Analisis Kinerja Data Mining Algoritma C

8/20/2019 Analisis Kinerja Data Mining Algoritma C

http://slidepdf.com/reader/full/analisis-kinerja-data-mining-algoritma-c 1/6

Analisis Kinerja Data Mining Algoritma C4.5 Dalam Menentukan

Tingkat Minat Siswa yang Mendaftar di Kampus ABC

ud!i Andrian1" M. #!ifky $aya!di2

1Dosen Teknik Informatika, STMIK Potensi Utama2

Mahasiswa Sistem Informasi, STMIK Potensi Utama1,2Jl. K.L. Yos Suarso Km !," #o. $% Tan&un' Mulia(Mean1)uhi.anrian*'mail.+om, 2rhifk).wa)ahi*)ahoo.+om

Abstract

In determining the level of interest of the students who will enroll in the ABC campus can be predicted by

the application of data mining. Data mining is a method of information retrieval (knowledge) which is

contained in a very large data. Decision ree is one of the classification and prediction methods are very

powerful in the application of data mining! one of the algorithms in the formation of a decision tree is the

C".# algorithm. he advantage in this method is effective in analy$ing a large number of attributes of the

data available and easily understood by the end user. In this study! the author will analy$e the

performance of the C".# data mining algorithm in determining the level of interest of the students who

enroll in college ABC! and the obtained results of data mining algorithms can be applied in building C".#decision tree (decision tree) are both in the case of interest prediction students enrolled in the ABC

campus. %tudents with C".# classification algorithm can classify students& interest to enroll or not enroll

in college ABC. 'f the # tested data there are " students enrolled and students do not apply! where

the highest level of student interest in the attribute &year of graduation& highest gain value based on the

algorithm classification process C."#.

*eyword+ Data ,ining! Decision ree! C".# Algorithm

%. &enda!uluan

Siswa meruakan suatu su-stansi )an' erlu ierhatikan karena san'at erat kaitann)a

en'an unia eniikan, karena siswameruakan ener&emah terhaa inamika ilmu en'etahuan, an melaksanakan tu'as )aitumenalami ilmu en'etahuan terse-ut. Semakinmenin'katn)a ilmu en'etahuan, semakinmenin'kat ula ola ikir an minat seseoran'

alam men+aai suatu tu&uan.Salah satu minat seoran' siswa aalah

melan&utkan ke -an'ku erkuliahan. Dalammenentukan tin'kat minat siswa )an' akanmenaftar aa kamus %/ aat ireiksien'an eneraan data mining . Data mining

meruakan metoe en+arian informasi

0en'etahuan -aru )an' terkanun' alamata )an' san'at -esar. Decision ree

meruakan salah satu metoe klasifikasi an reiksi )an' san'at kuat an terkenal alam eneraan data mining .

an)ak al'oritma )an' aatiakai alam em-entukan ohon keutusan,salah satun)a aalah al'oritma /.".%l'oritma /." mem-uat ohon keutusanari atas ke -awah, i mana atri-ut alin'atas meruakan akar, an )an' alin'

-awah inamakan aun. Keuntun'an alammetoe ini aalah efektif alam

men'analisis se&umlah -esar atri-ut ari ata

)an' aa an muah iahami oleh en''una akhir.

Lesmana, I Putu Do) 02312 alam enelitiann)a men'un'kakan tu&uan ari

data mining aalah untuk menaatkan olainformasi )an' tersiman alam suatu -asisata )an' aat i'unakan untuk en'olahanselan&utn)a an se-a'ai -ahan enukun'keutusan 4$5.

%nriani, %nik 02312 alam

enelitiann)a men'atakan eneraan rule

ari al'oritma /." )an' i'unakan alamklasifikasi mahasiswa otensi dropout

terhaa ata -aru ieroleh hasil e6aluasian 6aliasi en'an tin'kat akurasi se-esar 738 415.

Yunus, Mahmu, et al. 0231 alam

enelitiann)a menerakan al'oritma datamining /." untuk melakukan e9lorasi ata'una menemukan hu-un'an tersem-un)iantara se&umlah 6aria-el inut en'an6aria-el tar'et alam -entuk ohon

keutusan (decision tree) 4!5. #asari, :ina 0231 alam

enelitiann)a men''unakan al'oritma /."men&elaskan -ahwa hasil u&i +o-a terhaarule ari ohon keutusan en'olahan atatraining , teraat ke+o+okan 133 8 en'an ata

testing 4"5.Dari enelitian )an' ilakukan

%nriani, %nik 02312, Yunus, Mahmu, et al0231, an #asari, :ina 0231 menun&ukkan

mailto:[email protected]






-ahwa al'oritma /." aat iterakan alam em-entukan ohon keutusan en'an tin'katakurasi )an' tin''i. ;al ini )an' menasari

enulis untuk men'analisa le-ih lan&ut kiner&adata mining al'oritma /.".

Tu&uan enelitian ini ilakukan

aalah untuk men'analisis kiner&a datamining al'oritma /." alam memreiksitin'kat minat siswa )an' menaftar i kamus%/, enulis in'in men'etahui aakahal'ortima /." aat mem-entuk decision

tree en'an -aik a'ar aat iketahui tin'katminat siswa )an' menaftar aa kamus%/.

'. Data Mining

Data mining aalah roses

men'analisa ata ari ersektif )an' -er-ea

an men)imulkann)a men&ai informasi(informasi entin'. Se+ara teknis, data mining

aat ise-ut se-a'ai roses untuk

menemukan korelasi atau ola ari ratusan

atau ri-uat field ari se-uah relasional

database )an' -esar 45.

Data mining iefinisikan se-a'ai roses menemukan ola alam ata. Proses iniharus otomatis atau -iasan)a se+ara semi(

otomatis. Pola )an' ihasilkan harus -erarti -ahwa ola terse-ut mem-erikan -e-eraakeuntun'an. Pola terse-ut iientifikasi,i6aliasi, an i'unakan untuk mem-uat

se-uah reiksi 415. <am-ar 1 menun&ukkan -entuk tahaan alam data mining 4!5.

<am-ar 1. Tahaan alam Data ,ining

(. Decision Tree

Decision ree 0Pohon Keutusan

meruakan metoe klasifikasi 0taksonomi )an'men''unakan reresentasi struktur ohon (tree)

i mana setia node mereresentasikan atri-ut,

+a-an'n)a mereresentasikan nilai ari atri-ut,an aun mereresentasikan kelas. -ode )an' alin' atas ari decision tree ise-ut se-a'airoot. Paa decision tree teraat $ &enis node!

)aitu 415=

a. oot -ode! meruakan node alin'

atas, aa node ini tiak aa inut an -isa tiak memun)ai outut ataumemun)ai outut le-ih ari satu.

-. Internal -ode! meruakan node

er+a-an'an, aa node ini han)a

teraat satu inut an memun)aioutut minimal ua.

+. /eaf -ode atau erminal -ode!

meruakan node akhir, aa node inihan)a teraat satu inut an tiak memun)ai outut.

an)ak al'oritma )an' aat iakaialam em-entukan ohon keutusan, salahsatun)a aa al'oritma /.". Data alam ohon

keutusan -iasan)a in)atakan alam -entuk ta-el en'an atri-ut an record. %tri-utmen)atakan suatu arameter )an' i-uatse-a'ai kriteria alam em-entukan ohon.

Decision tree ter'antun' aa aturanif0then! tetai tiak mem-utuhkan arameter

an metrik. Strukturn)a )an' seerhana anaat itafsirkan memun'kinkan decision tree

untuk meme+ahkan masalah atri-ut multi0type.

Decision tree &u'a aat men'elola nilai(nilai)an' hilan' atau ata noise. <am-ar 2menun&ukkan +ontoh struktur decision tree 425.

<am-ar 2. /ontoh Struktur Decision ree

4. Algoritma C4.5

%l'oritma /." an ohon keutusanmeruakan ua moel )an' tak terisahkan,karena untuk mem-an'un se-uah ohon

keutusan i-utuhkan al'oritma /.".%l'oritma /." meruakan en'em-an'anari al'oritma ID$. %l'oritma /." an ID$i+itakan oleh seoran' eneliti i -ian'ke+erasan -uatan -ernama J. >ose ?uinlan

aa akhir tahun 17@3(an. %l'oritma /."

mem-uat ohon keutusan ari atas ke -awah, i mana atri-ut alin' atas meruakanakar (root), an )an' alin' -awahinamakan aun (leaf).



Se+ara umum alur roses al'oritma/." untuk mem-an'un ohon keutusanalam data mining aalah 4"5=

a. Pilih atri-ut se-a'ai simul akar. -. uat +a-an' untuk tia(tia nilai.

+. a'i kasus alam +a-an'.

. Ulan'i roses untuk setia +a-an'samai semua kasus aa +a-an'memiliki kelas )an' sama.

Pemilihan atri-ut se-a'ai simul, -aik akar (root) atau simul internaliasarkan aa nilai 1ain tertin''i ariatri-ut(atri-ut )an' aa. Perhitun'an nilai1ain i'unakan rumus seerti alam

Persamaan 1.

¿ Si∨ ¿

¿ S∨¿∗ Entropy (Si)

¿

Gain (S , A )= Entropy (S )−∑i=1

n

¿

i mana=% = ;imunan kasus

A = %tri-utn = Jumlah artisi atri-ut AA% iA = Jumlah kasus aa artisi ke(i

A% A = Jumlah kasus alam %

Untuk men'hitun' nilai 2ntropy aatilihat aa Persamaan 2.

Entropy ( S )=∑i=1

n

− pi∗log2 pi

i mana=% = ;imunan kasusn = Jumlah artisi %

pi = Proorsi ari % i terhaa %

5. Metode &enelitian

Tu&uan enelitian ini )aitu untuk men'analisis kiner&a data mining al'oritma

/." alam memreiksi tin'kat minat siswa)an' menaftar i kamus %/. Untuk men+aai tu&uan terse-ut, enulis akanmelakukan tahaan(tahaan se-a'ai -erikut=

a. Men'umulkan ata.

Data enelitian )an' i'unakan aalah ataientitas siswa )an' menaftar aa kamus%/ i mana ata )an' i'unakan aalahse-an)ak "3 ata se-a'ai ata u&i. Data )an'iaat aalah ata )an' masih utuh i manateraat -an)ak field atau atri-ut seerti

Bnama, alamat rumah, asal sekolah, &enis

kelamin, a'ama, no. telehone, tahunmasuk, ro'ram stui, waktu kuliah, u&ian,an lain se-a'ain)aC.

-. Melakukan roses cleaning ata.

Proses cleaning ata meruakan roses em-ersihan aa ata seerti memeriksakonisi ata, men'hilan'kan reuansi ata,memer-aiki kesalahan aa ata, an

men'hilan'kan -e-eraa ata )an' tiak len'ka atauun ata )an' tiak ierlukan.%aun ata )an' telah ilakukan rosescleaning )aitu men)isakan -e-eraa atri-ut entin' seerti Balamat rumah, asal sekolah, &enis kelamin, an tahun masukC.

+. Melakukan roses transformation ata.

Proses transformation ata meruakan en'elomokkan atau en)eerhanaan ata.aria-el enelitian meliuti 6aria-el inutan 6aria-el outut atau tar'et. aria-el

inut in)atakan oleh -e-eraa atri-ut )an'

itransformasi seerti alamat rumahitransformasi men&ai B&auh, sean', anekatC. Sean'kan asal sekolahitransformasi men&ai BSM% #e'eri, SM%Swasta, SMK #e'eri, SMK Swasta, M%

#e'eri, an M% SwastaC. aria-el BalamatrumahC an 6aria-el Basal sekolahC ilakukantransformasi ata karena &an'kauan nilain)a)an' le-ar, sehin''a aat men'aki-atkan roses en'enalan ola an an em-entukan ohon keutusan men&ai

lama. aria-el outut atau tar'etn)a aalahatri-ut BstatusC )an' -erisikan nilai BaftarC

atau Btiak aftarC.

. Melakukan roses erhitun'an al'oritma

/.".

Setelah ata ikumulkan, ilakukan roses

cleaning , an ilakukan transformation

ata, selan&utn)a ata akan irosesmen''unakan erhitun'an al'oritma /."untuk men'hasilkan ohon keutusan(decision tree).

e. Pem-entukan ohon keutusan (decision

tree).Pohon keutusan (decision tree) ter-entuk setelah ilakukan roses erhitun'anal'oritma /." en'an memilih atri-ut )an'i&aikan se-a'ai akar (root) iasarkan aa nilai 1ain tertin''i ari -e-eraaatri-ut )an' i'unakan.

). *asil dan Analisa

Paa taha en'u&ian, ata )an' suahitransformasikan ke alam -entuk kelomok ata atri-ut )an' le-ih seerhana. Data )an'

i'unakan aalah ata siswa )an' menaftar an tiak menaftar aa kamus %/ )an'

01

02



iam-il se+ara a+akEranom se-an)ak "3 atasamel. Data akan iolah en'an menerakandata mining al'oritma /." aa rosesmemreiksi minat siswa untuk menaftar kekamus %/. e-eraa atri-ut atau komonen

6aria-el )an' i'unakan )aitu terlihat aa

Ta-el 1 +,ampiran-.Kemuian hitun' 2ntropy en'an

rumus se-a'ai -erikut=

Entr opy ( S )=∑i=1

n

− pi∗log2 pi

Jai,

Entropy ( S )=(−( 4050 )∗log2( 4050 ))+(−( 1050 )Ta-el 2. ;asil Perhitun'an aa Dataset

Total

Kasus

Sum+Daftar

-

Sum+Tidak

Daftar- Entropy

"3 3 13 3.@2172F37

"

Setelah menaatkan 2ntropy ari

keseluruhan kasus seerti terlihat aa Ta-el 2,lakukan analisis aa setia atri-ut an nilai(nilain)a. Kemuian hitun' 2ntropy(n)a anhitun' 1ain aa setia atri-ut.

Untuk men'hitun' 1ain setia atri-utmen''unakan rumus=

¿ Si∨ ¿

¿ S∨¿∗ Entropy (Si)¿

Gain (S , A )= Entropy (S )−∑i=1

n

¿

Dan akan iaatkan hasil seerti terlihat aaTa-el $ +,ampiran-.

Paa Ta-el $ terlihat nilai 1ain

ter-esar aalah 1ain Btahun tamatC. Makaatri-ut Btahun tamatC men&ai root node ataunode akar. Kemuian aa atri-ut Btahun tamatC2313 an 2311 masin'(masin' memiliki an "kasus i mana semuan)a memiliki &awa-anBaftarC. Den'an emikian Btahun tamatC 2313

an 2311 men&ai aun atau leaf. Maka akanter-entuk ohon keutusan node 1 seertiterlihat aa <am-ar $.

<am-ar $. Pohon Keutusan node 1 (root node)

erasarkan <am-ar $ aat ilihatsiswa )an' menaftar aa aa tahun tamat2313 an 2311. erasarkan em-entukan ohon keutusan node 1 (root node)! node0node

atri-ut lainn)a akan ianalisis le-ih lan&ut.

Den'an memulai men'analisis aa atri-ut

Btahun tamatC 2312, 231$, an 231 en'anmelakukan roses )an' sama seertise-elumn)a en'an men+ari nilai 2ntropy an1ain0n)a.

Setelah ilakukan erhitun'an an

en'u&ian ata aa masin'(masin' atri-uten'an al'oritma /.", maka iaatkan ola ohon keutusan akhir seerti itun&ukkan aa<am-ar +,ampiran-.

Paa <am-ar aat ilihat -ahwatin'kat ominan minat siswa untuk menaftar

aalah -erasarkan Btahun tamatC, )aitu BtahuntamatC 2313 an 2311. Sean'kan tin'kat minat

siswa untuk menaftar aa node terakhir aalah -erasarkan Balamat rumahC se-a'ai ertim-an'an akhir. %a-ila &arak BalamatrumahC ekat an sean' ari kamus se-a'ian

-esar menaftar, )aitu masin'(masin' se-an)ak 1 oran'. Sean'kan aa-ila &arak alamat &auhari kamus )an' menaftar se-an)ak 12 oran'siswa.

<am-ar " menun&ukkan eskrisilen'ka ari ohon keutusan (decision tree)

)an' ter-entuk ari "3 ata siswa untuk menentukan minat siswa )an' menaftar aakamus %/.

<am-ar ". Deskrisi Decision ree

<am-ar " menun&ukkan hasil eskrisise+ara len'ka ari ohon keutusan (decision

tree) )an' telah ter-entuk en'an men''unakanal'oritma /.". Dari hasil ekrisi aa<am-ar " &u'a menun&ukkan -ahwa



en''unaan data mining al'oritma /." -aik i'unakan alam roses men''ali ata (data

mining process) untuk menarik -e-eraakesimulan )an' i6isualisasikan en'an ohonkeutusan (decision tree).

. Kesimpulan

Dari hasil enelitian aat iam-il -e-eraa kesimulan antara lain=a. Data mining al'oritma /." aat

iterakan alam mem-an'un ohonkeutusan (decision tree) )an' -aik aa

kasus reiksi minat siswa )an' menaftar aa kamus %/.

-. Klasifikasi siswa en'an al'oritma /."aat men'klasifikasikan minat siswa untuk menaftar atau tiak menaftar aa kamus%/.

+. Den'an aan)a eneraan data mining al'oritma /." iharakan mamumem-erikan solusi alam memreiksitin'kat minat siswa )an' menaftar aakamus %/.

. Dari "3 ata )an' iu&i teraat 3 siswa

)an' menaftar an 13 siswa tiak menaftar, i mana tin'kat minat siswamenaftar tertin''i aa atri-ut BtahuntamatC -erasarkan nilai 1ain tertin''i aa roses klasifikasi en'an al'oritma /.".

Daftar &ustaka/

415 Andriani, Anik (2012). “Penerapan

Algoritma C4.5 pada ProgramKlasifkasi Maasis!a Droupout ".Prosiding #eminar $asionalMatematika.

425 %&a, #. and 'ian %& (2011). “DataMining and Machine Learning inCybersecurity” . #A *a+lor -ranis /ro&p. #$13 61433430. #A.

,ampiran/

4$5

7esmana, P&t& %od+ (2012).“Per8andingan Kiner9a DecisionTree :4 dan %3 dalamPengklasifkasian %iagnosisPen+akit %ia8etes Mellit&s". :&rnal

*eknologi dan n;ormatika. <ol. 2,$o. 2.

45

Ma8r&r, Angga /inan9ar dan =iani7&8is (2012). “Penerapan DataMining &nt&k Memprediksi Kriteria$asa8a Kredit". :&rnal Komp&terdan n;ormatika. >disi 1, <ol. 1.

4"5

#asari, :ina 0231. G%nalisa :aktor Pen)e-a- Tin''in)a Pemakaian Listrik >umah Tan''a Men''unakan %l'oritma/."H. UPI YPTK. Paan'.

4!

5

Yunus, Mahmu, et al 0231. GSPK

Pemilihan /alon Penonor Darah Potensialen'an %l'oritma /." an :u) TahaniH.Jurnal //IS ol. F, #o. 1.

Ta-el 1. /earning Dataset



Pohon keutusan (decision tree) akhir=

Ta-el $. %nalisis %tri-ut, #ilai, an)ak Ke&aian #ilai, 2ntropy! an 1ain

<am-ar . Decision ree 0Pohon Keutusan %khir

Documents

Analisis Kinerja Data Mining Algoritma C