Abstract:Abstract: Rizky Convection Business is a sportswear production company based on Jalan Elang Lestari Kisaran. Every day they receive orders from schools and agencies that need sportswear. However, Rizky Convection often faces…
aces challenges, especially in managing raw material inventory, allocating production time and processing orders that come in large quantities. For this reason, order data needs to be grouped to make it easier for employees to work on it. The data that will be processed in this study is order data from 2022-2024. One way to do this is to apply data mining techniques, one of which is the K-Means Clustering method. The purpose of this study is to model the use of K-Means Clustering to improve production management and procurement of raw materials for fabrics at Rizky Convection. K-Means Clustering is the grouping of a number of data into clusters (groups) so that each cluster will contain data that is as similar as possible. The results of K-Means Clustering grouping with 3 clusters, namely cluster 1, the large order group has 25 order data, cluster 2, the small order group has 361 order data and cluster 3, the medium order group has 100 order data.
Keywords: data mining; order data; K-Means; sportswear manufacturing.
Abstrak: Usaha Konveksi Rizky merupakan perusahaan produksi pakaian olahraga yang berpusat di Jalan Elang Lestari Kisaran. Setiap hari mereka menerima pesanan dari sekolah dan instansi yang membutuhkan pakaian olahraga. Namun Konveksi Rizky sering menghadapi tantangan terutama dalam pengelolaan persediaan bahan baku kain, pengalokasian waktu produksi dan pemrosesan pesanan yang datang dalam jumlah banyak. Untuk itu, data pesanan perlu dikelompokkan untuk mempermudah karyawan dalam mengerjakannya. Data yang akan diproses pada penelitian ini adalah data pesanan dari tahun 2022-2024. Salah satu cara untuk hal tersebut adalah dengan menerapkan teknik data mining, salah satunya metode K-Means Clustering. Tujuan penelitian ini adalah untuk memodelkan penggunaan K-Means Clustering untuk meningkatkan manajemen produksi dan pengadaan bahan baku kain di Rizky Konveksi. K-Means Clustering adalah pengelompokan sejumlah data ke dalam cluster (group) sehingga setiap dalam cluster tersebut akan berisi data yang semirip mungkin. Hasil pengelompokkan K-Means Clustering dengan 3 cluster yaitu cluster 1 kelompok pesanan banyak memiliki 25 data pesanan, cluster 2 kelompok pesanan sedikit memiliki 361 data pesanan dan cluster 3 kelompok pesanan sedang memiliki 100 data pesanan.
Kata kunci: data mining; data pesanan; K-Means; konveksi.
Abstract:Abstract: West Sumba Regency has many traditional villages, local dances and bu-daya festivals that can be seen as cultural tourist attractions. This is indicated by the increasing number of people visiting cultural tourist…
ist attractions in West Sumba. However, there are still few promotional and information services available for tourists related to cultural tourism to visit, such as location information, events and access to cultural tourism spots in West Sumba. Therefore, the purpose of this research is to create a mobile phone-based application that can promote bu-culture tourism in West Sumba Regency. The specific objective is to create a platform that makes it easy for tourists to explore and understand the cultural richness and cultural tourism destinations of West Sumba. This research uses a user-centered design (UCD) approach to create a successful mobile application. This application will help tourists get information about cultural tourism destinations in West Sumba. In addition, the app has additional features, such as maps, traditional villages, local dances, cultural festivals, event schedules and travel agents.
Keywords: Cultural Tourism; Design; Mobile Apps; west sumba
Abstrak: Kabupaten Sumba Barat memiliki banyak kampung adat, tarian lokal, dan festival budaya yang dapat dilihat sebagai tempat wisata budaya. Ini ditunjukkan oleh peningkatan jumlah orang yang mengunjungi tempat-tempat wisata budaya di Sumba Barat. Namun, masih sedikit layanan promosi dan informasi yang tersedia bagi para wisatawan terkait wisata budaya yang ingin dikunjungi, seperti informasi lokasi, acara dan akses ke tempat-tempat wisata budaya di Sumba Barat. Oleh karena itu, tujuan dari penelitian ini adalah untuk membuat aplikasi berbasis ponsel yang dapat mempromosikan wisata budaya di Kabupaten Sumba Barat. Tujuan khusus adalah untuk membuat sebuah platform yang memudahkan wisatawan untuk mengeksplorasi dan memahami kekayaan budaya dan destinasi wisata budaya Sumba Barat. Penelitian ini menggunakan pendekatan desain berbasis pengguna (UCD) untuk membuat aplikasi mobile yang berhasil. Aplikasi ini akan membantu wisatawan mendapatkan informasi tentang destinasi wisata budaya di Sumba Barat. Selain itu, aplikasi ini memiliki fitur tambahan, seperti peta, kampung adat, tarian lokal, festival budaya, jadwal acara, dan agen perjalanan wisata.
Kata kunci: aplikasi seluler; desain; sumba barat; wisata budaya
Abstract:Abstract: Welfare is one of the things that determines the progress of a region, to achieve the welfare of its people, especially in the economic sector, a technique is needed to measure welfare that continues to change.…
This study aims to analyze the differences in the level of community welfare in Central Java Province by grouping regions based on several indicators. Grouping is done using data from various sources that include the main indicators of welfare. The method used in this study uses the K-Means data mining algorithm to group regional data according to their level of welfare. The results of the analysis divide the regions into three categories: Medium Welfare Level, which includes Banyumas, Purworejo, Boyolali, Klaten, Sukoharjo, Karanganyar, Sragen, Kudus, Jepara, Demak, Semarang, Kendal, and Pekalongan City and Tegal City, High Welfare Level, consisting of Magelang City, Surakarta City, Salatiga City, and Semarang City; and Low Welfare Level, covering Cilacap, Purbalingga, Banjarnegara, Kebumen, Wonosobo, Magelang, Wonogiri, Grobogan, Blora, Rembang, Pati, Temanggung, Batang, Pekalongan, Pemalang, Tegal, and Brebes Regencies. The findings show that the C2 region has a longer average length of schooling, higher per capita expenditure, and better HDI, reflecting a higher quality of life. This study provides an overview of welfare inequality in Central Java Province and suggests the need for more focused policies to improve the quality of life in each category of region.
Keywords: clustering; k-means; welfare
Abstrak: Kesejahreraan merupakan salah satu hal yang menentukan kemajuan suatu wilayah, untuk mencapai kesejahteraan masyarakatnya terutama di bidang ekonomi di perlukan teknik untuk mengukur kesejahteraan yang terus berubah, Penelitian ini bertujuan untuk menganalisis perbedaan tingkat kesejahteraan masyarakat di Provinsi Jawa Tengah dengan mengelompokkan wilayah berdasarkan beberapa indikator. Pengelompokan dilakukan menggunakan data dari berbagai sumber yang mencakup indikator-indikator utama kesejahteraan. Metode yang di gunakan dalam penelitian ini menggunakan algoritma data mining K-Means untuk mengelompokkan data wilayah menurut tingkat kesejahteraannya. Hasil analisis membagi wilayah menjadi tiga kategori: Tingkat Kesejahteraan Sedang, yang mencakup Kabupaten Banyumas, Purworejo, Boyolali, Klaten, Sukoharjo, Karanganyar, Sragen, Kudus, Jepara, Demak, Semarang, Kendal, serta Kota Pekalongan dan Kota Tegal, Tingkat Kesejahteraan Tinggi, terdiri dari Kota Magelang, Kota Surakarta, Kota Salatiga, dan Kota Semarang; dan Tingkat Kesejahteraan Rendah, mencakup Kabupaten Cilacap, Purbalingga, Banjarnegara, Kebumen, Wonosobo, Magelang, Wonogiri, Grobogan, Blora, Rembang, Pati, Temanggung, Temuan menunjukkan bahwa wilayah C2 memiliki rata-rata lama sekolah yang lebih panjang, pengeluaran per kapita yang lebih tinggi, dan IPM yang lebih baik, mencerminkan kualitas hidup yang lebih tinggi. Penelitian ini memberikan gambaran tentang ketidakmerataan kesejahteraan di Provinsi Jawa Tengah dan menyarankan perlunya kebijakan yang lebih terfokus untuk meningkatkan kualitas hidup di setiap kategori wilayah.
Kata Kunci: clustering; k-means; kesejahteraan
Abstract:Abstract: This study maps the vulnerability of landslides in Jayapura Regency, Indonesia, using a parameter weighting method within the framework of the Geographic Information System (GIS). The study identified key factors…
rs that contribute to landslide risk, including slope, soil type, rainfall, geology, and land use. The analysis revealed significant areas prone to landslides, with substantial portions classified as moderate to high risk. Comparison with the BNPB Inarisk method shows variations in the percentage of risk areas, highlighting the importance of the double assessment technique. The study underscores the need for an integrated, multidisciplinary approach to landslide risk management, emphasizing accurate data collection, land-use planning, and targeted mitigation strategies. These findings provide valuable insights for policymakers and disaster management agencies to minimize the impact of future landslides and promote sustainable development, especially in light of the 2019 landslide disaster in Sentani.
.
Keywords: landslide; jayapura regency; parameter weighting method; inarisk BNPB methods; disaster mitigation.
Abstrak: Penelitian ini memetakan kerentanan tanah longsor di Kabupaten Jayapura, Indonesia, menggunakan metode pembobotan parameter dalam kerangka Sistem Informasi Geografis (GIS). Studi ini mengidentifikasi faktor-faktor kunci yang berkontribusi terhadap risiko tanah longsor, termasuk kemiringan, jenis tanah, curah hujan, geologi, dan penggunaan lahan. Analisis mengungkapkan area signifikan yang rentan terhadap tanah longsor, dengan porsi substansial diklasifikasikan sebagai risiko sedang hingga tinggi. Perbandingan dengan metode BNPB Inarisk menunjukkan variasi persentase area risiko, menyoroti pentingnya teknik penilaian ganda. Studi ini menggarisbawahi perlunya pendekatan multidisiplin yang terintegrasi untuk manajemen risiko tanah longsor, menekankan pengumpulan data yang akurat, perencanaan penggunaan lahan, dan strategi mitigasi yang ditargetkan. Temuan ini memberikan wawasan berharga bagi pembuat kebijakan dan lembaga penanggulangan bencana untuk meminimalkan dampak tanah longsor di masa depan dan mempromosikan pembangunan berkelanjutan, terutama mengingat bencana tanah longsor tahun 2019 di Sentani.
.
Kata kunci: tanah longsor; kabupaten jayapura; metode pembobotan parameter; metode BNPB Inarisk; mitigasi bencana.
Abstract:Abstract: Twitter occupies the top position of the most popular social media platform in Indonesia. Police and other related issues were the subject of much discussion. The aim of this research is to analyze public sentiment…
ment towards the National Police Agency using Twitter with the support vector machine method. The research started by crawling Twitter data. The data contains a total of 6,925 entries for three keywords. Next, we move on to the preprocessing stage consisting of (cleaning, case folding, tokenization, and filtering). Next is the tf-idf feature extraction stage, finally the classification and evaluation stage. The results of manual data inspection (73:27) showed accuracy of 70.66%, precision of 70.68%, and recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. The results of manual data checking (82:18) showed accuracy of 70.66%, precision of 70.68%, recall of 99.76%. Testing the second data (82:18), found accuracy 86%, precision 86.21%, recall 99.71%. From the data system testing results (80:20), accuracy was 87.55%, positive precision 87.53%, negative precision 88.24%, positive recall 99.48%, and negative recall. the rate is 99.48.% – The result is 21.43%. Data testing results (60:40) showed accuracy of 86.89%, positive precision of 86.84%, negative precision of 88.46%, positive recall of 99.61%, and negative recall of 16.43%. Single test data validation system (80:20), accuracy 87.55, overall test cross validation system (k fold 5 accuracy) 86.673%.
Keywords: data mining;police agencies;support vector machines
Abstrak: Twitter menduduki posisi teratas platform media sosial terpopuler di Indonesia. Polisi dan masalah terkait lainnya menjadi pokok bahasan banyak pembicaraan. Tujuan penelitian ini untuk menganalisis sentimen masyarakat terhadap Badan Kepolisian Nasional menggunakan Twitter dengan metode support vector machine. Penelitian dimulai dengan crawling data Twitter. Data memuat total 6.925 entri dari tiga kata kunci. Selanjutnya beralih ke tahap preprocessing terdiri dari (pembersihan, pelipatan kasus, tokenisasi, dan pemfilteran). Selanjutnya tahap ekstraksi fitur tf-idf, terakhir tahap klasifikasi dan evaluasi. Hasil pemeriksaan data manual (73:27) menunjukkan akurasi 70,66%, presisi 70,68%, dan recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Hasil pemeriksaan data secara manual (82:18) menunjukkan akurasi 70,66%, presisi 70,68%, recall 99,76%. Menguji data kedua (82:18), menemukan akurasi 86%, presisi 86,21%, recall 99,71%. Dari hasil pengujian sistem data (80:20), akurasi 87,55%, presisi positif 87,53%, presisi negatif 88,24%, recall positif 99,48%, dan recall negatif. tarifnya adalah 99,48.% – Hasilnya 21,43%. Hasil pengujian data (60:40) menunjukkan akurasi 86,89%, presisi positif 86,84%, presisi negatif 88,46%, recall positif 99,61%, dan recall negatif 16,43%. Uji tunggal sistem validasi data (80:20), akurasi 87,55, uji keseluruhan sistem validasi silang (akurasi k fold 5) 86,673%.
Kata Kunci: data mining;instansi kepolisian;mesin vektor pendukung
Abstract:Abstract: One of the keys to the success of a company or agency in achieving certain goals is the workforce. However, finding the ideal partner that suits the needs of the organization or agency is difficult. Therefore,…
the selection of suitable potential partners is very important in order to be able to recruit partners who are competent in their fields and meet the company's expectations and meet all stages carried out by the organization. The Preference Selection Index method is the method used in selecting employees. The option that returns the highest Preference Index value after all criteria and alternatives have been calculated is the best option, or options selected. Based on research findings, Andreyanto Wijaya's alternative is the best alternative to be chosen as the company's partner with the highest score, which is 0.95346.
Keywords: decision support system; PSI; recruitment; partner
Abstrak: Salah satu kunci keberhasilan suatu perusahaan atau instansi dalam mencapai tujuan tertentu adalah tenaga kerjanya. Namun, menemukan Mitra ideal yang sesuai dengan kebutuhan organisasi atau instansi memang sulit. Oleh karena itu, pemilihan calon Mitra yang sesuai sangatlah penting agar dapat merekrut mitra yang berkompeten di bidangnya dan memenuhi harapan perusahaan serta memenuhi seluruh tahapan yang dilakukan oleh organisasi. Metode Preference Selection Index adalah metode yang digunakan dalam menseleksi pegawai. Pilihan yang menghasilkan nilai Indeks Preferensi tertinggi setelah semua kriteria dan alternatif dihitung adalah pilihan terbaik, atau pilihan yang terpilih. Berdasarkan temuan penelitian, alternatif Andreyanto Wijaya merupakan alternatif terbaik untuk dipilih menjadi mitra untuk perusahaan dengan skor tertinggi yaitu 0,95346.
Kata Kunci : sistem pendukung keputusan; PSI; rekrutmen; mitra
Abstract:Abstract: Today, many users use online platforms rather than offline platforms for ticket bookings, involving a wide range of services such as flights, hotels, trains, buses, and entertainment. PegiPegi.com, as one of the…
e fastest growing online travel agencies in Indonesia, demonstrates success by understanding the value of technology and maintaining strong partnerships. Users of this platform often provide reviews, viewing user reviews can be done manually but this will have a less effective impact, so it needs to be done automatically with sentiment analysis. This research the Naïve Bayes method in sentiment analysis of PegiPegi.com reviews, with a focus on understanding customer satisfaction and service improvement. By combining these approaches, this research contributes to a deeper understanding of user responses to OTA services and presents the evaluation results of the Multinomial Naive Bayes classification model with an accuracy rate of 89.5%. The high precision in the Negative class demonstrates the model's ability to identify negative reviews. However, there are challenges in classifying the Neutral class, indicating the potential for further improvement. Nevertheless, the F1 score of 0.522 reflects a good balance between overall precision, recall so it can be concluded the naïve bayes algorithm is successful for performing sentiment analysis.
Keywords: Sentiment analysis; naïve bayes algorithm; pegipegi.com; playstore
Abstract: Saat ini banyak pengguna platform online dibandingkan offline untuk pemesanan tiket, yang melibatkan berbagai layanan seperti penerbangan, hotel, kereta api, bus, dan hiburan. PegiPegi.com, sebagai salah satu agen perjalanan online yang berkembang pesat di Indonesia, menunjukkan keberhasilan dengan memahami nilai teknologi dan mempertahankan kemitraan yang kuat. Pengguna platform ini sering memberikan ulasan, melihat ulasan pengguna bisa saja dilakukan secara manual tetapi hal ini akan memberikan dampak yang kurang efektif, sehingga perlu dilakukan secara otomatis dengan analisis sentiment. Penelitian ini bertujuan untuk menerapkan metode klasifikasi Naïve Bayes dalam analisis sentimen ulasan PegiPegi.com, dengan fokus pada pemahaman kepuasan pelanggan dan peningkatan layanan. Dengan menggabungkan pendekatan ini, penelitian ini berkontribusi pada pemahaman yang lebih dalam tentang tanggapan pengguna terhadap layanan OTA dan menyajikan hasil evaluasi model klasifikasi Multinomial Naive Bayes dengan tingkat akurasi 89,5%. Presisi tinggi di kelas Negatif menunjukkan kemampuan model untuk mengidentifikasi ulasan negatif. Namun, ada tantangan dalam mengklasifikasikan kelas Netral, menunjukkan potensi untuk perbaikan lebih lanjut. Namun demikian, skor F1 0,522 mencerminkan keseimbangan yang baik antara presisi keseluruhan dan daya ingat sehingga dapat disimpulkan algoritma naïve bayes berhasil untuk melakukan analisis sentimen.
Keywords: Analisis sentimen; naïve bayes; pegipegi.com; playstore
Abstract:Abstract: Unemployment is a global economic issue that directly impacts human life in both developed and developing countries, especially in Indonesia, which, if ignored, will severely impact society's social dynamics. To…
o overcome this problem, forecasts are made so that later, the government can take policies to control and suppress the unemployment growth rate. This research aims to predict unemployment in Indonesia in 2023 using the Weighted Moving Average method, widely used to determine the trend of a time series, which is part of one of the Time Series methods that gives different weights. The dataset used was obtained from the Central Statistics Agency (BPS) relating to unemployment data from 2000 to 2022 (23 years). To analyze the level of accuracy of the results of this unemployment forecast using the MAD, MSE, and MAPE methods. This research concludes that the Weighted Moving Average method can be applied in predicting unemployment in Indonesia in 2023. The results of this research are a prediction of the number of unemployed in Indonesia, as many as 8,874,942 people at a weight value of 3 (three) where the accuracy of the MAD value is 745786.1833, the MSE value is 948402050986.3 and MAPE is 8.28%.
Keywords: forecasting; unemployment; weigth moving average; indonesia
Abstrak: Pengangguran menjadi isu ekonomi global yang berdampak secara langsung terhadap tingkat kehidupan manusia di negara-negara yang sudah maju maupun yang sedang berkembang khususnya di negara Indonesia, yang jika diabaikan akan berdampak serius terhadap dinamika sosial masyarakat. Untuk mengatasi permasalahan tersebut dibuatlah peramalan agar nantinya pemerinta dapat mengambil kebijakan dalam mengendalikan dan menekan angka pertumbuhan pengangguran tersebut. Penelitian ini bertujuan untuk memprediksi pengangguran di Indonesia pada tahun 2023 menggunakan metode Weighted Moving Average dimana metode ini banyak digunakan untuk menentukan trend dari suatu deret waktu yang merupakan bagian dari salah satu metode Time Series yang memberikan bobot yang berbeda-beda. Adapun dataset yang digunakan diperoleh dari Badan Pusat Satatistik (BPS) berkaitan dengan data pengangguran dari tahun 2000 sampai dengan tahun 2022 (selama 23 tahun). Untuk menganalisa tingkat akurasi dari hasil peramalan pengangguran ini memakai metode MAD, MSE, dan MAPE. Kesimpulan dari penelitian ini yaitu dapat diterapkannya metode Weighted Moving Average dalam memprediksi pengangguran di Indonesia pada tahun 2023. hasil dari penelitian ini berupa prediksi jumlah pengangguran di Indonesia sebanyak 8.874.942 orang pada nilai bobot 3 (tiga) dimana akurasi nilai MAD sebesar 745786,1833, nilai MSE sebesar 948402050986,3 dan MAPE sebesar 8,28 %.
Kata kunci: peramalan; pengangguran; weigth moving average; indonesia
Abstract:Abstract: Distributor Center (DC) Ria Sari, one of the official herbal medicine agents from PT HPAI (Herba Penawar Alwahida Indonesia) company. Sales of herbal medicines at the Ria Sari Anggriani Distributor Center (DC)…
often experience instability. Where in the period March 2022 to May 2022 there was a significant increase in sales. This resulted in the Ria Sari Anggriani Distributor Center (DC) being unable to serve requests for available herbal medicines. So that it becomes an obstacle in the stock of herbal medicines that must be prepared. If there are too many drug stocks but the demand for herbal medicines is decreasing then this will result in a loss, conversely if the demand for medicines increases but the stock of herbal medicines cannot be prepared then this will be a loss for DC Ria Sari Anggriani. For this reason, it is necessary to do a forecasting/prediction technique, using the Single Exponential Smoothing Method . The purpose of the forecasting/prediction will be to assist in terms of the supply of herbal medicines in the following month's period. The results of testing this method were obtained in the period June 2023, requests for 167 herbal medicines, 178 Extra foods, 189 Etta Goat Milk, 91 Herbal Toothpastes, 74 products of Propolis Soap.
Keywords: herbal medicine; prediction; single exponential smoothing
Abstrak: Distributor Center (DC) Ria Sari salah satu agen resmi obat herbal dari perusahaan PT HPAI (Herba Penawar Alwahida Indonesia). Penjualan obat herbal pada Distributor Center (DC) Ria Sari Anggriani sering terjadi ketidak stabilan. Dimana pada periode Maret 2022 sampai dengan Mei 2023 terjadi kenaikan penjualan yang seknifikan. Ini mengakibatkan Distributor Center (DC) Ria Sari Anggriani tidak dapat melayani permintaan akan obat herbal yang tersedia. Sehingga menjadi kendala dalam stok obat herbal yang harus disiapkan. Jika stok obat terlalu banyak namun permintaan akan obat herbal menurun maka ini akan manjedi kerugian, sebaliknya jika permintaan akan obat meningkat namun stok obat herbal tidak dapat disiapkan maka ini menjadi kerugian bagi DC Ria Sari Anggriani. Untuk itu perlu dilakukan suatu teknik peramalan/prediksi, menggunakan Metode Single Exponential Smoothing (SES). Tujuan dari peramalan/prediksi nantinya dapat membantu dalam hal penyediaan akan obat herbal pada periode bulan berikutnya. Hasil dari pengujian terhadap metode ini diperoleh pada periode Juni 2023, perminaan akan obat herbal 167 , Extrafood 178, Etta Goat Milk 189, Pasta Gigi Herbal 91, Sabun Propolis 74 produk. Hasil simpulan dari penelitian ini koefisien nilai alpha (α) mempengaruhi seberapa besar pengaruh data masa lalu terhadap peramalan masa depan.
Kata Kunci: obat herbal; prediksi; single exponential smoothing
Abstract:Abstract: Paskibra selection is an annual agenda held by schools, district disporas, provincial disporas, and the Ministry of Youth and Youth. This activity aim select the best students who will serve as flag raisers at…
independence commemoration ceremonies and other holidays. Paskibra participants have to choose. This reliable, formidable and attractive students are choosen. So the flag raising can be carried out solemnly and well. This school has a large number of students. Paskibra extracurricular enthusiasts also have many enthusiasts. This school Paskibra is a favourite extracurricular and quite prestigious among students. The selection of Paskibra has been running so well, but the decisions taken are sometimes not by the standards procedures. Therefore, a system that will be a reference for objective decision-making need to created . The decision-making system using the data mining algorithm C4.5. This study aim to create a system that makes it easier for the selection committee to select eligible Paskibra members. The method used is a qualitative method in the form of the results of interviews with data from participants in the last three years of the Pakskibra selection. As a result, there are three main criteria and five rules of the selection system.
Keywords: C4.5 algorithm; data mining; paskibra
Abstrak: Seleksi paskibra merupakan agenda tahunan yang diadakan oleh sekolah, dispora kabupaten, dispora provinsi, dan kemenpora untuk memilih siswa-siswi terbaik yang akan bertugas sebagai pengibar bendera pada upacara peringatan kemerdekaan dan hari-hari besar lainnya. Peserta paskibra perlu diseleksi agar terpilih siswa-siswi yang handal, tangguh dan menarik sehingga pengiabaran bendera dapat dilaksanakan dengan khidmad dan baik. Sekolah ini adalah salah satu sekolah menengah atas yang menjadi favorit para lulusan SMP. Oleh karena itu sekolah ini mempunyai siswa yang sangat banyak. Dengan banyaknya siswa yang masuk, maka peminat ekskul paskibra juga memiliki peminat yang banyak, selain itu di sekolah ini paskibra merupakan ekskul favorit dan cukup bergengsi di kalangan siswa. Seleksi paskibra yang berjalan selama ini sudah dilakukan dengan baik, akan tetapi keputusan yang diambil terkadang tidak sesuai dengan standar yang telah ditetapkan. Oleh karena itu perlu dibuatkan sebuah sistem yang akan menjadi acuan untuk pengambilan keputusan yang objektif. Sistem pengambilan keputusan akan dibuat menggunakan data mining algoritma C4.5. Tujuan dari penelitian ini adalah membuat sebuah sistem yang memudahkan panitia penyeleksi untuk memilih anggota paskibra yang layak. Metode yang digunakan adalah metode kualitatif berupa hasil wawancara data peserta seleksi pakskibra tiga tahun terakhir. Hasilnya berupa tiga kriteria utama dan lima aturan sistem seleksi.
Kata kunci: Algoritma C4.; data mining; paskibra;