TAKARIR. : Mengelompokkan suatu objek yang memiliki kesamaan. : Kelompok atau kelas

   

TAKARIR

Data Mining

: Penggalian data

Clustering

: Mengelompokkan suatu objek yang memiliki kesamaan.

Cluster

: Kelompok atau kelas

Iteratif

: Berulang

Random

: Acak

Centroid

: Pusat area

KDD (Knowledge Discovery in Databases) : Penemuan pengetahuan dalam basis data Database

: Basis data

Artificial intelligent

: Kecerdasan buatan

Machine learning

: Mesin pembelajaran

Data selection

: Pemilihan data

Pre-processing

: Sebelum pengolahan

Cleaning

: Pembersihan

Missing value

: Informasi yang hilang

Interpretation

: Interpretasi

BMI ( Body Mass Index )

: Adalah ukuran yang digunakan untuk

menilai

perbandingan berat seseorang. x  

proporsionalitas

antara tinggi dan

   

HAC (Hierarchical Agglomerative Clustering)

: Adalah sebuah metode hierarkis yang

menciptakan

hierarkis yang

komposisi

diterapkan

pada

objek data. Valid

: Sah

Inconsistent

: Tidak konsisten

Task relevan data

: Data tugas yang relevan

Knowledge

: Pengetahuan

Unsupervised

: Tanpa arahan

Hierarchical

: Hirarki

Non hierarchical clustering

: Bukan pengelompokan hirarki

Algoritma Partitional clustering

: Algoritma pengelompokan partisi

Mean

: Rata – rata

Open source

: Perangkat lunak yang kodenya

dapat

dimodifikasi dengan bebas

Data sampling

: Contoh data

Tools

: Alat

Explorer

: Penjelajah

Knowledge flow

: Arus pengetahuan

Experimenter

: Orang yang melakukan percobaan

Simple

: Mudah

Command line

: Garis perintah xi

 

   

Data set

: Kumpulan data

Euclidean

: Besarnya jarak suatu garis lurus yang

menghubungkan

antar

objek Euclidean distance

: Jarak Euclidean

Soft data

: Data lunak

Hard

: Keras

Normalization

: Normalisasi

Score

: Nilai

Standard deviation

: Deviasi standar

Decimal scaling

: Penilaian decimal

New data

: Data baru

Data selection

: Pemilihan data

CSV ( Comma Separated Values)

: Adalah suatu format data dalam basis data di mana setiap record dipisahkan dengan tanda koma (,) atau titik koma(;).

Classification

: Klasifikasi

Visualization

: Visualisasi

Association rules

:Aturan asosiasi

Regresi

: Suatu metode analisis statistik yang digunakan untuk melihat pengaruh antara dua atau lebih variabel

Download

: Unduh xii

 

   

Remove

: Dihapus

Choose

: Pilih

Unsupervised

: Tanpa pengawasan

Attribute

: Atribut

Apply

: Terapkan

Start

: Mulai

Distance Function

: Fungsi jarak

Result list

: Daftar hasil

Visualize cluster assignment

: Memvisualisasikan tugas klaster

Save

: Simpan

Clusterer visualize

: Visualisasi hasil klaster

Arff viewer

: Tampilan arff

Drop out

: Dikeluarkan

Square error

: Kuadrat kesalahan

Hard disk

: Perangkat keras

SSE ( Sum Of Squared Errors )

: Adalah

antara

ukuran

perbedaan

data dan model estimasi.

ARFF (Attribute-Relation File Format )

: Adalah file yang digunakan Weka yang berisi satu atau lebih instances dari atribut

   

xiii  

   

DAFTAR ISI

Halaman HALAMAN JUDUL .....................................................................................

i

LEMBAR PENGESAHAN PEMBIMBING ...............................................

ii

LEMBAR PENGESAHAN PENGUJI .........................................................

iii

LEMBAR PERNYATAAN KEASLIAN ....................................................

iv

HALAMAN PERSEMBAHAN ...................................................................

v

HALAMAN MOTTO ...................................................................................

vi

KATA PENGANTAR ...................................................................................

vii

SARI ...............................................................................................................

ix

TAKARIR ......................................................................................................

x

DAFTAR ISI ..................................................................................................

xiv

DAFTAR TABEL .........................................................................................

xvi

DAFTAR GAMBAR .....................................................................................

xvii

DAFTAR LAMPIRAN .................................................................................

xix

BAB I

 

PENDAHULUAN .................................................................

1

1.1

Latar Belakang ............................................................

1

1.2

Rumusan Masalah .......................................................

2

1.3

Batasan Masalah .........................................................

3

1.4

Tujuan Penelitian ........................................................

3

1.5

Manfaat Penelitian ......................................................

3

1.6

Metodologi Penelitian .................................................

4

1.7

Sistematika Penulisan ................................................. xiv

5

   

BAB II

TINJAUAN PUSTAKA.........................................................

7

2.1

Penelitian Terdahulu ....................................................

7

2.2

Data Mining .................................................................

8

2.3

Clustering .....................................................................

11

2.4

Algoritma K-Means .....................................................

11

2.5

Weka ............................................................................

12

PEMODELAN ......................................................................

14

3.1

Identifikasi Masalah ....................................................

14

3.2

Model Keputusan ........................................................

20

3.2.1 Pseudocode ......................................................

21

3.2.2 Diagram Alir ...................................................

23

HASIL DAN PEMBAHASAN ............................................

29

4.1

Metodologi Penelitian .................................................

29

4.1.1 Metode Pengumpulan Data .............................

29

4.1.2 Studi Pustaka ...................................................

29

4.1.3 Metode Analisis Data ......................................

29

Implementasi dengan Weka ........................................

32

4.2.1 Normalisasi .....................................................

36

4.2.2 Clustering ........................................................

38

4.3

Hasil Implementasi ......................................................

46

4.4

Analisis Hasil Implementasi .......................................

48

4.5

Hitung Nilai SSE .........................................................

55

4.6

Komputasi ...................................................................

57

4.7

Pengguna .....................................................................

57

PENUTUP ...............................................................................

59

5.1

Kesimpulan ..................................................................

59

5.2

Saran .............................................................................

59

DAFTAR PUSTAKA ....................................................................................

60

LAMPIRAN ...................................................................................................

62

BAB III

BAB IV

4.2

BAB V

xv  

   

DAFTAR TABEL

Halaman Tabel 3.1

Tabel Data Mahasiswa .................................................................

16

Tabel 3.2

Tabel Perubahan Tahun Akademik ..............................................

17

Tabel 3.3

Tabel Normalisasi .......................................................................

19

Tabel 3.4

Tabel Data Awal .........................................................................

24

Tabel 3.5

Tabel Centroid Pada Iterasi Ke – 0 ..............................................

24

Tabel 3.6

Tabel Hitung Jarak .......................................................................

26

Tabel 3.7

Tabel Hasil Perhitungan Jarak dan Pengelompokan Data ...........

26

Tabel 3.8

Tabel Centroid Pada Iterasi Ke – 1 ..............................................

26

Tabel 3.9

Tabel Hasil Perhitungan Jarak dan Pengelompokan Data iterasi–1 ......................................................................................................

27

Tabel 3.10 Tabel Centroid Pada Iterasi Ke – 2 .............................................

27

Tabel 3.11 Tabel Hasil Perhitungan Jarak dan Pengelompokan Data iterasi–2 ......................................................................................................

27

Tabel 3.12 Tabel Centroid Pada Iterasi Ke – 3 .............................................

28

Tabel 4.1

Tabel Contoh Data Mahasiswa ...................................................

30

Tabel 4.2

Tabel Data Setelah Dibersihkan ..................................................

31

Tabel 4.3

Tabel Data Mahasiswa ................................................................

33

Tabel 4.4

Tabel Cluster 0 Pengelompokan 4 cluster ...................................

56

 

xvi  

   

DAFTAR GAMBAR

Halaman Gambar 2.1

Gambar Proses Data Mining ...................................................

9

Gambar 3.1

Gambar Diagram Alir Algoritma K-Means ............................

23

Gambar 4.1

Gambar Tampilan Weka .........................................................

32

Gambar 4.2

Gambar Tampilan Open File Weka ........................................

34

Gambar 4.3

Gambar Tampilan Statistik Atribut .........................................

35

Gambar 4.4

Gambar Tabel Sumber Data pada Weka .................................

36

Gambar 4.5

Gambar Menu Filter Untuk Normalisasi .................................

37

Gambar 4.6

Gambar Statistik Data Setelah Normalisasi ............................

37

Gambar 4.7

Gambar Tabel Hasil Normalisasi ............................................

38

Gambar 4.8

Gambar Memilih Metode Clustering ......................................

39

Gambar 4.9

Gambar Masukkan Jumlah Cluster .........................................

40

Gambar 4.10 Gambar Menu Clustering Pada Weka .....................................

40

Gambar 4.11 Gambar Pilihan Distance Function .........................................

41

Gambar 4.12 Gambar Menentukan Jumlah Iterasi .......................................

42

Gambar 4.13 Gambar Hasil Clustering .........................................................

43

Gambar 4.14 Gambar Tampilan Untuk Menyimpan File Hasil Cluster ......

43

Gambar 4.15 Gambar Weka Clusterer Visualize ..........................................

44

Gambar 4.16 Gambar ArffViewer ................................................................

44

Gambar 4.17 Gambar Hasil Clustering 3 Cluster Dengan ARFF Viewer ....

45

xvii  

   

Gambar 4.18 Gambar Data Hasil Clustering 3 Cluster Sebelum Dan Setelah Normalisasi .................................................................

45

Gambar 4.19 Gambar Hasil Clustering 3 Cluster .........................................

46

Gambar 4.20 Gambar Pengelompokan 4 cluster ...........................................

47

Gambar 4.21 Gambar Pengelompokan 5 cluster ...........................................

48

                                     

xviii  

   

DAFTAR LAMPIRAN

Halaman Lampiran 1

Tabel Hasil Clustering Dengan 3 Cluster ................................

62

Lampiran 2

Tabel Hasil Clustering Dengan 4 Cluster ................................

69

Lampiran 3

Tabel Hasil Clustering Dengan 5 Cluster ................................

75

 

xix