TINF

PENERAPAN TEKNIK DATA MINING DENGAN METODE SMOOTH SUPPORT VECTOR MACHINE (SSVM) UNTUK MEMPREDIKSI MAHASISWA YANG BERPELUANG DROP OUT (Studi Kasus Mahasiswa Politeknik Negeri Medan) TESIS Oleh HABIBI RAMDANI SAFITRI 097038022 / TINF

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2011

Universitas Sumatera Utara

PENERAPAN TEKNIK DATA MINING DENGAN METODE SMOOTH SUPPORT VECTOR MACHINE (SSVM) UNTUK MEMPREDIKSI MAHASISWA YANG BERPELUANG DROP OUT (Studi Kasus Mahasiswa Politeknik Negeri Medan)

TESIS

Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar Magister Komputer Dalam Program Studi Magister Teknik Informatika Pada Program Pascasarjana Fakultas MIPA Universitas Sumatera Utara

Oleh HABIBI RAMDANI SAFITRI 097038022 / TINF

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA MEDAN 2011


PENGESAHAN TESIS Judul Tesis

:

PENERAPAN TEKNIK DATA MINING DENGAN METODE SMOOTH SUPPORT VECTOR MACHINE (SSVM) UNTUK MEMPREDIKSI MAHASISWA YANG BERPELUANG DROP OUT (Studi Kasus Mahasisawa Politeknik Negeri Medan)

Nama Mahasiswa Nomor Induk Mahasiswa Program Studi Fakultas

: : : :

HABIBI RAMDANI SAFITRI 097038022 TEKNIK INFORMATIKA MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

Menyetujui Komisi Pembimbing,

Prof. Dr. Muhammad Zarlis Ketua

Ketua Program Studi

Dekan

Prof. Dr. Muhammad Zarlis NIP : 19570701 198601 1 003

Dr. Sutarman, M.Sc NIP : 19631026 199103 1 001


PERNYATAAN ORISINALITAS PENERAPAN TEKNIK DATA MINING DENGAN METODE SMOOTH SUPPORT VECTOR MACHINE (SSVM) UNTUK MEMPREDIKSI MAHASISWA YANG BERPELUANG DROP OUT (Studi Kasus Mahasiswa Politeknik Negeri Medan)

TESIS

Dengan ini penulis nyatakan bahwa penulis mengakui semua karya tesis ini adalah hasil karya penulis sendiri kecuali kutipan dan ringkasan yang tiap bagiannya telah dijelaskan sumbernya dengan benar.

Medan, 29

Juli 2011

HABIBI RAMDANI SAFITRI NIM. 097038022


PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertandatangan di bawah ini: NamaMahasiswa

:

HABIBI RAMDANI SAFITRI

NomorIndukMahasiswa

:

097038022

Program Studi

:

Magister (S2) Teknik Informatika

JenisKaryaIlmiah

:

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 :

PENERAPAN TEKNIK DATA MINING DENGAN METODE SMOOTH SUPPORT VECTOR MACHINE (SSVM) UNTUK MEMPREDIKSI MAHASISWA YANG BERPELUANG DROP OUT (Studi Kasus Mahasiswa Politeknik Negeri Medan) Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti NonEksklusifini, 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.

Medan, 29

Juli 2011

HABIBI RAMDANI SAFITRI NIM. 097038022


Telah diuji pada Tanggal : Juli 2011

PANITIA PENGUJI TESIS Ketua

: Prof. Dr. Muhammad Zarlis

Anggota

: 1. Prof. Dr. Herman Mawengkang 2. M. Andri Budiman, ST, M.Comp. Sc, M.EM


3. Prof. Dr. Tulus

RIWAYAT HIDUP

DATA PRIBADI

NamaLengkap

Habibi Ramdani Safitri

TempatdanTanggalLahir

Medan, 17 September 1976

AlamatRumah

Jl. Pintu Air IV N0. 121 Komp. Polmed Padang Bulan Medan.

Email

Politeknik Negeri [email protected]

InstansiTempatBekerja

Politeknik Negeri Medan

Alamat Kantor

Jl. Almamater N0.1 Kampus USU Padang Bulan Medan.


DATA PENDIDIKAN SD NEGERI 060853

Tamat Tahun 1989

SMP NEGERI 11 MEDAN SAMPALI

Tamat Tahun 1992

SMA SWASTA PAB 1 MEDAN ESTATE

Tamat Tahun 1995

D1 PTKK POLITEKNIK USU

Tamat Tahun 1996

S1 STMIK BUDIDARMA

Tamat Tahun 2000


KATA PENGANTAR Pertama-tama kami panjatkan puji syukur kehadirat Allah SWT atas segala limpahan rahmad dan karuniaNya sehingga Tesis ini dapat diselesaikan melalui bimbingan, arahan dan bantuan yang diberikan berbagai pihak khususnya pembimbing, pembanding, para dosen, teman mahasiswa, khususnya mahasiswa Program Studi Magister (S2) Teknik Informatika Universitas Sumatera Utara. Tesis dengan judul : Penerapan Teknik Data Mining Dengan Metode Smooth Support Vector Machine (SSVM) Untuk Memprediksi Mahasiswa Yang Berpeluang Drop Out (Studi Kasus Mahasiswa Politeknik Negeri Medan) adalah merupakan syarat untuk memperoleh gelar Magister Komputer pada Program Pascasarjana Magister Teknik Informatika FMIPA USU. Dengan selesainya tesis ini, perkenankanlah penulis mengucapkan terima kasih yang sebesar-besarnya kepada: 1. 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, 2. Pembimbing Utama Prof. Dr. Muhammad Zarlis selaku pembimbing Utama yang dengan penuh kesabaran membimbing, memotivasi, memberikan dukungan moril, kritik dan saran serta memberikan bahan-bahan yang berkaitan dengan penyusunan tesis ini sehingga tesis ini dapat terselesaikan dengan baik. 3. Prof. Dr. Herman Mawengkang, M. Andri Budiman, ST, M.Comp. Sc, M.EM, dan Prof. Dr. Tulus, selaku pembanding yang telah memberikan saran, masukan dan arahan yang baik demi penyelesaian tesis ini 4. Direktur Politeknik Negeri Medan Ir. Zulkifli Lubis, M.I.Komp, Bambang Sugianto, MP selaku Pudir I, Ir. Sahruddin, MT Selaku Pudir II, Cipta Dharma, M.Si, Selaku Pudir III, Salamat Sibarani, MT, Selaku Pudir IV, yang telah memberikan izin penulis untuk mengikuti perkuliahan i


5. Rekan-rekan di STT-Harapan untuk segala pengertiannya dan perhatiannya, khusus Dra. Herlina Harahap,M.Si, Ratna Simatupang, MT, Yetty Meutia, MT, Rahmawati, MT, terima kasih untuk semua bantuan dan dukungan yang diberikan. 6. Rekan-rekan angkatan pertama S2 Teknik Informatika USU, khususnya buat kak Arie Santi Siregar atas dukungannya selama ini dengan segala pengalaman yang telah dilewati. umumnya untuk semua bantuan, dukungan, dan kebahagian selama perkuliahan. 7. Staf dan karyawan S2 Teknik Informatika, yang sudah membantu dalam perkuliahan ini, terima kasih atas kebaikan, keramahan semoga sukses selalu. 8. Teristimewa seluruh keluarga besar yaitu Ibunda Hj. Mariani Oesman, Alm. H. Ahmad Ridwan Nst, Bang Izul, Bang Fendi, Kak Lelan, Kak Adah, Kak Fatmah, Ponakan-ponakan atas dorongan moril dan materil yang telah diberikan selama perkuliahan sampai penulisan tesis ini. Kepada semua pihak yang tidak dapat penulis sebutkan satu persatu dalam tesis ini, terima kasih atas segala bantuan yang diberikan.

Medan,

Juli 2011

HABIBI RAMDANI SAFITRI NIM 097038022

ii


PENERAPAN TEKNIK DATA MINING DENGAN METODE SMOOTH SUPPORT VECTOR MACHINE (SSVM) UNTUK MEMPREDIKSI MAHASISWA YANG BERPELUANG DROP OUT (Studi Kasus Mahasiswa Politeknik Negeri Medan)

ABSTRAK

Support Vector Machines (SVM) adalah Algoritma baru dari Teknik data mining, meningkatnya popularitas dalam pembelajaran mesin dan statistic masyarakat. SVM telah diperkenalkan oleh Vapnik untuk memecahkan masalah pengenalan pola dan fungsi nonlinear estimasi. SVM telah menjadi alat pilihan untuk masalah klasifikasi dasar pembelajaran mesin dan data mining. Tidak seperti metode tradisional yang meminimalkan kesalahan pelatihan empiris, SVM bertujuan meminimalkan batas atas kesalahan generalisasi melalui memaksimalkan margin antara hyperplane memisahkan data. Hal ini dapat dianggap sebagai pelaksanaan perkiraan prinsip minimisasi risiko struktur,

Metode smoothing, banyak

digunakan untuk memecahkan masalah pemrograman matematis dan aplikasi penting, yang diterapkan disini untuk menghasilkan dan memecahkan sebuah reformulasi tak terbatas dari mesin vector dukungan untuk klasifikasi pola. Meskipun banyak varian SVM telah diusulkan, masih merupakan masalah penelitian aktif dalam rangka meningkatkan untuk klasifikasi yang lebih efektif. SSVM merupakan pengembangan dari SVM yang menggunakan teknik smoothing. Metode ini pertama kali diperkenalkan oleh Lee pad a tahun 2001. Ide dasar dari SSVM adalah untuk mengkonversi SVM primal formulasi untuk masalah minimisasi non mulus tanpa kendala. Penelitian Support Vector Machine (SSVM) adalah bidang aktif dalam data mining. Penulis mengembangkan metode untuk meningkatkan keakuratan hasil dari database masalah drop out mahasiswa Politeknik Negeri Medan khususnya jurusan Teknik Mesin dan Teknik Konversi Energi. Keyword : model keterhubungan, database


APPLICATION OF DATA MINING TECHNIQUE TO VECTOR MACHINEMETHOD SMOOTH SUPPORT(SSVM) TO PREDICT STUDENTS WHO DROP OUT CHANCE (Case Study Mahasisawa Polytechnic Medan)

ABSTRACT

Support Vector Machines (SVM) is a new algorithm of data mining techniques, the increasing popularity in machine learning and statistics communities. SVM has been introduced by Vapnik to solve the problem of pattern recognition and nonlinear function estimation. SVM has become the tool of choice for the basic classification problem machine learning and data mining. Unlike traditional methods that minimize the empirical training error, SVM aims at minimizing the upper bound of generalization error through maximizing the margin between the hyperplane separating the data. This can be regarded as the implementation of the principle minimisasi risikostruktur estimates, smoothing method, widely used to solve mathematical programming problems and important applications, which are applied here to generate and solve an infinite reformulation of support vector machines for pattern classification. Although many variants of SVM have been proposed, is still an active research problem in order to improve for a more effective classification. SSVM is a development of the SVM that uses a smoothing technique. This method was first introduced by Leepad atahun 2001. The basic idea is to convert from SSVM SVM primal formulation for non-smooth minimization problem without constraint. Research Support Vector Machine (SSVM) is active in the field of data mining. The author developed a method to improve the accuracy of the results from the database drop-out problem Polytechnic students majoring in particular field of Mechanical Engineering and Energy Conversion Techniques. Keyword: connectedness model, database


DAFTAR ISI Halaman LEMBAR PENGESAHAN ........................................................ LEMBAR PERNYATAAN ORISINALITAS .......................... LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS... KATA PENGANTAR ………………………………………….

i

ABSTRAK ……………………………………………………...

iii

ABSTRACT …………………………………………………….

iv

DAFTAR ISI ……………………………………………………

v

DAFTAR GAMBAR ……………………………………………

vii

DAFTAR TABEL ……………………………………………….

viii

BAB I PENDAHULUAN ..........................................................

1

I.1 Latar Belakang ............................................................

1

I.2 Perumusan Masalah ....................................................

3

I.3 Batasan Masalah .........................................................

3

I.4 Tujuan Penelitian ........................................................

3

I.5 Manfaat Penelitian ......................................................

4

I.6 Hipotesa ......................................................................

4

BAB II TINJAUAN PUSTAKA ................................................

5

II.1 Data Mining .............................................................

5

II.2 Pengertian Teknik Data Mining ..............................

6

II.2.1 Teknik Data Mining ...................................

7

A. Classification ..........................................

7

B. Association .............................................

8

C. Clustering ................................................

9

II.3 Definis Data Mining ...................................................

10


II.4 Tahapan Data Mining .................................................

10

II.5 Arsitektur Sistem Data mining ..................................

14

II.6 Tugas-tugas dalam Data mining .................................

17

II.7 Pengertian SSVM (Smooth Support Vector Machine) ..

19

II.7.1 Karateristik SVM …………………………….

20

II.7.2 Kelebihan dan Kekurangan SVM ……………….

20

BAB III METODOLOGI PENELITIAN ....................................

23

III.1 Tempat dan Waktu Penelitian ..................................

23

III.2 Pelaksanaan Penelitian .............................................

24

III.3 Variabel Yang Diamati ............................................

24

III.4 Prosedure Pengumpulan Data ..................................

24

III.5 Alat Analisis Data ....................................................

23

III.6 Diagram Aktifitas Kerja Penelitian ..............................

28

BAB IV HASIL DAN PEMBAHASAN ........................................

30

IV.1 Pendahuluan ……………………………………………

30

IV.2 Hasil Percobaan Data Sample ………………………….

30

IV.3 Tampilan Hasil Program Prediksi Mahasiswa Drop Out

33

BAB V KESIMPULAN DAN SARAN ..................................

44

IV.1 Kesimpulan ......................................................................

44

IV.2 Saran ................................................................................

44

LAMPIRAN ..................................................................................... DAFTAR PUSTAKA .......................................................................


DAFTAR GAMBAR Halaman 1. Gambar 2.1. Contoh decision tree .........................................

8

2. Gambar 2.2 Contoh klasterisasi ............................................

10

3. Gambar 2.3 Tahap-Tahap Data Mining ................................

11

4. Gambar 4.1 Diagram Alir Kerja Penelitian ..........................

24


DAFTAR TABEL

1. Tabel 3.1 Tabel Prodi Teknik Mesin Semester A T.A 2008/2009 ......

21

2. Tabel 3.2 Tabel Prodi Teknik Konversi Energi Semester A T.A 2008/2009 ..............................................................................

21

3. Tabel 3.3 Tabel Prodi Teknik Mesin Semester B T.A 2008/2009 ......

21

4. Tabel 3.4 Tabel Prodi Teknik Konversi Energi Semester B T.A 2008/2009 ..............................................................................

22

5. Tabel 3.5 Tabel Prodi Teknik Mesin Semester A T.A 2009/2010 ......

22


22

7. Tabel 3.7 Tabel Prodi Teknik Mesin Semester B T.A 2009/2010 ......

23


23


TINF

Recommend Documents