KLIK - Kumpulan Jurnal Ilmu Komputer
Not a member yet
247 research outputs found
Sort by
IMPLEMENTASI ALGORITMA BACKPROPAGATION UNTUK MEMPREDIKSI KELULUSAN MAHASISWA
Get PDFStudent’s graduation is one kind of the college accreditation elements by BAN-PT. Because of that. Information System is one of the department in STMIK Banjarbaru, there is no application has been implemented to predict imprecisely of student’s graduation time so far, which causes on time graduation percentage tend low every year. Therefore the accurate student’s graduation prediction can help the committe to choose the correct decisions in order to prevent the imprecisely of student’s graduation time. In this research, the backpropagation algorithm of artificial neural network will be implemented into the application with the output result as delayed and on time graduation. This reseach is using 318 data samples which the 70 % of it will be used as the training data and the other 30 % will be used as testing data. From the calculation of confusion matrix table’s the percentage of the prediction accuracy is 98.97 %.Keywords: student’s graduation, artificial neural network, backpropagation, confusion matrixKelulusan mahasiswa merupakan salah satu elemen dalam standar akreditasi perguruan tinggi oleh BAN-PT. Sistem Informasi adalah salah satu program studi yang ada di STMIK Banjarbaru, selama ini belum ada aplikasi yang diimplementasikan untuk memprediksi ketidaktepatan waktu kelulusan mahasiswanya yang menyebabkan angka kelulusan tepat waktu cenderung rendah setiap tahunnya. Oleh sebab itu, prediksi kelulusan mahasiswa yang akurat dapat membantu pihak Program Studi dalam mengambil keputusan-keputusan yang tepat untuk mencegah ketidaktepatan waktu kelulusan mahasiswanya. Pada penelitian ini, artificial neural network algoritma backpropagation diimplementasikan pada aplikasi yang dibuat dengan output lulus terlambat dan lulus tepat waktu. Penelitian ini menggunakan sebanyak 318 sampel data yang mana 70 % data digunakan sebagai data training dan 30 % data digunakan sebagai data testing. Dari hasil perhitungan tabel confusion matrix diperoleh persentase akurasi prediksi sebesar 98.97 %.Kata kunci: kelulusan mahasiswa, artificial neural network, backpropagation, confusion matri
PERANCANGAN WEBSITE PROMOSI WISATA DAN RENTAL MOBIL PADA BINTAN INTERNAL RENTAL
Get PDFBintan Island is an island that has a strategic location and has a tourist beauty. The name of Bintan island itself is not widely known because Bintan Island is among hundreds of islands located in Kepulauan Riau. Enterprises to introduce tourism on the island of Bintan can affect the arrival of tourists, the more tourists who come will certainly play an important role on revenue and development of an area. In addition, Bintan Internal Rental which is a travel company that provides car rental services perform various promotional efforts and rentals. The way it is done such as spreading brochures, business cards and promotions from social media is still considered less effective considering the company is still not known in general. The development of information technology requires every company to be able to improve the quality of its performance in an effort to face the increasingly rapid global competition. Therefore it takes a website as an online company identity to be known and communicate with potential customers, so it can compete with other companies that are in the field of travel or rental services. With the use of this website is expected to provide information and promotions to visitors to the website to recognize Bintan Island, moreover the objects of tourism. Provides convenience to connect directly with the Bintan Internal Rental if you want to do a car rental.Keywords: promotion, rent, UML, website Pulau Bintan merupakan pulau yang memiliki lokasi strategis dan memiliki keindahan wisata. Nama pulau Bintan sendiri belum dikenal secara luas karena pulau Bintan berada diantara ratusan pulau yang berada di Kepulauan Riau. Usaha mengenalkan wisata di Pulau Bintan dapat mempengaruhi kedatangan wisatawan, semakin banyak wisatawan yang datang tentunya akan berperan penting terhadap pendapatan dan pembangunan suatu daerah. Selain itu, Bintan Internal Rental yang merupakan sebuah perusahaan travel yang menyediakan jasa rental mobil melakukan berbagai upaya promosi wisata dan rental. Adapun cara yang dilakukan seperti menyebar brosur, kartu nama dan promosi dari media sosial dirasa masih kurang efektif mengingat perusahaan tersebut masih belum dikenal secara umum. Perkembangan teknologi informasi mengharuskan setiap perusahaan untuk dapat meningkatkan kualitas kinerjanya dalam upaya menghadapi persaingan global yang semakin pesat. Oleh karena itu dibutuhkan suatu website sebagai identitas perusahaan dimedia online untuk dapat dikenal dan berkomunikasi dengan calon pelanggannya, sehingga dapat bersaing dengan perusahaan lain yang berada di bidang jasa travel atau rental. Dengan penggunaan website ini diharapkan dapat memberikan informasi dan promosi kepada pengunjung website untuk mengenal Pulau Bintan, terlebih lagi terhadap objek-objek wisatanya. Memberikan kemudahan untuk terhubung langsung dengan pihak Bintan Internal Rental jika ingin melakukan rental mobil. Kata kunci: promosi, rental, UML, websit
PENERAPAN METODE K-MEANS UNTUK PEMETAAN CALON PENERIMA JAMKESDA
No full textKelurahan Kemuning, one of the Social Welfare Section, there is poor community service to receive Regional Health Insurance. During this section of Social Welfare Section in Kelurahan Kemuning, there is no method that can classify the level of poverty so that the beneficiaries on target, so the Kelurahan can't prevent the inaccuracies. Therefore, poverty grouping can assist Kelurahan in making the right decision to prevent the inaccuracies of recipients of Regional Health Insurance. In this research, the application of the k-means method is implemented in an application made with 2 clusters. This study uses as many as 440 data samples. From result of calculation of Davies Bouldin Index obtained value determination of cluster amount with value 2 cluster (0,243), 3 cluster (0,256), 4 cluster (0,275). The value used is 2 clusters because the value is close to 0.Keywords: : data mining, k-means, poverty, davies bouldin index Pada Kelurahan Kemuning salah satunya Seksi Kesejahteraan Sosial (KESSOS) terdapat pelayanan masyarakat miskin untuk menerima bantuan Jaminan Kesehatan Daerah (JAMKESDA). Selama ini bagian Seksi KESSOS pada Kelurahan Kemuning belum ada metode yang dapat mengelompokkan tingkat kemiskinan agar penerima bantuan tepat sasaran, sehingga pihak Kelurahan tidak dapat mencegah ketidaktepatsasaran tersebut. Oleh sebab itu, pengelompokan kemisikinan dapat membantu pihak Kelurahan dalam mengambil keputusan yang tepat untuk mencegah ketidaktepatsasaran penerima JAMKESDA. Pada penelitian ini, penerapan metode K-Means diimplementasikan pada aplikasi yang dibuat dengan 2 klaster. Penelitian ini menggunakan sebanyak 440 sampel data. Dari hasil perhitungan Davies Bouldin Index diperoleh nilai penentuan jumlah cluster dengan nilai 2 klaster (0.243), 3 klaster (0.256), 4 klaster (0.275). Nilai yang digunakan adalah 2 klaster karena nilai tersebut mendekati 0.Kata kunci: data mining, k-means, kemiskinan, davies bouldin inde
PEMODELAN SISTEM INFORMASI MONITORING INVENTORY SEKRETARIAT DAERAH KABUPATEN MUSI BANYUASIN
Get PDFModeling is a tool in the process of developing an information system. Modeling has ability to look how blueprint an information system and make it easier to understand an information system to be created. Modeling can be done by visual modeling using unified modeling language (UML). Therefore, this research performs modeling of information system of monitoring of regional secretariat inventory of Musi Banyuasin Regency. The implementation procedure starts from determining the information system specification based on user requirement, followed by making modeling according to specification. The end result obtained is a prototype information system that can provide reports of goods consisting of the lifetime of goods, borrowing goods and goods with damaged conditions. In addition, the prototype can illustrate how the monitoring process is done based on color indicators consisting of green, yellow and red. Green means lifetime is still safe, yellow means lifetime will expired and red means expired.Keywords: Modeling, Information System, Inventory, UMLPemodelan merupakan alat bantu dalam proses pengembangan sebuah sistem informasi. Dengan pemodelan akan terlihat bagaimana blueprint sebuah sistem informasi dan mempermudah memahami sebuah sistem informasi yang akan dibuat. Pemodelan dapat dilakukan dengan cara pemodelan visual menggunakan unified modeling language (UML). Untuk itu penelitian ini melakukan pemodelan sistem informasi monitoring inventory sekretariat daerah Kabupaten Musi Banyuasin. Prosedur pelaksanaan dimulai dari menentukan spesifikasi sistem informasi berdasarkan kebutuhan pengguna, dilanjutkan denan pembuatan pemodelan sesuai spesifikasi. Hasil akhir didapat yaitu sebuah prototype sistem informasi yang dapat memberikan laporan barang yang terdiri dari masa pakai barang, peminjaman barang dan barang dengan kondisi rusak. Selain itu juga prototype dapat menggambarkan bagaimana proses monitoring dilakukan berdasarkan indikator warna yang terdiri dari hijau, kuning dan merah. Hijau berarti masa pakai masih aman, kuning berarti masa pakai akan segera habis dan merah berarti masa pakai telah habis.Kata kunci: Pemodelan, Sistem Informasi, Inventaris, UM
PENERAPAN JARINGAN SARAF TIRUAN DALAM MEMPREDIKSI JUMLAH KEMISKINAN PADA KABUPATEN/KOTA DI PROVINSI RIAU
Get PDFProvinsi Riau yang kaya akan Sumber Daya Alam ternyata tidak sebanding dengan jumlah penduduk miskin yang menempati di sejumlah kabupaten/kota di Riau. Contohnya seperti pada tahun 2013 terdapat ± 68.600 penduduk miskin di kabupaten Kampar, atau merupakan yang tertinggi dibandingkan kabupaten/kota lainnya. Oleh karena itu dibutuhkan langkah-langkah strategis agar jumlah penduduk miskin tidak bertambah sepanjang tahun, salah satu nya adalah dengan melakukan prediksi jumlah penduduk miskin untuk tahun-tahun selanjutnya. Cara ini dilakukan agar angka kemiskinan bisa semakin ditekan dengan cara melakukan penganggulangan sejak dini. Data yang akan diprediksi adalah data jumlah kemiskinan kabupaten/kota di Provinsi Riau yang bersumber dari Badan Pusat Statistik Provinsi Riau tahun 2010 sampai dengan 2015. Algoritma yang digunakan untuk melakukan prediksi adalah jaringan saraf tiruan Backpropagation. Algoritma ini memiliki kemampuan untuk mengingat dan membuat generalisasi dari apa yang sudah ada sebelumnya. Ada 5 model arsitektur yang digunakan pada algoritma backpropagation ini, antara lain 4-2-5-1 yang nanti nya akan menghasilkan prediksi dengan tingkat akurasi 8%, 4-5-6-1=25%, 4-10-12-1=92%, 4-10-15-1=100% dan 4-15-18-1=33%. Arsitektur terbaik dari ke 5 model ini adalah 4-10-12-1 dengan tingkat keakurasian mencapai 100% dan tingkat error yang digunakan 0,001-0,05. Sehingga model arsitektur ini cukup baik digunakan untuk memprediksi jumlah kemiskinan. Keywords: Penerapan, Jaringan Saraf Tiruan, Backpropagation, Prediksi, KemiskinanRiau is rich in Natural Resources is not comparable with the number of poor people who occupy in a number of districts/cities in Riau. For example, in 2013 there were ± 68,600 poor people in Kampar district, or the highest compared to other districts. Therefore, strategic steps are needed so that the number of poor people will not increase throughout the year, one of them is to predict the number of poor people for the next years. This way is done so that the poverty rate can be further suppressed by doing the countermeasures early on. The data to be predicted is the data of the number of poverty districts/cities in Riau Province sourced from the Central Bureau of Statistics of Riau Province in 2010 until 2015. Algorithm used to make prediction is the Backpropagation. This algorithm has the ability to remember and make generalizations of what has been there before. There are 5 architectural models, among others 4-2-5-1 which later will produce predictions with an accuracy rate of 8%, 4-56-1=25%, 4-10-12-1=92%, 4-10-15-1=100% and 4-15-18-1=33%. The best architecture of the 5 models is 4-10-12-1 with 100% accuracy and error rate of 0.001-0.05. So this model of architecture is good enough used to predict the amount of poverty. Kata kunci: Implementation, Artificial Neural Network, Backpropagation, Prediction, Povert
MODEL ARSITEKTUR NEURAL NETWORK DENGAN BACKPROPOGATION PADA PREDIKSI TOTAL LABA RUGI KOMPREHENSIF BANK UMUM KONVENSIONAL
Get PDFdetermine the marketing strategy in increasing the total comprehensive income. This study aims to create the best architectural model using Backpropogation where this model can later be made to make predictions of total comprehensive income. The variable used in this study is the total comprehensive income statement data of PT. Bank Mandiri, Tbk (January - November 2016). Data sourced from the Financial Services Authority (www.ojk.go.id). From a series of trials conducted with 4 architectural models tested, namely 4-25-1; 4-50-1; 4-100-1 and 4-50-75-1, obtained the best architectural model 4-50-1 with Epoch training = 1977, Mean Square Error (MSE) of 0,000997867 with the correctness of testing accuracy reaching 80%.Keywords: Artificial Neural Network, Back-propagation, Comprehensive Income, Prediction, Economy, Architecture Prediksi total laba rugi komprehensif sangatlah penting untuk memprediksi dimana posisi angka total laba rugi komprehensif pada suatu bank. Informasi tersebut berguna bagi masayarkat dalam menentukan arah investasi masyarakat ke depan, begitu juga bagi pihak bank berguna untuk menentukan kebijakan strategi pemasaran dalam meninggkatkan total laba komprehensif tersebut. Penelitian ini bertujuan untuk membuat model arsitektur terbaik dengan menggunakan Backpropogation dimana model ini nantinya dapat dilakukan untuk membuat prediksi terhadap total laba rugi komprehensif. Variabel yang digunakan pada penelitian ini adalah data total laba rugi komprehensif PT. Bank Mandiri,Tbk (Januari – November 2016). Data bersumber dari Otoritas Jasa Keuangan (www.ojk.go.id). Dari serangkaian uji coba yang dilakukan dengan 4 model arsitektur yang diuji yakni 4-25-1; 4-50-1; 4-100-1 dan 4-50-75-1, diperoleh model arsitektur terbaik 4-50-1 dengan Epoch training = 1977, Mean Square Error (MSE) sebesar 0,000997867 dengan tingkat akurasi pengujian mencapai kebenaran 80%. Kata kunci: Jaringan saraf tiruan, Back-propagation, Laba Rugi Komprehensif, Prediksi, Ekonomi, Arsitektu
SISTEM PENDUKUNG KEPUTUSAN PENYALURAN CALON TENAGA KERJA PADA BURSA KERJA KHUSUS (BKK) MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS
Get PDFExclusive Employment Exchange was one of important component in measuring the level of educational in Vocational High School. Exclusive Employment Exchange selecting for job seekers who have registered appropriate quota amount requested by the company. However, this time to meet the quota amount demanded by the company they were subjective, and prioritizing job seekers who registered early. Therefore, it is necessary to build a system capable of determining the candidate of labor who have qualified to participate in the selection process further more objective criteria required by the company. This system is used only for the initial selection process carried out by the Exclusive Employment Exchange. The selection process will be conducted by the company. Development of this system used Analytical Hierarchy Process methods of decision support and software development models used were linear sequential process model. This system was implemented using a web based. Exclusive Employment Exchange administrator’s as a user of this system can enter criteria, subcriteria, alternatives, and the value of the comparison criteria. The results of this system in the form of the calculation results in the form of rankings and also the value of the preferences of each alternative. In addition the test results shown that the alternative that has the highest score is the criteria of height enough, BMI Normal, program expertise Administration, the average national test scores high, year of graduation 2 to 3 years ago, aged 18 to 21 years and status married. The system can give consideration in determining the candidate of labor who can follow the selection process to the next stage which is carried out by the company.Keywords: Decision Support Systems, Candidate of Labor, Exclusive Employment Exchange, Vocational High School, AHPSalah satu komponen penting untuk mengukur tingkat keberhasilan pada pendidikan Sekolah Menengah Kejuruan (SMK) yaitu Bursa Kerja Khusus. Bursa Kerja Khusus melakukan seleksi kepada pencari kerja yang mendaftar sesuai dengan jumlah kuota yang diminta oleh perusahaan. Namun, saat ini untuk memenuhi jumlah kuota yang diminta oleh perusahaan masih bersifat subjektif, dan memprioritaskan pencari kerja yang mendaftar lebih awal. Oleh karena itu, perlu dibangun sebuah sistem yang mampu menentukan calon tenaga kerja yang dinyatakan lolos untuk mengikuti proses seleksi lebih lanjut secara objektif berdasarkan kriteria yang diminta perusahaan. Sistem ini digunakan hanya untuk proses seleksi awal yang dilakukan oleh Bursa Kerja Khusus. Proses seleksi selanjutnya akan dilakukan oleh pihak perusahaan. Pembangunan sistem ini menggunakan metode pendukung keputusan yaitu Analytical Hierarchy Process, dan model pengembangan perangkat lunak yang digunakan yaitu model proses sekuensial linear. Sistem ini diimplementasikan berbasis web. Administrator Bursa Kerja Khusus sebagai pengguna sistem ini dapat memasukkan kriteria, subkriteria, alternatif, dan nilai perbandingan kriteria. Hasil dari sistem ini berupa hasil perhitungan dalam bentuk ranking dan juga nilai preferensi masing-masing alternatif. Selain itu hasil pengujian terlihat bahwa alternatif yang memiliki nilai tertinggi yaitu yang memiliki kriteria tinggi badan cukup tinggi, BMI Normal, program keahlian Administrasi, rata-rata nilai UN tinggi, tahun kelulusan 2 sampai 3 tahun lalu, usia 18 sampai dengan 21 tahun dan status sudah menikah. Sistem ini dapat memberi bahan pertimbangan dalam menentukan calon tenaga kerja yang dapat mengikuti proses seleksi ke tahap selanjutnya yang dilakukan oleh perusahaan.Kata kunci: Sistem Pendukung Keputusan, Calon Tenaga Kerja, Bursa Kerja Khusus, Sekolah Menengah Kejuruan, AH
ANALISIS DIAGNOSA PENYAKIT TANAMAN PADI DENGAN METODE FUZZY INFERENCE SYSTEM DAN CERTAINTY FACTOR
Get PDFRice plants are now many been developed in the swamp land. One of the problems is disease of rice is a risk that must be faced and counted in rice cultivation to increase production as expected. The purpose of this research is an analysis of rice disease diagnosis that grows in wetlands by applying the method of Fuzzy Inference System and Certainty Factor. Fuzzy Inference System used in this system is fuzzy Tsukamoto used to obtain the value measure of belief (MB) and a measure of disbelief (MD) symptoms of the disease. And the certainty factor (CF) for the assessment of each disease. The result that obtained is the analysis succeeded in giving a diagnosis of disease in rice of symptoms that attack the rice.Keywords: Rice Plants, Diagnosis, Fuzzy Inference System Tsukamoto, Certainty Factor.Tanaman padi sekarang banyak dikembangkan di lahan rawa. Salah satu masalahnya adalah penyakit padi, yang merupakan resiko yang harus dihadapi dan diperhitungkan dalam budidaya padi untuk meningkatkan produksi yang sesuai dengan harapan. Tujuan penelitian ini adalah membuat analisis diagnosa penyakit padi yang tumbuh di lahan rawa dengan menerapkan metode Fuzzy Inference System dan Certainty Factor. Fuzzy Inference System yang digunakan dalam sistem ini adalah Fuzzy Tsukamoto yang digunakan untuk memperoleh nilai measure of belief (MB) dan measure of disbelief (MD) gejala terhadap suatu penyakit. Sedangkan certainty factor (CF) untuk pemberian nilai masing-masing penyakit. Hasil yang didapatkan yaitu analisis ini berhasil memberikan diagnosa penyakit yang padi dari gejala-gejala yang menyerang padi tersebut.Kata kunci: Tanaman Padi, Diagnosa, Fuzzy Inference System Tsukamoto, Certainty Factor
APLIKASI SISTEM PAKAR BERBASIS WEB UNTUK MENDIAGNOSA PENYAKIT SYARAF PUSAT DENGAN METODE FORWARD CHAINING
Get PDFThe nervous system is one of the organs that perform activities of a coordinating body. Central nervous system functions primarily to detect, analyze, process and deliver information. Sensory systems collect information which are processed in the brain and transmitted to the motor system to control the movement, visceral activity, and endocrine functions. All the action from the sensory and motor systems are controlled by nerves which are interconnected to form a network of signaling. Lack of information and knowledge about neurological causes many sufferers of neurological diseases. The methods used in this research is a method of Forward Chaining. The system to be built is a computer-based information system by utilizing the technology of artificial intelligence that serves as system tools or the giver of neurological diagnosis results to the user. Diagnoses generated by this system is equipped with a type of central nervous disease with pecegahan and the way of treatment. The system will analyze your answers to each question are given, so that the obtained results diagnoses based on the existing knowledge base in expert system. Research results in the form of expert system that can help users know what kind of diseases of the central nervous, giving information regarding central nervous disease and knowing how treatment and prevention. Keywords: expert system, forward chaining, neurological diseasesSistem syaraf merupakan salah satu organ yang melakukan koordinasi kegiatan tubuh. Sistem syaraf pusat mempunyai fungsi utama untuk mendeteksi, menganalisa,mengolah dan menghantarkan informasi. Sistem sensorik mengumpulkan informasi yang akan diproses di otak dan diteruskan ke sistem motorik untuk mengontrol gerakan, aktivitas viseral, dan fungsi-fungsi endokrin. Semu aksi dari sistem sensorik dan motorik dikontrol oleh syaraf yang saling berhubungan membentuk jaringan signaling. Kurangnya informasi dan pengetahuan tentang penyakit syaraf menyebabkan banyak penderita penyakit syaraf. Metode yang digunakan dalam penelitian ini adalah metode Forward Chaining. Sistem yang akan dibangun merupakan suatu sistem informasi yang berbasis komputer dengan memanfaatkan teknologi kecerdasan buatan yang berfungsi sebagai sistem alat bantu atau pemberi hasil diagnosa penyakit syaraf kepada pengguna. Diagnosa yang dihasilkan oleh sistem ini dilengkapi dengan jenis penyakit syaraf pusat beserta pecegahan dan cara pengobatannya. Sistem akan menganalisa jawaban dari setiap pertanyaan yang diberikan, sehingga diperoleh hasil diagnosa berdasarkan basis pengetahuan yang ada dalam sistem pakar ini. Hasil penelitian berupa sistem pakar yang dapat membantu pengguna mengetahui jenis penyakit syaraf pusat, memberikan informasi mengenai penyakit syaraf pusat dan mengetahui cara pengobatan dan pencegahannya. Kata kunci: forward chaining, penyakit syaraf, sistem paka
PREDIKSI PROFIT PADA PERUSAHAAN DENGAN KLASIFIKASI ALGORITMA C4.5
Get PDFIn the construction project activities, planning is used as a reference for job implementers and becomes the standard of project implementation, including: documents, technical specifications, schedule and budget. Inappropriate planning, inaccurate project realization investigations, inadequate project management skills and lack of professional service providers, are closely related to the outcome of a construction project process. CV.XYZ Abadi which is a company engaged in construction consulting services. At the present time CV.XYZ Abadi has done many construction planning projects both from government and private, this research will discuss how data mining with algorithm C4.5 process data from budget plan consultant planner cost to predict company profit. Data mining is a technique for extracting new information from piles or data warehouses, as we know information is seen as something that is very important and valuable because by mastering information it is easy to achieve a desired goal, this makes everyone race to while C4.5 algorithm is one of induction algorithm of decision tree that is ID3 (Iterative Dichotomiser 3). ID3 was developed by J. Ross Quinlan. In the ID3 algorithm procedure, the inputs are training samples, training labels and attributes. which will illustrate the profit prediction, the results of this study will result in the rules of profit and loss decisions company.Keywords: Profit, Data Mining, Algorithm C4.5, Tree Decision.Dalam kegiatan proyek konstruksi, perencanaan dipergunakan sebagai bahan acuan bagi pelaksana pekerjaan dan menjadi standar pelaksanaan proyek, meliputi: dokumen, spesifikasi teknik, jadwal dan anggaran. Perencanaan yang tidak tepat, investigasi realisasi proyek yang tidak sempurna, kurang memadainya kemampuan pengelolaan proyek dan kurang profesionalnya penyedia jasa, berkaitan erat terhadap hasil suatu proses proyek konstruksi. CV.XYZ Abadi yang merupakan sebuah perusahaan yang bergerak dalam bidang jasa konsultan kontruksi. Pada saat sekarang ini CV.XYZ Abadi telah banyak mengerjakan proyek perencanaan konstruksi baik dari pemerintah maupun swasta,penelitian ini akan membahas bagaimana data mining dengan algoritma C4.5 mengolah data-data dari rencana anggaran biaya konsultan perencana untuk memprediksi profit perusahaan. Data mining merupakan sebuah teknik untuk menggali informasi baru dari tumpukan atau gudang data, sebagaimaya yang kita ketahui informasi dipandang sebagai sesuatu hal yang sangat penting dan berharga karena dengan menguasai informasi maka dengan mudah untuk mencapai sebuah tujuan yang diinginkan, hal ini membuat setiap orang berlomba untuk memperoleh informasi.sedangkan algoritma C4.5 adalah salah satu algoritma induksi pohon keputusan yaitu ID3 (Iterative Dichotomiser 3). ID3 dikembangkan oleh J. Ross Quinlan. Dalam prosedur algoritma ID3, input berupa sampel training, label training dan atribut. yang akan menggambarkan prediksi profit, hasil dari penelitian ini akan menghasilkan rule-rule keputusan profit dan kerugian perusahaan.Kata kunci: Profit,Data Mining, Algoritma C4.5, Pohon Keputusan.