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

ANALISIS SUBSPACE CLUSTERING MENGGUNAKAN DBSCAN DAN SUBCLU UNTUK PROYEKSI PEKERJAAN ALUMNI PERGURUAN TINGGI

TESIS

ANNI ROTUA ARITONANG 117038064

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

Universita Sumatera Utara


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

ANNI ROTUA ARITONANG 117038064

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


PERSETUJUAN

: ANALISIS SUBSPACE CLUSTERING

Judul

MENGGUNAKAN DBSCAN DAN SUBCLU UNTUK PROYEKSI PEKERJAAN ALUMNI PERGURUAN TINGGI Kategori

: Tesis

Nama

: Anni Rotua Aritonang

Nomor Induk Mahasiswa

: 117038064

Program Studi

: S2 Teknik Informatika

Fakultas

: Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara

Komisi Pembimbing

:

Pembimbing 2

Dr. Poltak Sihombing, M.Kom

Pembimbing 1

Dr. Sutarman, M.Sc

Diketahui/Disetujui oleh Program Studi S2 Teknik Informatika Ketua

Prof. Dr. Muhammad Zarlis 195707011986011003


PERNYATAAN


TESIS

Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, 28 Agustus 2013

Anni Rotua Aritonang NIM. 117038064


PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, Saya yang bertanda tangan di bawah ini : Nama NIM Program Studi Jenis Karya Ilmiah

: ANNI ROTUA ARITONANG : 117038064 : S2 TEKNIK INFORMATIKA : 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 :

ANALISIS SUBSPACE CLUSTERING MENGGUNAKAN DBSCAN DAN SUBCLU UNTUK PROYEKSI PEKERJAAN ALUMNI PERGURUAN TINGGI Beserta perangkat yang ada (jika diperlukan). Dengan hak Bebas Royalti NonEksklusif ini, Universitas Sumatera Utara Berhak menyimpan, mengalih media, menformat, 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, 28 Agustus 2013

Anni Rotua Aritonang NIM. 117038013


Telah diuji pada Tanggal : 28 Agustus 2013

PANITIA PENGUJI TESIS Ketua

: Dr. Poltak Sihombing, M.Kom

Anggota

: Dr. Sutarman, M.Sc 1. Prof. Dr. Muhammad Zarlis 2. Dr. Erna Budhiarti Nababan, M. IT 3. Dr. Zakarias Situmorang, MT


RIWAYAT HIDUP

DATA PRIBADI Nama

: Anni Rotua Aritonang

TempatdanTanggalLahir

: Tarutung, 03 Oktober 1980

AlamatRumah

: Jln. Pelangi No.42 Medan

Telepon

: 081361415445

E-Mail

: [email protected]

Instansitempatbekerja

: SMK Negeri 10 Medan

Alamat Kantor

: Jln. T. Cik.Ditiro

Teleponkantor

: 061 4536534

DATA PENDIDIKAN SD

: Inpres

Tamat: 1992

SLTP

: Negeri3 Tarutung

Tamat: 1996

SLTA

: HKBP 1 Tarutung

Tamat: 1998

Strata-1

: STMIK Sisingamangaraja XII

Tamat: 2008

S-2

: Teknik Informatika USU

Tamat : 2013



ABSTRAK

Subspace clustering diproyeksikan sebagai teknik pencarian untuk mengelompokkan data atau atribut pada klaster yang berbeda, Pengelompokan dilakukan dengan menentukan tingkat kerapatan data dan juga mengidentifikasi outlier atau data yang tidak relevan, sehingga masingmasing cluster ada dalam subset tersendiri. Tesis ini mengusulkan inovasi algoritma subspace clustering based on density connection. Pada tahap awal akan dihitung kerapatan dimensi, hasil kerapatan dimensi akan dijadikan data masukan untuk menentukan klaster awal yang berdasarkan kerapatan dimensi, yakni dengan menggunakan Algoritma DBSCAN. Data pada setiap klaster kemudian akan diuji apakah memiliki hubungan dengan data pada klaster yang lain, yakni dengan menggunakan Algoritma SUBCLU. Hasil dari penelitian ini ditemukan bahawa SUBCLU tidak memiliki un-cluster dataset nyata, sehingga persepsi hasil cluster akan menghasilkan informasi yang lebih akurat sedangkan untuk kepuasan kerja dataset DBSCAN membutuhkan waktu lebih lama daripada metode SUBCLU. Untuk lebih besar dan lebih kompleks data, kinerja SUBCLU terlihat lebih efisien daripada DBSCAN. Key Word : Subspace clustering, DBSCAN, SUBCLU.


SUBSPACE CLUSTERING ANALYSIS USING DBSCAN AND SUBCLU FOR PROJECTING COLLEGE ALUMNI JOB

ABSTRACT

Subspace clustering is projected as a search technique to classify the data or attributes in different clusters, grouping is done by determining the density of data and also identify outliers or data that is not relevant, so that each cluster exists in its own subset. This thesis proposes innovation subspace clustering algorithm based on density connection. In the early stages will be counted dimensional density, density results will be used as input data dimensions to determine the initial clusters based on density-dimensional, ie, by using the DBSCAN algorithm. Data on each cluster will then be tested whether having a relationship with the other data on the cluster, by using Algorithm SUBCLU.Results of this study found bahawa SUBCLU not have an unclustered real dataset, so the perception of the results of the cluster will produce more accurate information for job satisfaction dataset whereas DBSCAN takes more time than the method SUBCLU. For larger and more complex the data, the performance SUBCLU looks more efficient than DBSCAN. Key Word : Subspace clustering, DBSCAN, SUBCLU.


KATA PENGANTAR

Terpujilah Tuhan yang telah melimpahkan rahmat dan kasihNya sehingga penulis dapat menyelesaikan penyusunan tesis ini dengan baik. Tesis ini merupakan salah satu syarat untuk menyelesaikan studi pada magister Teknik Informatika Universitas Sumatera Utara, adapun judul tesis ini adalah “ANALISIS SUBSPACE CLUSTERING MENGGUNAKAN DBSCAN DAN SUBCLU UNTUK PROYEKSI PEKERJAAN ALUMNI PERGURUAN TINGGI”. Penulis menyadari sepenuhnya bahwa tulisan ini masih jauh dari sempurna, untuk itu penulis mengharapkan kritik dan saran yang membangun demi kesempurnaan tesis ini. Pada kesempatan ini dengan segala kerendahan hati dan ketulusan hati, penulis ingin menyampaikan ucapan terima kasih yang sebesar-besarnya kepada: 1. Bapak Dekan Prof. Dr. Muhammad Zarlis dan sekaligus sebagai penguji yang telah banyak membimbing dan memberi masukan kepada penulis 2. Bapak Dr. Poltak Sihombing, M.kom selaku pembimbing I dan bapak Dr. Sutarman M,Sc selaku pembimbing II, yang selama ini telah memberikan waktu dan bimbingan, saran dan masukan yang membangun dan mengarahkan penulisan ini ke arah yang lebih baik. 3. Ibu Dr. Erna Budhiarti Nababan,M.TI dan bapak Dr. Zakarias Situmorang, MT selaku penguji yang telah memberikan kritikan dan saran yang membangun yang sangat berguna dalam perbaikan penulisan tesis ini. 4. Bapak Andri, M.Com selaku sekretaris Jurusan magister S2 Teknik Informatika yang telah banyak memberi masukan kepada penulis selama perkuliahan, kepada para dosen yang selama perkuliahan telah memberikan ilmunya kepada penulis, 5. Kepada para pegawai di Fakultas Ilmu Komputer khususnya program studi S2 Teknik informatika yang telah banyak membantu dalam pengurusan administrasi. 6. Terima kasih tak terhingga buat seluruh keluarga yang selalu memberikan dukungan dan jadi penyemangat serta mendoakan penulis, khusunya ibunda tercinta R. Br. Simorangkir, Kakak, abang dan adek yang terkasih yang telah memberikan dukungan dan semangat kepada penulis.


7. Teman-teman di S2 TI dan para sahabat saya yang telah banyak memberikan masukan dan dukungan kepada penulis, teman-teman di Israfel Choir HKBP Sudirman yang selalu memberi semangat dan mendoakan penulis.

Penulis menyadari masih banyak kekurangan dalam penulisan tesis ini, oleh karena itu penulis menerima saran dan masukan yang bersifat membangun untuk pengembangan tesis ini. Semoga tesis ini berguna bagi pembaca. Semoga semua pertolongan yang telah diterima penulis dibalas oleh Tuhan Yang Maha Pengasih dengan berkat yang berlimpah. Akhir kata penulis mengucapkan banyak terima kasih.


DAFTAR ISI

PERSETUJUAN PERNYATAAN PERNYATAAN PERSETUJUAN PUBLIKASI ILMIAH UNTUK KEPENTINGAN AKADEMIS PENETAPAN PANITIA PENGUJI TESIS RIWAYAT HIDUP KATAPENGANTAR DAFTAR ISI

i iii

DAFTAR GAMBAR

v

DAFTAR TABEL

vii

ABSTRAK

viii

ABSTRACT

ix

BAB 1 PENDAHULUAN 1.1 Latar Belakang

1

1.2 Perumusan Masalah

1

1.3 Batasan Masalah

3

1.4 Tujuan Penelitian

2

1.5 Manfaat Penelitian

4

BAB 2 TINJAUAN PUSTAKA 2.1

Pendahuluan

5

2.2

Fungsi dan Tugas Data Mining

8

2.3

TeknikPertambanganData DanAplikasinya

9

2.4

Klustering

10

2.5

Algoritma Clustering

11

2.6

Subspace Clustering

13

2.7

DBSCAN

14

2.8

SUBCLU

15


BAB III METODELOGI PENELITIAN 3.1

Pendahuluan

17

3.2

Subjek Penelitian

17

3.3

Rancangan Penelitian

17

3.4

Alur Kerja Aplikasi

18

3.5

Multidimensi dan Analisis strategi data

18

3.6

Analisis Klustering data

19

3.7

Analisis Clustering

20

3.7.1. Analisis Subspace Clustering

22

3.7.2Subspace Cluster Berbasiskan Density Connection

22

Kepadatan Data

24

3.8

BAB IV HASIL DAN PEMBAHASAN 4.1

Implementasi Data

27

4.1.1 Analisis Clustering

27

4.1.2 Subspace Clustering berbasis density Conection

27

4.2

Hasil Penelitian

33

4.3

Evaluasi Kinerja

45

4.3.1 Efisiensi Kerja

45

4.3.2 Data Akurat

46

BAB V KESIMPULAN DAN SARAN 5.1

Kesimpulan

48

5.2

Saran

49

DAFTAR PUSTAKA

50


DAFTAR GAMBAR

Gambar 2.1 Struktur sistem datamining

5

Gambar 2.2 Tahapan proses sistem

5

Gambar 2.3 Struktur data mining taksonomi

9

Gambar 2.4 Teknik dalam data mining

10

Gambar 2.5 Contoh dalam clustering

12

Gambar 2.6 Proses clustering data

14

Gambar 2.7 Eps-neighborhood.

16

Gambar 3.7

Strategianalisisdata miningmultidimensiPenelitian

20

Gambar3.8

Analisa strategi data mining

21

Gambar 3.9

Inisialisasi Kluster

22

Gambar 3.10

Langka-langkah Penelitian

24

Gambar 3.11

Density Based Cluster

25

Gambar 3.12

Kepadatan data yang saling terhubung

26

Gambar4.1

Data1dimensimenggunakanDBSCAN

31

Gambar4.1

Terpisahmultidimensimenjadi 1-dimensi

33

Gambar 4.3

Distribusi Data Dataset

34

Gambar 4.4

Distribusi Data dataset kerja memenuhi sesuai bidang kompetensi

35

Gambar 4.5

Distribusi Data Mahasiswa Medicom tahun 2005

36

Gambar4.6

DistribusiData Mahasiswa Medicom tahun 2006

37

Gambar4.7


37

Gambar4.8


38

Gambar4.9


38

Gambar4.10


39

Gambar4.11

Jumlah cluster dataset secara realtime

40

Gambar 4.12

Pengelompokandatasetcluster denganFIRES

41

Gambar 4.13

Pengelompokan dataset cluster dengan INSCY

41

Gambar 4.14

Pengelompokan dataset berdasarkan SUBCLU

41

Gambar 4.15

Pengelompokan data menurut kualifikasi ketepatan serapan kerjaan menggunakan fires

42


Gambar 4.16

Pengelompokan data menurut kualifikasi ketepatan serapan kerjaan menggunakan DB-SCAN

Gambar 4.18

42

Pengelompokan data menurut kualifikasi ketepatan serapan kerjaan menggunakan Subclu

42

Gambar 4.17

JumlahclusterTertinggidatasetmenurut alumni

43

Gambar 4.18

DataA-cluster datasetnyata

43

Gambar 4.19

DataUn-cluster yang lebih tinggidatasetPerguruan tinggi

44

Gambar 4.20

Waktu prosespengelompokandatasetnyata

44

Gambar 4.21

Waktu prosesdaripengelompokanyang tertinggi

Gambar 4.22

dari datasetlembaga pendidikan

46

Hasil akurasidataset

47


DAFTAR TABEL Tabel 2.1

Beberapa permasalahan dalam lingkup pribadi yang umum dengan masalah dalam perguruan tinggi

8

Tabel 4.1

Contoh Data daripada mahasiswa 2005-2010

27

Tabel 4.2

Example of Initial Data

30

Tabel 4.3

Hasilterpisahmultidimensimenjadi 1-dimensi

31

Tabel 4.4

HasilpengelompokanberdasarkanDBSCAN

32

Tabel 4.5

Nilai yang dihasilkan olehSubspaceCluster

33

Table 4.6

Result of Group of Subspace Cluster

33

Table 4.7

Properti dari dataset

34




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

Recommend Documents