ANALISIS PERBANDINGAN ALGORITMA DECISION TREE DENGAN ALGORITMA RANDOM TREE UNTUK PROSES PRE PROCESSING DATA TESIS SAIFULLAH

ANALISIS PERBANDINGAN ALGORITMA DECISION TREE DENGAN ALGORITMA RANDOM TREE UNTUK PROSES PRE PROCESSING DATA

TESIS

SAIFULLAH 117038036

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

Universitas Sumatera Utara


TESIS

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika

SAIFULLAH 117038036

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013


PERSETUJUAN

Judul

: ANALISIS PERBANDINGAN ALGORITMA DECESION TREE DENGAN ALGORITMA RANDOM TREE UNTUK PROSES PRE PROCESSING DATA

Nama Mahasiswa

: SAIFULLAH

Nomor Induk Mahasiswa : 117038036 Program Studi

: MAGISTER TEKNIK INFORMATIKA

Fakultas

: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA

Komisi Pembimbing

:

Pembimbing 2

Pembimbing 1

Dr. Zakarias Situmorang

Prof. Dr. Muhammad Zarlis

Diketahui/disetujui oleh Magister Teknik Informatika Ketua,

Prof. Dr. Muhammad Zarlis NIP : 195707011986011003


PERNYATAAN


TESIS

Saya mengakui semua karya tesis ini adalah hasil kerja saya sendiri kecuali kutipan dan ringkasan yang tiap bagiannya telah dijelaskan sumbernya.

Medan, 19 Desember 2013

SAIFULLAH NIM : 117038036


PERNYATAAN PERSETUJUAN PUBLIKASI Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini:

Nama

: SAIFULLAH

NIM

: 117038036

Program Studi

: Magister (S2) Teknik Informatika

Jenis Karya Ilmiah

: TESIS

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty free Right) atas Tesis saya yang berjudul:


Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti NonEksklusif ini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan Tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta.

Demikian pernyataan ini dibuat dengan sebenarnya.

Medan, 19 Desember 2013

SAIFULLAH NIM : 117038036


Telah diuji pada Tanggal : 19 Desember 2013

PANITIA PENGUJI TESIS Ketua

:

Prof. Dr. Muhammad Zarlis

Anggota

:

1. Dr. Zakarias Situmorang 2. Prof. Dr. Herman Mawengkang 3. Prof. Dr. Tulus 4. Dr. Erna Budhiarti Nababan, M.IT


RIWAYAT HIDUP

DATA PRIBADI Nama lengkap (berikut gelar)

: Saifullah, S.Kom

Tempat dan Tanggal Lahir

: Kota Pari, 07 Mei 1979

Alamat Rumah

: Jl. Tanah Jawa No. 42 Pematangsiantar

Telepon / HP

: 085296690027

Email

: [email protected]

Instansi Tempat Bekerja

: AMIK Tunas Bangsa

Alamat Kantor

: Jl. Jendral Sudirman Blok A No. 1,2,3 Pematangsiantar

Telepon

: (0622) 22431

DATA PENDIDIKAN

SD

: SD NEGERI Kota Pari

Tamat

: 1992

SLTP

: SMP NEGERI 1 Pantai Cermin

Tamat

: 1995

SLTA

: SMA NEGERI 1 Perbaungan

Tamat

: 1998

D3

: AMIK Tunas Bangsa Pematangsiantar

Tamat

: 2006

Strata-1

: STMIK TIME Medan

Tamat

: 2010

Strata-2

: TEKNIK INFORMATIKA USU

Tamat

: 2013


KATA PENGANTAR

Puji syukur kehadirat Allah SWT Tuhan Yang Maha Esa atas segala limpahan rakhmad dan karunia-Nya sehingga Tesis ini dapat diselesaikan melalui bimbingan, arahan dan bantuan yang diberikan berbagai pihak khususnya pembimbing, pembanding, para dosen, rekan-rekan mahasiswa/i, khususnya mahasiswa/i Program Studi Magister (S2) Teknik Informatika di FASILKOM Universitas Sumatera Utara. Tesis dengan judul: “Analisis Perbandingan Algoritma Decision Tree Dengan Algoritma Random Tree Untuk Proses Pre Processing Data” adalah merupakan Tesis dan syarat untuk memperoleh gelar Magister Komputer dalam Program Studi Magister (S2) Teknik Informatika pada Program Pascasarjana Fasilkom-TI Universitas Sumatera Utara. Dengan selesainya tesis ini, perkenankanlah penulis mengucapkan terima kasih yang sebesar-besarnya kepada: Ketua Yayasan Muhammad Nasir AMIK Tunas Bangsa Pematangsiantar H. Maulia Ahmad Ridwan Syah yang telah memberikan izin, bantuan moril dan materil dan kesempatan kepada penulis untuk mengikuti pendidikan lanjutan pada Program Pascasarjana Fasilkom-TI Universitas Sumatera Utara. Direktur AMIK Tunas Bangsa Pematangsiantar Rahmat Widia Sembiring SE, Msc.IT dan Plt. Direktur Dedy Hartma, ST, M.Kom yang telah memberikan izin, bantuan moril dan materil dan motivasi dalam penyelesaikan pendidikan Program Magister (S2). Rektor Universitas Sumatera Utara, Prof. Dr. dr. Syahril Pasaribu, DTM&H, M,Sc (CTM), Sp. A(K) atas kesempatan yang diberikan kepada penulis untuk mengikuti dan menyelesaikan pendidikan Program Magister (S2). Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, Prof. Dr. Muhammad Zarlis atas kesempatan yang diberikan kepada penulis menjadi mahasiswa Program Magister (S2) pada Program Pascasarjana Fasilkom Universitas Sumatera Utara. Ketua Program Studi Magister (S2) Teknik Informatika, Prof. Dr.


Muhammad Zarlis, Sekretaris Program Studi Magister (S2) Teknik Informatika M. Andri Budiman, ST, M. Comp. Sc, M.EM beserta seluruh Staff dan Staff Pengajar pada Program Studi Magister (S2) Teknik Informatika Program Pascasarjana Fasilkom-TI Universitas Sumatera Utara, yang telah bersedia membimbing penulis, sehingga dapat menyelesaikan pendidika Pascasarjana. Terimakasih yang tak terhingga dan penghargaan setinggi-tingginya kami ucapkan kepada Prof. Dr. Muhammad Zarlis selaku Pembimbing Utama dan Dr. Zakarias Situmorang selaku Pembimbing Anggota yang dengan penuh kesabaran membimbing, memotivasi, memberikan dukungan moril, kritik dan saran serta memberikan bahan-bahan yang berkaitan dengan penyusunan tesis ini sehingga penulis dapat menyelesaikan tesis ini dengan baik. Terimakasih yang tak terhingga dan penghargaan setinggi-tingginya kami ucapkan kepada Prof. Dr. Herman Mawengkang, Prof. Dr. Tulus, dan Dr. Erna Budhiarti Nababan, M.IT sebagai pembanding, yang telah memberikan saran, masukan dan arahan yang baik demi penyelesaian tesis ini. Seluruh Staf Pengajar dan Administrasi, Program Studi Magister (S2) Teknik Informatika Program Pascasarjana Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara yang telah memberikan bantuan dan pelayanan yang baik kepada penulis selama mengikuti perkuliahan. Orangtua tercinta Ayahanda dan Ibunda, serta Ibu Mertua serta semua keluarga yang senantiasa mendoakan, dan memberikan dorongan kepada penulis. Anak tercinta, Inda Ramadhani yang selalu mendoakan, memberikan semangat, serta kesabarannya untuk menanti penulis pulang dalam masa pendidikan, budi baik ini tidak dapat dibalas hanya diserahkan kepada Allah SWT, Tuhan Yang maha Esa. Rekan Mahasiswa baik yang senior maupun Angkatan ke Tiga Program Studi Magister (S2) Fasilkom-TI Universitas Sumatera Utara dan Rekan Sejawat di AMIK Tunas Bangsa Pematangsiantar yang telah banyak membantu penulis selama mengikuti perkuliahan. Kepada semua pihak yang tidak dapat penulis sebutkan satu persatu dalam tesis ini, terima kasih atas segala bantuan yang diberikan. Sekecil apapun yang


Anda berikan untuk penulis turut menghantarkan penulis untuk menyelesaikan pendidikan yang ditempuh selama ini. Dengan segala kekurangan dan kerendahan hati, semoga kiranya Allah SWT Tuhan Yang Maha Kuasa membalas segala bantuan, kebaikan yang telah diberikan.

Medan, 19 Desember 2013 Penulis,

Saifullah


ABSTRAK

Pemrosesan data sangatlah dibutuhkan beberapa metode untuk mendapatkan hasil yang lebih baik. Perbandingan-perbandingan dari metode tersebut sangat dibutuhkan untuk pengolahan data yang lebih baik. Penelitian ini ditujukan dataset sebagai inputan preprocessing, dan selanjutnya digunakan pada aplikasi model aturan algoritma decision tree, random tree dan random forest, menggunakan software rapidminer. Pohon Keputusan digunakan untuk membuat model aturan yang akan dipilih dalam mengambil keputusan. Dari pendekatan preprocessing data dan model aturan yang didapat, dapat menjadi perhatian bagi pengambil keputusan untuk melihat dan mengambil keputusan variabel mana yang harus diperhatikan untuk mendukung peningkatan kinerja karyawan.

KataKunci

: Pre-processing Data, Decision Tree, Random Tree, Random Forest.


ANALYSIS OF THE COMPARISON OF ALGORITHM DECISION TREE WITH ALGORITHM RANDOM TREE FOR DATA PRE-PROCESSING PROCESS

ABSTRACT

Data processing is needed several methods to get better results. Comparisons of these methods are needed to get better data processing. This research shows that a dataset as input preprocessing, and subsequently used in the application of the model rules of decision tree algorithm, random tree and random forest algorithm using the software RapidMiner. Decision trees are used to make the model rules to be selected in making decisions. From the data preprocessing approach and the model rules obtained can be a concern for decision makers to see and make decisions, which variables must be considered to support the improvement of employee performance.

Keywords : Pre-processing Data, Decision Tree, Random Tree, Random Forest.


DAFTAR ISI

Halaman

KATA PENGANTAR

i

ABSTRAK

iv

ABSTRACT

v

DAFTAR ISI

vi

DAFTAR TABEL

viii

DAFTAR GAMBAR

ix

DAFTAR LAMPIRAN BAB I

BAB II

BAB III

PENDAHULUAN

1

1.1

Latar Belakang

1

1.2

Perumusan Masalah

2

1.3.

Batasan Masalah

2

1.4

Tujuan Penelitian

2

1.5

Manfaat Penelitian

3

LANDASAN TEORI

4

2.1

Pendahuluan

4

2.2

Data Mining

4

2.3

Decision Tree

9

2.4

Random Tree

12

2.5

Random Forest

13

2.6

Preprocessing data

14

2.6.1

Jenis-Jenis Metode Preprocessing Data

14

METODE PENELITIAN

16

3.1.

Pendahuluan

16

3.2

Rancangan Penelitian

16

3.3

Pelaksanaan Penelitian

18

3.4

Perancangan Model Analisis

18

3.5

Kontribusi Penelitian

19


BAB IV

HASIL DAN PEMBAHASAN

20

4.1.

Pendahuluan

20

4.2

Hasil Percobaan

20

4.2.1 Diskripsi Sampel Data

21

4.2.2 Hasil Processing

22

4.2.2.1 Decision Tree

22

4.2.2.2 Random Tree

23

4.2.2.3 Random Forest

26

4.2.3 Preprocessing dengan Missing Value

BAB V

39

4.2.3.1 Decision Tree

39

4.2.3.2 Random Tree

41

4.2.3.3 Random Forest

43

KESIMPULAN DAN SARAN

56

5.1.

Kesimpulan

56

5.2.

Saran

56

DAFTAR PUSTAKA

57

LAMPIRAN


DAFTAR TABEL

Hal. Tabel 4.1.

Deskripsi Data

21

Tabel 4.2.

Keterangan Rule Grafik Decision Tree

23

Tabel 4.3.

Keterangan Rule Grafik Random Tree

25

Tabel 4.4.

Keterangan Rule Grafik Random forest Model 1

26

Tabel 4.5.


27

Tabel 4.6.


29

Tabel 4.7.


30

Tabel 4.8.


31

Tabel 4.9.


32

Tabel 4.10. Keterangan Rule Grafik Random forest Model 7

34


35


36


38

Tabel 4.14. Keterangan Rule Grafik Decision Tree

40

Tabel 4.15. Keterangan Rule Grafik Random Tree

42


44


45


46


47


49


50


51


52


53


55


DAFTAR GAMBAR

Hal. Gambar 2.1. Bidang Ilmu Data Mining

5

Gambar 2.2. Proses dari Data Mining

7

Gambar 3.1. Alur Pre Processing data

17

Gambar 4.1. Model Preprocessing Handle missing value as category dengan implentasi decision tree

22

Gambar 4.2. Hasil decision tree

22

Gambar 4.3. Rule decision tree dengan implentasi handle missing value category

23

Gambar 4.4. Model Preprocessing handle missing value as category dengan implementasi random tree

24

Gambar 4.5. Hasil random tree implentasi handle missing value as category

24

Gambar 4.6. Rule random tree dengan implementasi handle missing value as category

25

Gambar 4.7. Model 1 preprocessing handle missing value as category dengan implementasi random forest

26

Gambar 4.8. Model 1 handle missing value as category dengan implementasi random forest

26

Gambar 4.9. Teks model 1 rule random forest dengan implentasi handle missing value as category

27


27

Gambar 4.11. Teks model 2 rule random forest dengan implementasi handle missing value as category

28


28

Gambar 4.13. Teks model 3 rule random forest dengan implementasi handle missing value as category

29



29

Gambar 4.15. Teks Model 4 rule random forest dengan implementasi handle missing value as category

30


30


31


32

Gambar 4.19. Teks model 6 rule random forest dengan implementasi handle missing value category

33


33


34


35


35


36

Gambar 4.25. Teks Model 9 rule random forest dengan implementasi hiandle missing value as category

37


37


38

Gambar 4.28. Model preprocessingnya missing value replenishment dengan implementasi decission tree

39


Gambar 4.29. Hasil decission tree implementasi missing value replenishment

39

Gambar 4.30. Rule decision tree dengan implementasi missing value replenishment

40

Gambar 4.31. Model Preprocessing missing value replenishment dengan implementasi random tree

41

Gambar 4.32. Hasil random tree implementasi missing value replenishment

41

Gambar 4.33. Rule random tree dengan implementasi missing value replenishment

42

Gambar 4.34. Model Preprocessingnya Missing value replenisment dengan implementasi random tree

43

Gambar 4.35. Model 1 Missing value replenishment dengan implementasi random forest

43

Gambar 4.36. Teks Model 1 rule random forest dengan implementasi missing value replenishment

44


44


45


46


47


47


48


48



49


49


50


51


51


52


53


53


54


54


55


ANALISIS PERBANDINGAN ALGORITMA DECISION TREE DENGAN ALGORITMA RANDOM TREE UNTUK PROSES PRE PROCESSING DATA TESIS SAIFULLAH

Recommend Documents