lama dalam proses identifikasi dan tindak lanjut kasus. enelitian ini bertujuan menerapkan teknik data mining menggunakan algoritma Decision Tree untuk klasifikasi data pengaduan PMI. Dataset yang digunakan berjumlah 130 data pengaduan yang telah melalui tahap preprocessing. Proses klasifikasi dilakukan menggunakan RapidMiner, sedangkan evaluasi model menggunakan confusion matrix berdasarkan nilai accuracy, precision, dan recall. Hasil penelitian menunjukkan bahwa parameter terbaik diperoleh menggunakan criterion information gain, maximal depth 3, dan minimal leaf size 1 dengan nilai accuracy sebesar 86,92%, precision sebesar 81,94% (BELUM), 93,10% (SELESAI) dan recall sebesar 93,65 (BELUM), 80,60% (SELESAI). Hasil tersebut menunjukkan bahwa algoritma Decision Tree mampu mengklasifikasikan data pengaduan PMI dengan baik sehingga dapat membantu proses pengelompokan data secara lebih cepat, terstruktur, dan efisien.

Referensi

F. O. Wuisan, N. Mohede, and H. Tuwaidan, “Kajian Pengaturan perlindungan Hukum Terhadap Tenaga Kerja Indonesia Diluar Negeri,” LEX Crim., vol. 13, no. 4, 2025.

R. Nursyahfitri, A. N. Maharadja, R. A. Farissa, and Y. Umaidah, “Klasifikasi Penentuan Jenis Obat Menggunakan Algoritma Decision Tree,” JIP (Jurnal Inform. Polinema), vol. 7, no. 3, pp. 53–60, 2021, doi: 10.33795/jip.v7i3.629.

Ahmada Ilham Huzaini and Zaehol fatah, “Implementasi Decision Tree Dalam Prediksi Penyakit Stroke Menggunakan Rapidminer,” J. Mhs. Tek. Inform., vol. 5, no. 1, pp. 187–192, 2026, doi: 10.35473/jamastika.v5i1.4646.

S. Sheila and A. A. Diphayana, “Analisis Performa Algoritma C.45 dan Klasifikasi Decision-Tree dalam Memprediksi Penyakit Diabetes,” SINTESIA J. Sist. dan Teknol. Inf. Indones., vol. 04, no. 1, pp. 1–9, 2024.

Fitra Lia Shofiah and Zaehol Fatah, “Klasifikasi Data Penyakit Demam Berdarah Dengue (DBD) Melalui Algoritma Decision Tree Dengan RapidMiner,” J. Mhs. Tek. Inform., vol. 5, no. 1, pp. 34–40, 2026, doi: 10.35473/jamastika.v5i1.4571.

N. Wayan, W. Putu, G. Surya, C. Nugraha, E. Hartono, and I. W. Dharma, “penerapan data mining untuk klasifikasi penjualan barang terlaris menggunakan metode Decesion Tree,” J. Teknol. Inf. dan Komput., vol. 8, no. 3, pp. 268–279, 2022, [Online]. Available: https://jurnal.undhirabali.ac.id/index.php/jutik/article/view/2081

R. Ningsih, M. D. Basunanda, and W. Erawati, “Implementasi Algoritma C4.5 Untuk Klasifikasi Tingkat Kenaikan Jabatan Pada PT Siprama Cakrawala Depok,” J. Infortech, vol. 7, no. 1, pp. 6–13, 2025, doi: 10.31294/infortech.v7i1.25469.

P. R. Rosmila, “Komparasi Algoritma Naive Bayes dan Decision Tree untuk Menganalisis Kepuasan Masyarakat,” Inf. Syst. J., vol. 8, no. 2, pp. 109–118, 2025, [Online]. Available: doi:https://doi.org/10.24076/infosjournal.2025v8i02.2364

F. Y. Biyanto and V. Frendiana, “Perancangan Website Sistem Manajemen ‘Peduli PMI’ sebagai Wadah Pengaduan dan Perlindungan untuk Pekerja Migran Indonesia (PMI) di Malaysia,” in SNESTIK Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika, Surabaya: Fakultas Teknik Elektro dan Teknologi Informasi - Institut Teknologi Adhi Tama Surabaya, 2024, pp. 570–577. doi: 10.31284/p.snestik.2024.5916.

Pemerintah Indonesia, “Undang-Undang Republik Indonesia NO. 18 2017 Perlindungan Pekerja Migran Indonesia,” Pemerintah Indones., 2017.

A. D. M. Saputra and H. Firmansyah, “Implementasi Algoritma Decision Tree untuk Memprediksi Kualitas Udara dan Polusi dengan RapidMiner,” sudo J. Tek. Inform., vol. 4, no. 3, pp. 212–219, 2025, doi: https://doi.org/10.56211/sudo.v4i3.1145.

M. A. Fais, M. R. A. Lubis, A. Aulia, and I. Syafitri, “Implementasi Algoritma Decision Tree untuk Klasifikasi Serangan Jantung,” J. Sist. Inf. dan Ilmu Komput., vol. 1, no. 4, pp. 207–212, 2023, doi: 10.59581/jusiik-widyakarya.v1i4.1895.

C. Nisa and M. I. Rosyadi, “Prediksi Kesehatan Mental Mahasiswa Universitas Yudharta Pasuruan Dengan Klasifikasi Decision Tree,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 3S1, pp. 925–933, 2025, doi: http://dx.doi.org/10.23960/jitet.v13i3S1.7925.

U. Suropati and D. Saputra, “Implementasi Algoritma Decision Tree C4.5 untuk Klasifikasi Pengangkatan Karyawan Tetap (Studi Kasus) di PT Intinusa Teknik Sejahtera),” J. Manag. Bussines, vol. 7, no. 5, pp. 427–433, 2025, doi: https://doi.org/10.31539/68x3rd85.

S. Wahyuni and Z. Fatah, “Analisis Klasifikasi Status Perokok Menggunakan Algoritma Decision Tree Berbasis RapidMiner,” J. Mhs. Tek. Inform., vol. 5, no. 1, pp. 312–318, 2026, doi: 10.35473/jamastika.v5i1.4639.

R. N. Kholisha and Z. Fatah, “Penerapan Algoritma Decision Tree untuk Klasifikasi Diagnosa Pasien,” J. Mhs. Tek. Inform., vol. 5, no. 1, pp. 98–103, 2026, doi: 10.35473/jamastika.v5i1.4596.

S. R. Putri, “Implementation of the decision tree method and C4.5 algorithm for teacher classification in obtaining web-based position promotion at SMK Al-Ihya Selajambe Kuningan,” J. Info Sains Inform. dan Sains, vol. 14, no. 01, pp. 783–794, 2024, doi: 10.54209/infosains.v14i01.

##submission.downloads##

Diterbitkan

2026-10-15

Cara Mengutip

[1]
M. A. . Ridla, S. . Mukarroma, dan N. Yahya, “Implementasi Data Mining untuk Klasifikasi Pengaduan PMI Menggunakan Decision Tree”, Journal of Information System, vol. 11, no. 2, hlm. 143–151, Okt 2026.