KLASIFIKASI KARAKTER PENGGUNA KARAWO UNTUK REKOMENDASI MOTIF MENGGUNAKAN ALGORITMA NAÏVE BAYES

KLASIFIKASI KARAKTER PENGGUNA KARAWO UNTUK REKOMENDASI MOTIF MENGGUNAKAN ALGORITMA NAÏVE BAYES Ramdhin Mapaliey1), Agus Lahinta2), Arip Mulyanto3). 1

Fakultas Teknik, Universitas Negeri Gorontalo Email : [email protected]

2

Fakultas Teknik, Universitas Negeri Gorontalo Email : [email protected]

3

Fakultas Teknik, Universitas Negeri Gorontalo Email : [email protected]

INTISARI Penelitian ini bertujuan untuk merekomendasikan motif karawo bagi pengguna karawo menggunakan algoritma Naïve Bayes. Dengan menggunakan dataset sebagai data training yang bisa bersifat konsisten, tidak konsisten atau bias, kemudian data diolah sehingga menghasilkan hipotesa guna untuk mendapatkan probabilitas bersyarat yang digunakan untuk perhitungan klasifikasi karakter dengan algoritma Naive bayes. Nilai terbesar hasil perhitungan dengan naïve bayes dijadikan sebagai parameter untuk karakter yang cocok bagi pengguna. Berdasarkan penelitian yang dilakukan dapat disimpulkan bahwa metode Naïve Bayes dapat mengklasifikasikan karakter pengguna dengan baik, dengan rata-rata keakuratan kinerja 90,48%. Kata Kunci : Klasifikasi, Naïve Bayes, Karawo

ABSTRACT This research aims at giving recommendation of Karawo pattern to its cutomer using Naïve Bayes algorithm. Using dataset as the training data that might be consistent, inconsistent or bias, the hypothesis is needed to have conditional probability to figure the characteristic classification using Naïve Bayes alogithm. The biggest value of Naïve Bayes calculation will be the parameter to determine suitable character for customer. According to the result it can be concluded that Naïve Bayes can be able to classify customer character with the average performance accuracy value of 90.48 % Keywords : Classification, Naïve Bayes, Karawo

1. PENDAHULUAN Gorontalo merupakan daerah yang sangat kental dengan adat istiadat. Hal ini sesuai dengan falsafah masyarakat Gorontalo yakni “Adat Bersendikan

Sara, Sara Bersendikan Kitabullah”. Adat istiadat daerah mengandung beberapa unsur budaya daerah yang pada intinya berisi sistem ekonomi (pencaharian hidup), sistem teknologi

(perlengkapan hidup), sistem kemasyarakatan, dan sistem religi (kepercayaan hidup) di dalam masyarakat. Kerajinan kerawang atau karawo merupakan salah satu seni budaya Gorontalo yang menjadi ciri khas Gorontalo. Karawo dihasilkan melalui proses penyulaman, yang dilakukan dengan menarik/membuka benangbenang dari kain sehingga membentuk pola tertentu. Karawo kebanyakan direprentasikan dalam bentuk kain untuk baju/jas, mukena, jilbab, kipas tangan, sapu tangan, taplak meja, dasi, dan lainnya.Karawo menjadi alternatif oleholeh khas Gorontalo selain kue kerawang dan pia Gorontalo. Sayangnya minat masyarakat Gorontalo terhadap karawo masih rendah. Masyarakat lebih memilih batik dibandingkan menggunakan karawo. Minimnya ragam motif karawo dan kurangnya pengetahuan makna filosofis dari karawo itu sendiri merupakan salah satu faktor kurang memasyarakatnya karawo. Pemerintah daerah telah berupaya memasyarakatkan karawo, salah satunya dengan mewajibkan PNS memakai karawo satu hari dalam sepekan.Selain itu pemerintah daerah bekerja sama dengan Bank Indonesia Gorontalo telah menyelenggarakan Festival Karawo 2011. Namun, secara umum minat masyarakat masih minim terhadap karawo. Untuk lebih melestarikan karawo yang merupakan salah satu warisan budaya Gorontalo, penulis bertujuan merekomendasikan berbagai motif karawo yang dapat disesuaikan dengan karakter pengguna karawo. Untuk mencapai tujuan tersebut, akan dibangun sebuah aplikasi berbasis web yang dapat merekomendasikan sekaligus memperkenalkan motif dan filosofis motif karawo.Layanan rekomendasi ini diperhitungkan berdasarkan karakter pengguna karawo.

2. TINJAUAN PUSTAKA A. Karawo Indonesia kaya dengan kerajinan kainnya. Jawa dikenal dengan Batiknya, Sumatera dikenal dengan Ulos dan Songketnya, maka Gorontalo punya kerajinan kain yakni Kerawang atau yang lebih dikenal di Gorontalo dengan sebutan Karawo.Kain kerawang lahir dari ketekunan dan ketelitian dalam mengolah pola untuk menciptakan keindahan motif. Seni mokarawo atau membuat kain karawang ini sudah menjadi tradisi turun temurun sejak zaman Kerajaan di Gorontalo, kini kain khas dengan keunikannya ini semakin diminati baik di dalam negeri maupun di mancanegara. Kerajinan ini sudah berkembang sejak lama dan kini sudah menjadi sentra kerajinan khas Gorontalo. Bahkan sulaman kain kerawang kerap dijadikan baju seragam para jemaah haji dari Gorontalo. Sulaman kerawang adalah salah satu ragam hias kain yang dihiasi dengan berbagai macam motif warna sesuai dengan selera masing-masing pengrajin. Dengan motif yang bervariasi menjadikan kerawang sebagai salah satu kerajinan tangan andalan di daerah Gorontalo.Motif-motif sulaman kerawang ini banyak digunakan pada berbagai rancangan pakaian wanita maupun pria, selain itu motif kerawang digunakan juga pada peci, sapu tangan, kerudung, dasi, kipas, dompet, dan asesoris lainnya. Kombinasi motif kreatif dengan warna-warna benang yang beraneka ragam yang dipadukan pada kain yang tepat akan menghasilkan sulaman kerawang yang bagus dan cantik, tetapi tidak meninggalkan motif budaya yang merupakan ciri khas daerah Gorontalo (Alrezacell, 2011). B. Motif Motif atau corak karawo yang digunakan dalam penelitian ini ada 9 motif yakni lokcan, Modang, Bunga, Kotak, Kupu-kupu, Garuda, Kawung,

Parang dan Api. Setiap motif memiliki filosofisnya, motif karawo ini sendiri diambil dari sumber motif batik yang telah disesuaikan dengan motif karawo. C. Karakter Manusia Menurut Eneagram Eneagram adalah studi tentang sembilan tipe dasar manusia. Eneagram telah ada sejak ratusan tahun yang lalu. Sistem Eneagram digambarkan dengan suatu lingkaran yang berisi sebentuk bintang bertitik sembilan. Dalam bahasa Yunani, Enea adalah angka sembilan dan Grama artinya adalah sebuah gambar. Jadi, Eneagram berarti sebuah gambar bertitik sembilan (Baron dan Wagele, 2005). Eneagram mengajarkan bahwa di awal kehidupan, kita belajar untuk merasa aman dan untuk menghadapi kondisi dalam keluarga dan keadaan diri sendiri dengan mengembangkan suatu strategi yang didasari talenta dan kemampuan alamiah kita. Berikut adalah gambaran ringkas kesembilan tipe dari Eneagram (Baron dan Wagele, 2005). 1. Perfeksionis Tipe satu dimotivasi oleh kebutuhan untuk menjalani hidup dengan benar, termasuk memperbaiki diri sendiri dan lingkungan sekitarnya. 2. Penolong Tipe dua dimotivasi kebutuhan untuk dicintai, dihargai, dan untuk mengekspresikan perasaan positif mereka kepada orang lain. 3. Pengejar Prestasi Tipe tiga dimotivasi oleh kebutuhan untuk menjadi orang yang produktif, meraih kesuksesan, dan menghindari kegagalan. 4. Romantis Tipe empat dimotivasi oleh kebutuhan untuk memahami perasaannya dan agar dipahami oleh orang lain, mencari makna kehidupan, dan menghindari citra diri yang biasabiasa saja. 5. Pengamat

Tipe lima dimotivasi kebutuhan untuk mengetahui dan memahami segala sesuatu, merasa cukup dengan diri sendiri, dan tidak terlihat bodoh. 6. Pencemas Tipe enam dimotivasi kebutuhan akan rasa aman. Tipe enam yang phobia terlihat ketakutan dan mencari persetujuan. 7.

Petualang Tipe tujuh dimotivasi kebutuhan untuk merasa gembira dan merencanakan kegiatan-kegiatan menyenangkan, memberi sumbangsih bagi dunia, dan menghindari penderitaan dan kesedihan. 8. Pejuang Tipe delapan dimotivasi kebutuhan untuk mengandalkan diri sendiri dan kuat, dan terhindar dari kesan lemah atau bergantung pada orang lain. 9. Pendamai Tipe sembilan dimotivasi kebutuhan untuk menjaga kedamaian, menyatu dengan orang lain, dan menghindari konflik D. Data Mining Menurut Han dan Kamber (2006), Data mining adalah suatu proses untuk menemukan interesting knowledge dari sejumlah besar data yang disimpan dalam sebuah database, datawarehouse, dan sejumlah media penyimpanan lainnya. Secara sederhana data mining adalah ekstrasi informasi atau pola yang penting atau menarik dari data yang berada dalam database yang besar. Data mining merupakan bagian dari proses Knowledge Discovery in Databases (KDD). Sebelum data diolah dengan data mining, data perlu melalui tahap praproses. Menurut Han dan Kamber (2006), praproses terdiri dari beberapa langkah, yaitu: 1. Pembersihan data (membuang data yang tidak konsisten dan noise).

2. Integrasi data (penggabungan data dari beberapa sumber). 3. Transformasi data (data diubah menjadi bentuk yang sesuai untuk di-mining) 4. Pengurangan data (data lebih sedikit tapi hasil statistik sama atau menyederhanakan data) E. Metode Naive Bayes Metode Bayes merupakan metode yang baik di dalam mesin pembelajaran berdasarkan data training, dengan menggunakan probabilitas bersyarat sebagai dasarnya. Algoritma Naive Bayes memberikan alternatif bagaimana cara menggabungkan probabilitas prioritas dan probabilitas kondisional ke dalam sebuah formula, selanjutnya dapat dihitung kemungkinan dari setiap klasifikasi yang memungkinkan (Bramer, 2007). Dasar dari teorema Naive Bayes yang dipakai dalam pemrograman adalah rumus Bayes : P (A|B) = (P(B|A) * P(A)) / P(B) …. (1) Peluang kejadian A sebagai B ditentukan dari peluang B saat A, peluang A, dan peluang B. Pada pengaplikasiannya nanti rumus ini berubah menjadi : P(Ci|D) = (P(D|Ci) * P(Ci)) / P(D) …. (2) Dimana pada rumus ini : P ( Ci | D ) adalah peluang dokumen D pada kategori Ci. P ( D | Ci ) adalah peluang pada kategori Ci, kata pada dokumen D muncul pada kategori tersebut. P ( Ci ) adalah peluang dari kategori yang diberikan, dibandingkan dengan kategori-kategori lainnya yang dianalisa. P (D) adalah peluang dari dokumen tersebut secara spesifik. Pada pengembangannya, P ( D ) dapat dihilangkan karena nilainya tetap, sehingga saat dibandingkan dengan tiap kategori, nilai ini dapat dihapus.

3. HASIL DAN PEMBAHASAN Kerajinan kerawang atau karawo merupakan salah satu seni budaya Gorontalo yang menjadi ciri khas Gorontalo. Untuk lebih melestarikan karawo yang merupakan salah satu warisan budaya Gorontalo, telah dibangun sebuah aplikasi berbasis web yang dapat merekomendasikan sekaligus memperkenalkan motif dan filosofis motif karawo. Dengan adanya aplikasi ini semoga karawo semakin dikenal dimasyarakat luas khususnya masyarakat Gorontalo. Aplikasi rekomendasi ini diperhitungkan berdasarkan karakter pengguna karawo. Berikut adalah hasil penyesuaian karakter Eneagram dengan filosofis motif karawo. Tabel Daftar Motif Karawo Untuk Perekomendasian No

Karakter

Motif Karawo

1

Perfeksionis

Lokcan, Modang

2

Penolong

Bunga

3

Pengejar prestasi

Kotak

4

Romantis

Kupukupu, Bunga

5

Pengamat

Garuda

6

Pencemas

Kawung

Filosofis Memancarkan aura keagungan dan menuntun Berharap kekayaan, kehidupan, nasib baik, kesuburan. Bervariasi tergantung pada ornamen lainnya datang dengan mereka Mengekspresikan kecantikkan. Garuda adalah dari burung Garuda yang menampilkan kedudukan yang penting Memberikan harapan, kebijaksanaan dan membimbing. Lambang keadilan, keperkasaan.

7

8

9

Petualang

Pejuang

Pendamai

Parang

Parang berarti senjata, menggambarkan kekuasaan kekuatan dan kecepatan gerak. Berhiaskan perubahan, kedinamisan, dan kelebihan Menunjukkan kelebihan, keberanian, sakti, ketangguhan.

Api

Kawung

Memberikan harapan, kebijaksanaan dan membimbing. Lambang keadilan, keperkasaan.

Adapun cara kerja dari proses perhitungan klasifikasi Naive Bayes yaitu diawali dengan melakukan pengambilan data. Dataset yang digunakan sebagai data training bisa bersifat konsisten, tidak konsisten atau bias. Dimana data tersebut dapat dilihat pada tabel data training Tabel Data Training N 1o 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

Usia Dewasa Dewasa Dewasa Dewasa Remaja Remaja Dewasa Dewasa Lansia Lansia Dewasa Dewasa Dewasa Dewasa Remaja Dewasa Dewasa Dewasa Dewasa Dewasa Dewasa Dewasa

Jenis Kelam Pria in Pria Wanit a Wanit a Pria Wanit a Pria Wanit a Pria Wanit a Pria Wanit a Pria Wanit a Wanit a Wanit a Pria Pria Wanit a Wanit a Pria Wanit a

impresi Elegan Ningrat Ningrat Elegan Natural Natural Natural Natural Natural Natural Bijaksana Bijaksana Kalem Kalem Feminim Feminim Klasik Protektif Klasik Protektif Hangat Hangat

Karakter Perfeksion is Perfeksion is Perfeksion is Perfeksion is Penolong Penolong Penolong Penolong Penolong Penolong Pengejar prestasi Pengejar prestasi Pengejar prestasi Pengejar prestasi Romantis Romantis Pengamat Pengamat Pengamat Pengamat Pencemas Pencemas

23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42

Remaja Remaja Remaja Remaja Dewasa Dewasa Dewasa Dewasa Lansia Lansia Lansia Lansia Remaja Remaja Dewasa Dewasa Lansia Lansia Dewasa Dewasa

Pria Wanit a Pria Wanit a Pria Wanit a Pria Wanit a Pria Wanit a Pria Wanit a Pria Wanit aPria Wanit a Pria Wanit a Pria Wanit a

Dinamis Dinamis Maskulin Maskulin Dinamis Dinamis Maskulin Maskulin Dinamis Dinamis Maskulin Maskulin Berani Berani Berani Berani Berani Berani Kalem Kalem

Petualang Petualang Petualang Petualang Petualang Petualang Petualang Petualang Petualang Petualang Petualang Petualang Pejuang Pejuang Pejuang Pejuang Pejuang Pejuang Pendamai Pendamai

Berikut ini adalah contoh perhitungan klasifikasi karakter menggunakan metode naïve bayes 1. Jika kondisi data inputan Usia =Dewasa,Jenis Kelamin = Pria,Efek/Impresi= Elegan. Karakter apakah yang cocok bagi kondisi tersebut? Berdasarkan data training maka dapat dihitung Perfeksionis (4/42),Dewasa (4/4),Pria = (2/4),Elegan = (2/4)

=

Hitung P  (4/42) * (4/4) *(2/4)* (2/4) (0.0952) * (1)* (0.5) *(0.5) H =0.0238 Pejuang (6/42),Dewasa = (2/6),Pria = (3/6),Elegan = (0/6) Hitung P  (6/42) * (2/6) *(3/6) * (0/6) (0.143) * (0.333)* (0.5) *(0) H = 0.00 Berdasarkan hasil perhitungan didapat karakter yang cocok untuk kondisi (Usia =Dewasa,Jenis Kelamin = Pria,Efek/Impresi= Elegan) adalah Perfeksionis. Karena nilai hitung perfeksionis lebih besar dari karakter yang lainnya.

Berdasarkan hasil pengujian terhadap semua data uji, diperoleh hasil bahwa terdapat 38 data yang sesuai dengan kelas yang diberikan sedang terdapat 4 data yang tidak terdeteksi karena masuk kedalam dua kelas yang berbeda. Proses untuk menilai kinerja dari hasil klasifikasi menggunakan naïve bayes dihitung dengan uji sensitivitas (Bemmel 1997). TP (true positive) didapatkan dari rasio orang yang masuk kelas X dan model hasil perhitungan naïve bayes juga memutuskan orang tersebut masuk kedalam kelas X. TN (true negative) yaitu rasio orang yang tidak masuk kedalam kelas X dan model naïve bayes juga memutuskan bahwa orang tersebut tidak masuk kedalam kelas X. FP (false positive) merupakan rasio orang yang masuk kedalam kelas X, namun model memutuskan orang tersebut tidak masuk kedalam kelas X. FN (false negative) merupakan rasio orang yang tidak masuk dalam kelas X, namun model memutuskan orang tersebut masuk dalam kelas X. Sensitivitas didapatkan dari hasil penjumlahan TP dan TN, dibagi dengan hasil penjumlahan TP, TN, FP dan FN, dituliskan dengan : Kinerja = (TP+TN) / (TP+TN+FP+FN)

4. KESIMPULAN Dari hasil klasifikasi yang dilakukan pada dataset, maka dapat disimpulkan sebagai berikut : 1. Proses klasifikasi karakter dengan algoritma Naive bayes memiliki nilai akurasi sebesar 90.48 %. Hal ini menunjukan bahwa algoritma Naive bayes efektif digunakan pada dataset. 2. Semakin banyak jumlah data yang digunakan untuk training maka semakin tinggi tingkat keakuratannya. 3. Klasifikasi karakter dilihat berdasarkan Eneagram yang dilakukan untuk merekomendasikan motif karawo yang sesuai dengan karakter pengguna. 4. Aplikasi ini dapat merekomendasikan motif karawo sesuai karakter kepada pengguna karawo.

5. DAFTAR PUSTAKA Alrezacell. 2011. Kain Kerawang.[Tersedia] :(http://www.alrezacell.web.id/20 11/02/kain-kerawang.html, diakses16 November 2013)

Tabel Kinerja Setiap Kelas No 1 2 3 4 5 6 7 8 9

.

Kelas TP TN FP FN Eneagram Perfeksionis 4 34 0 4 Penolong 6 32 0 4 Pengejar 4 34 2 2 Prestasi Romantis 2 36 0 4 Pengamat 4 34 0 4 Pencemas 2 36 0 4 Petualang 12 26 0 4 Pejuang 6 32 0 4 Pendamai 2 36 2 2 Rata-rata kinerja semua kelas

Kinerja 90.48% 90.48% 90.48% 90.48% 90.48% 90.48% 90.48% 90.48% 90.48% 90.48%

Baron, R & Wagele, E. 2005. Eneagram : Mengenal 9 Tipe Kepribadian Manusia Dengan Lebih Asyik. Jakarta : Serambi Bemmel, J.H, dan M.A, Musen. (1997). Modelling of decision support in Handbook of medical informatics, Diegem: Bohn Stafleu Van Loghum. Bramer, M. 2007. Principles of Data Mining. Springer. Han, J & Kamber, M. 2006. Data Mining Concepts and Techniques. Morgan Kaufmann Publishers.