TINF

PENGGUNAAN METODE SUPPORT VECTOR MACHINE (SVM) UNTUK MENGKLASIFIKASI DAN MEMPREDIKSI ANGKUTAN UDARA JENIS PENERBANGAN DOMESTIK DAN PENERBANGAN INTERNASIONAL DI BANDA ACEH

TESIS Oleh

SAYED FACHRURRAZI 097038014/TINF

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

Universitas Sumatera Utara


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

SAYED FACHRURRAZI 097038014 / TINF

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


PENGESAHAN TESIS

Judul Tesis

: PENGGUNAAN METODE SUPPORT VECTOR MACHINE (SVM) UNTUK MENGKLASIFIKASI DAN MEMPREDIKSI ANGKUTAN UDARA JENIS PENERBANGAN DOMESTIK DAN PENERBANGAN INTERNASIONAL DI BANDA ACEH

Nama Mahasiswa Nomor Induk Mahasiswa Program Studi Fakultas

: : : :

SAYED FACHRURRAZI 097038014 TEKNIK INFORMATIKA MATEMATIKA dan ILMU PENGETAHUAN ALAM UNIVERSITAS SUMATERA UTARA

Menyetujui Komisi Pembimbing

Dr. Zakarias Situmorang., MT Anggota

Prof. Dr. Herman Mawengkang 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 PENGGUNAAN METODE SUPPORT VECTOR MACHINE (SVM) UNTUK MENGKLASIFIKASI DAN MEMPREDIKSI ANGKUTAN UDARA JENIS PENERBANGAN DOMESTIK DAN PENERBANGAN INTERNASIONAL DI BANDA ACEH

TESIS

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

Medan,

Juli 2011

SAYED FACHRURRAZI NIM : 097038014


PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di bawah ini : Nama

: SAYED FACHRURRAZI

NIM

: 097038014

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 Royalti Free Right) atas Tesis saya yang berjudul :

PENGGUNAAN METODE SUPPORT VECTOR MACHINE (SVM) UNTUK MENGKLASIFIKASI DAN MEMPREDIKSI ANGKUTAN UDARA JENIS PENERBANGAN DOMESTIK DAN PENERBANGAN INTERNASIONAL DI BANDA ACEH 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. Medan, 29 Juli 2011

SAYED FACHRURRAZI NIM : 097038014


Telah diuji pada Tanggal : 29 Juli 2011

PANITIA PENGUJI TESIS Ketua

:

Prof. Dr. Herman Mawengkang

Anggota

:

1. Dr. Zakarias Situmorang 2. Prof. Dr. Muhammad Zarlis 3. Prof. Dr. Tulus


DAFTAR RIWAYAT HIDUP

DATA PRIBADI

Nama Lengkap

: Sayed Fachrurrazi, S.Si

Tempat dan Tanggal Lahir

: Beureunuen, 23 April 1979

Alamat Rumah

: Jl. Titi Papan Gg Rezeki No. 18 Medan

HP

: 085260598888

Email

: [email protected]

Instansi Tempat Bekerja

: Fakultas Teknik Universitas Malikussaleh

Alamat Kantor

: Kampus Utama Unimal Jl. Cot Teungku Nie – Reuleut Kec. Muara Batu – Aceh Utara Telp. (0645) 41373 – (0645) 40915 Email : [email protected]

DATA PENDIDIKAN SD NEGERI KRUENG GEUKUEH

Tamat Tahun 1990

SMP ISKANDAR MUDA PT PIM

Tamat Tahun 1993

SMA NEGERI I LHOKSEUMAWE

Tamat Tahun 1996

STRATA-I (S1) FMIPA UNSYIAH BANDA ACEH

Tamat Tahun 2001


KATA PENGANTAR Alhamdulillah, Puji dan Syukur saya panjatkan kehadirat Allah SWT karena atas berkat limpahan rahmat dan hidayah –Nya lah saya dapat menyelesaikan Tesis ini dengan bimbingan, arahan, kritik dan saran serta bantuan dari pembimbing, pembanding, segenap dosen, rekan-rekan mahasiswa Program Studi Magister (S2) Teknik Informatika Universitas Sumatera Utara. Selawat beriring salam senantiasa kita sanjungkan kepangkuan Nabi Besar Muhammad SAW beserta Sahabat Beliau yang telah membawa umat manusia ke alam yang berilmu pengetahuan hingga akhir zaman, Amiin. Tesis ini diajukan sebagai salah satu syarat untuk memperoleh gelar Magister Komputer pada Program Studi Pascasarjana Magister Teknik Informatika pada Fakultas Matematika dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sumatera Utara. Tesis ini berjudul “Penggunaan Metode Support Vector Machine (SVM) Untuk Mengklasifikasi dan Memprediksi Angkutan Udara dan Jenis Penerbangan Domestik dan Internasional di Banda Aceh”. Pada proses penulisan sampai dengan selesainya penulisan tesis ini, 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. Herman Mawengkang dan Pembimbing Anggota Dr. Zakarias Situmorang, MT yang telah membimbing penulis dengan penuh kesabaran serta memberikan dukungan moril, kritik dan saran


serta memberikan bahan-bahan yang sangat berguna hingga selesainya tesis ini. 3. Prof. Dr. Muhammad Zarlis dan Prof. Dr. Tulus selaku pembanding yang telah memberikan masukan dan arahan yang baik demi selesainya tesis ini. 4. Rektor Universitas Malikussaleh (UNIMAL) Lhokseumawe Aceh Utara, Apridar, SE, M.Si dan seluruh jajaran Pembantu Rektor I, II, III, IV yang telah memberikan izin studi S2 dan memberikan dukungan baik moril maupun materil kepada penulis dalam melanjutkan studi magister ini. 5. Dekan Fakultas Teknik Universitas Malikussaleh (UNIMAL) Lhokseumawe Aceh Utara, Ir. Syamsul Bahri, M.Si dan jajaran Pembantu Dekan I, II, III, IV yang telah memberikan dukungan kepada penulis. 6. Rekan-rekan dosen staf pengajar dan staf administrasi serta

laboran di

Fakultas Teknik Universitas Malikussaleh, khususnya Bapak Salwin, ST, MT, Bustami, S.Si, M.Si, Ir. Azhari, M.Sc, Ph.D, Rizal, S.Si, M.IT, Nurdin, S.Kom, M.Kom, Muhammad Ikhwanus, ST, M.Eng, Muhammad Ari Saptari, ST, Safwandi, ST, Ezwarsyah, ST, MT, Firdaus, SE, Anwar, SP dan yang lainnya yang telah memberikan dukungan kepada penulis. 7. Rekan-rekan angkatan pertama S2 Teknik Informatika USU, khususnya Pak Khairuddin, Riza, Pak Husni, dan yang lainnya yang telah bersama-sama saling membantu selama mengikuti perkuliahan. 8. Staf dan Karyawan Magister (S2) Teknik Informatika USU, yang telah banyak membantu selama perkuliahan. 9. Teristimewa untuk seluruh keluarga besar, khususnya Ibunda Tercinta Syarifah Nur, Ayahanda Sayed Yusuf (Alm), Kakanda Sayed Nazariadi, S.Hut, Adinda Tersayang Sayed Fajriadi, ST, Syarifah Putri Mastura, SP, MP,


Istri Tercinta Syarifah Humairah, SKM, Sayed Ridha, AMd, Syarifah Hasnita, S.ST, Kak Ipah Medan, Kak Nah, Dek Rahmah, Dek Habib Zein Tersayang, Yed Chalid, Hafizh, Muzammil, Asyura dan Keponakan-keponakan yang lainnya yang telah bersusah payah mendidik penulis dan memberikan semangat, bantuan moril dan materil kepada penulis. 10. Semua pihak yang tidak dapat penulis sebutkan satu persatu, terima kasih atas bantuan yang telah diberikan kepada penulis selama ini. Penulis menyadari bahwa di dalam hasil penelitian tesis ini masih terdapat kekurangan baik dari isi, penulisan, dan lainnya. Oleh karena itu kritik dan saran yang sifatnya membangun sangat penulis harapkan demi kesempurnaan tesis ini. Semoga tesis ini bermanfaat hendaknya bagi instansi pemerintah aceh dan semua pihak yang membutuhkan pengetahuan di bidang machine learning.

Medan, Juli 2011 Penulis

Sayed Fachrurrazi NIM : 097038014



ABSTRAK

Tulisan ini menyajikan analisis performansi Support Vector Machine (SVM) dengan 11 variabel bebas dan 1 variabel terikat. Metode SVM dengan data training (75%) dan data testing (25%) yang digunakan pada pengklasifikasian data penerbangan domestik dan data penerbangan internasional untuk menemukan hyperplane terbaik yang memisahkan dua buah kelas. Hasilnya terdapat 4 support vector memberikan informasi yang dibutuhkan untuk menyakinkan bahwa metode SVM bisa sebagai classifier dan dapat memprediksi keakuratan model dengan menggunakan kurva Receiver Operating Characteristic (ROC) untuk melihat akurasi model terbaik. mencapai 84,31%. Katakunci : klasifikasi, metode support vector machine (SVM), receiver operating characteristic (ROC), support vector, hyperplane terbaik


IMPLEMENTING SUPPORT VECTOR MACHINE (SVM) METHOD FOR CLASSIFICATION AND PREDICTING FLIGHT AEROPLANE DOMESTIC AND INTERNASIONAL FLIGHT IN BANDA ACEH

ABSTRACT

This Paper present the analysis of the performance implementing of support vector machine with 11 independent variable and 1 dependent variable. The SVM method with training data (75%) and testing data (25%) able used for classification data domestic flight and internasional flight can be find the best hyperplane rule for 2 classifier. The output for 4 support vector could to find a function to differentiate data classes. which used Structure Risk Minimization (SRM) to find the best hyperplane function to separate two data classes. This research analyzes SVM performance for there aeroplane classifying based on domestic and international rute Some precautions have to be performed in onder to get a good performance i.e preprocessing, kernel application, the appropriate parameter in SVM and feature selection. The study shows that SVM method can be applied to classify IBM. The model accuracy is 84,31% observed using Receiver Operating Characteristic (ROC). Keywords : Classification, Prediction, Support Vector Machine (SVM), Receiver Operating Characteristic (ROC), the kind of aeroplane, domestic flight and international flight, the best hyperplane


DAFTAR ISI

Halaman

LEMBAR PENGESAHAN…………………..……………………….. LEMBAR PERNYATAAN ORISINALITAS……………………….. LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS………... RIWAYAT HIDUP……………………………………………………. KATA PENGANTAR………………………………………………………..

i

ABSTRAK……………………………………………………………………. iv ABSTRACT…………………………………………………………………… v DAFTAR ISI………………………………………………………………….. vi DAFTAR GAMBAR…………………………………………………………. viii DAFTAR TABEL…………………………………………………………….. ix DAFTAR LAMPIRAN……………………………………………………….

BAB I

x

PENDAHULUAN 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

BAB II TINJAUAN PUSTAKA II.1 Pengertian Klasifikasi………………………………………………. 5 II.2 Support Vector Machine (SVM)…………………………………. …5 II.2.1 Definisi Support Vector Machine (SVM)……………….. 5 II.2.2 Non Linier Classification…………………………………. 8 II.2.3 Karakteristik Support Vector Machine (SVM)…………. 10 II.2.4 Multiclass Support Vector Machine (SVM)…………….

10


II.2.5 Kelebihan Support Vector Machine (SVM)……………… 11 II.2.6 Kekurangan Support Vector Machine (SVM)……………. 12 II.3 Metode Kernel…………………………………………………....... 12 II.4 Receiver Operating Characteristic (ROC)………………………… 13 II.5 Implementasi Masalah……………………………………………… 15

BAB III METODOLOGI PENELITIAN III.1 Lokasi dan Waktu Penelitian……………………………………. . 17 III.2 Perangkat yang digunakan ……………………………………… 17 III.3 Metode Pengumpulan Data……………………………………… 17 III.4 Variabel Penelitian……………………………………………….. 18 III.5 Analisis Data dan Diagram Alir Kerja Penelitian………………... 18

BAB IV HASIL DAN PEMBAHASAN IV.1 Analisis Training Set Menggunakan Binary SVM Light………… 21 IV.2 Analisis Training dan Testing Set Menggunakan ROC…………

23

IV.3 Tampilan Listing Program Analisis Training Set dan Testing Set ……………………………………….………...

26

BAB V KESIMPULAN DAN SARAN V.1 Kesimpulan…………………………………………………………. 37 V.2 Saran………………………………………………………………

38

DAFTAR PUSTAKA………………………………………………………....

39

LAMPIRAN…………………………………………………………………… 42


DAFTAR GAMBAR Halaman

1. Gambar 2.1 Fungsi Φ memetakan data ke ruang vektor yang berdimensi lebih tinggi …………………

9

2. Gambar 2.2 Kriteria ROC (MedCalc Software bvba, 2010) ……..

14

3. Gambar 3.1 Diagram Alir Kerja Penelitian ………………………

19

4. Gambar 4.1 SVM berusaha menemukan hyperplane yang terbaik yang memisahkan kedua class positif dan negatif ……

22

5. Gambar 4.2. Kurva ROC dengan luas area AUC terbaik …………

24


DAFTAR TABEL

Halaman 1. Tabel 2.1 Tabel Kontingensi ROC ………………………………

13

2. Tabel 2.2 Contoh Kasus …….. …………………………………...

15


DAFTAR LAMPIRAN

Halaman 1. Lampiran 1 Angkutan Udara Secara Total Bandara Sultan Iskandar Muda Bulan Januari 2010 ……………………………… 2. Lampiran 2 Angkutan Udara Secara Total Bandara Sultan

L-1

Iskandar Muda Bulan Februari 2010 ……………………………… 3. Lampiran 3 Angkutan Udara Secara Total Bandara Sultan

L-2

Iskandar Muda Bulan Maret 2010 ………………………………… 4. Lampiran 4 Angkutan Udara Secara Total Bandara Sultan

L-3

Iskandar Muda Bulan April 2010 ……………………………….…

L-4

5. Lampiran 5 Angkutan Udara Secara Total Bandara Sultan Iskandar Muda Bulan Mei 2010 …………………………………..

L-5

6. Lampiran 6 Angkutan Udara Secara Total Bandara Sultan Iskandar Muda Bulan Juni 2010 ……………………………………

L-6

7. Lampiran 7 Angkutan Udara Secara Total Bandara Sultan Iskandar Muda Bulan Juli 2010 …………..………………………

L-7

8. Lampiran 8 Angkutan Udara Secara Total Bandara Sultan Iskandar Muda Bulan Agustus 2010 ………………………………

L-8

9. Lampiran 9 Angkutan Udara Secara Total Bandara Sultan Iskandar Muda Bulan September 2010 ……………………………

L-9

10. Lampiran 10 Angkutan Udara Secara Total Bandara Sultan Iskandar Muda Bulan Oktober 2010 ………………………………

L-10

11. Lampiran 11 Angkutan Udara Secara Total Bandara Sultan Iskandar Muda Bulan November 2010 ……………………………

L-11

12. Lampiran 12 Angkutan Udara Secara Total Bandara Sultan Iskandar Muda Bulan Desember 2010 ……………………………

L-12


13. Lampiran 13 Angkutan Udara Secara Total Bandara Sultan Iskandar Muda Bulan Januari 2011 ……………………….………

L-13

14. Lampiran 14 Angkutan Udara Secara Total Bandara Sultan Iskandar Muda Bulan Februari 2011 ………………………………

L-14

15. Lampiran 15 Angkutan Udara Secara Total Bandara Sultan Iskandar Muda Bulan Maret 2011 ………………………………...

L-15


TINF

Recommend Documents