MODUL AJAR DATA MINING

INSTITUT TEKNOLOGI DAN BISNIS

(ITB) STIKOM BALI
2022
Satuan Acara Perkuliahan (SAP)

Program Studi : Sistem Informasi

Kode Mata kuliah : SI9379

Nama Mata kuliah : Data Mining

Semester/SKS : Ganjil/4

Deskripsi

Data mining adalah suatu proses pengumpulan informasi dan data yang penting dalam jumlah yang besar
atau big data. Dalam proses ini seringkali memanfaatkan beberapa metode, seperti matematika, statistika
dan pemanfaatan teknologi artificial intelligence (AI). Proses pengolahan data menjadi satu hal sangat
penting di era persaingan bisnis yang mengharuskan mendapat informasi cepat. Informasi terkait data yang
berguna dalam proses bisnis, hingga penentuan strategi kedepannya, karena itulah penggunaan
penambangan data atau disebut dengan data mining sangat penting bagi kelangsungan bisnis yang
berjalan.

Tujuan Instruksional Umum

1. Mahasiswa mampu melakukan pengolahan data dengan berbagai tipe data.

2. Mahasiswa mampu melakaukan analisis keterhubungan variable.
3. Mahasiswa mampu melakukan prapemrosesan data
4. Mahaiswa mampu memahami konsep algoritma machine learning
5. Mahaiswa mampu mengevaluasi performa metode machine learning.
KATA PENGANTAR

Puji syukur kehadirat Tuhan Yang Maha Esa atas segala rahmat-Nya sehingga modul ajar
matakuliah Data Visualisasi ini bisa tersusun hingga selesai. Penulis berharap semoga modul
ini bisa memenuhi kebutuhan peserta didik mata kuliah Data Mining. Pembahasan modul ini
dimulai dengan menjelaskan tujuan yang akan dicapai pada mata kuliah Data Mining. Penulis
sadar masih banyak kekurangan didalam penyusunan modul ini, karena keterbatasan
pengetahuan serta pengalaman. Untuk itu penulis mengharapkan kritik dan saran yang
membangun dari pembaca demi kesempurnaan modul ini.

Denpasar, Maret 2023

Penulis
 DAFTAR ISI

DAFTAR ISI ............................................................................................................................. i

DAFTAR GAMBAR ............................................................................................................... iii

DAFTAR TABEL .................................................................................................................... v

MODUL I ................................................................................................................................. 1

1.1 Pengantar Data Mining ............................................................................................ 1

1.2 Dataset ..................................................................................................................... 4
1.2.1 Jenis jenis Dataset ........................................................................................... 4
1.3 Jenis-jenis Atribut ..................................................................................................... 5
MODUL II ................................................................................................................................ 7

2.1 Konsep Dasar Klasifikasi ......................................................................................... 7

2.1.1 Algoritma Naïve Bayes ..................................................................................... 8
2.1.2 Algoritma C.45 (Pohon Keputusan) ............................................................... 11
2.1.3 Algoritma KKN (K-Nearest Neghbor) ............................................................. 16
MODUL III ............................................................................................................................. 26

3.1 Teknik Clustering.................................................................................................... 26

3.2 Tipe Clustering ....................................................................................................... 27
3.3 Penggunaan Aplikasi Clustering ............................................................................ 29
3.4 DBSCAN (Density-Based Spatial Clustering of Applications With Noise) ............ 30
3.4.1 Ide Utama Dari Algoritma DBSCAN ............................................................... 30
3.4.2 Algoritma DBSCAN ........................................................................................ 32
3.5 K-MEANS ............................................................................................................... 42
3.5.1 Algoritma K-Means : ....................................................................................... 42
3.6 E-Mediods .............................................................................................................. 45
MODUL IV ............................................................................................................................ 53

4.1 Tools Data Mining .................................................................................................. 53

4.2 Isntalasi Weka ........................................................................................................ 53
4.2.1 Menjalankan Weka ......................................................................................... 57

i
 4.3 Rapid Miner ............................................................................................................ 62
4.3.1 Instalasi Rapid Miner ...................................................................................... 62
4.3.2 Pengenalan Interface Rapid Miner................................................................. 65
DAFTAR PUSTAKA ............................................................................................................. 70

ii
 DAFTAR GAMBAR

Gambar 1. 1. Ilustrasi 1.1 ...................................................................................................... 1

Gambar 1. 2. Ilustrasi 1.2 ...................................................................................................... 5
Gambar 2. 1. Ilustrasi 2.1 .................................................................................................... 15
Gambar 2. 2. Ilustrasi 2.2 .................................................................................................... 16
Gambar 2. 3 Ilustrasi 2.3 ..................................................................................................... 20
Gambar 2. 4. Ilustrasi 2.4 .................................................................................................... 24
Gambar 3. 1. Ilustrasi 3.1 .................................................................................................... 27
Gambar 3. 2. Ilustrasi 3.2 .................................................................................................... 28
Gambar 3. 3. Ilustrasi 3.3 .................................................................................................... 28
Gambar 3. 4. Ilustrasi 3.4 .................................................................................................... 31
Gambar 3. 5. Ilustrasi 3.5 .................................................................................................... 31
Gambar 3. 6. Ilustrasi 3.6 .................................................................................................... 32
Gambar 3. 7. Ilustrasi 3.7 .................................................................................................... 33
Gambar 3. 8. Ilustrasi 3.8 .................................................................................................... 34
Gambar 3. 9. Ilustrasi 3.9 .................................................................................................... 35
Gambar 3. 10. Ilustrasi 3.10 ................................................................................................ 36
Gambar 3. 11. Ilustrasi 3.11 ................................................................................................. 37
Gambar 3. 12. Ilustrasi 3.12 ................................................................................................ 38
Gambar 3. 13. Ilustrasi 3.13 ................................................................................................ 39
Gambar 3. 14. Ilustrasi 3.14 ................................................................................................ 40
Gambar 3. 15. Ilustrasi 3.15 ................................................................................................ 41
Gambar 3. 16. Ilustrasi 3.16 ................................................................................................ 42
Gambar 3. 17. Ilustrasi 3.17 ................................................................................................ 43
Gambar 3. 18. Ilustrasi 3.18 ................................................................................................ 47
Gambar 3. 19. Ilustrasi 3.19 ................................................................................................ 50
Gambar 3. 20. Ilustrasi 3.20 ................................................................................................ 52
Gambar 4. 1. Ilustrasi 4.1 .................................................................................................... 53
Gambar 4. 2. Ilustrasi 4.2 .................................................................................................... 54
Gambar 4. 3. Ilustrasi 4.3 .................................................................................................... 54
Gambar 4. 4. Ilustrasi 4.4 .................................................................................................... 55

iii
Gambar 4. 5. Ilustrasi 4.5 .................................................................................................... 55
Gambar 4. 6. Ilustrasi 4.6 .................................................................................................... 56
Gambar 4. 7. Ilustrasi 4.7 .................................................................................................... 56
Gambar 4. 8. Ilustrasi 4.8 .................................................................................................... 57
Gambar 4. 9. Ilustrasi 4.9 .................................................................................................... 57
Gambar 4. 10. Ilustrasi 4.10 ................................................................................................ 60
Gambar 4. 11. Ilustrasi 4.11 ................................................................................................. 61
Gambar 4. 12. Ilustrasi 4.12 ................................................................................................ 61
Gambar 4. 13. Ilustrasi 4.13 ................................................................................................ 62
Gambar 4. 14. Ilustrasi 4.14 ................................................................................................ 63
Gambar 4. 15. Ilustrasi 4.15 ................................................................................................ 63
Gambar 4. 16. Ilustrasi 4.16 ................................................................................................ 64
Gambar 4. 17. Ilustrasi 4.17 ................................................................................................ 64
Gambar 4. 18. Ilustrasi 4.18 ................................................................................................ 65
Gambar 4. 19. Ilustrasi 4.19 ................................................................................................ 66
Gambar 4. 20. Ilustrasi 4.20 ................................................................................................ 67
Gambar 4. 21. Ilustrasi 4.21 ................................................................................................ 69

iv
 DAFTAR TABEL

Tabel 1. 1. Tabel Ilustrasi 1.1 ................................................................................................. 4

Tabel 2. 1. Tabel Ilustrasi 2.1 ................................................................................................. 8
Tabel 2. 2 Tabel Ilustrasi 2.2 ................................................................................................ 10
Tabel 2. 3 Tabel Ilustrasi 2.3 ................................................................................................ 11
Tabel 2. 4 Tabel Ilustrasi 2.4 ................................................................................................ 13
Tabel 2. 5. Tabel Ilustrasi 2.5 ............................................................................................... 18
Tabel 2. 6. Tabel Ilustrasi 2.6 ............................................................................................... 18
Tabel 2. 7. Tabel Ilustrasi 2.7 ............................................................................................... 19
Tabel 2. 8. Tabel Ilustrasi 2.8 ............................................................................................... 19
Tabel 2. 9. Tabel Ilustrasi 2.9 ............................................................................................... 21
Tabel 2. 10. Tabel Ilustrasi 2.10 ........................................................................................... 22
Tabel 2. 11. Tabel Ilustrasi 2.11............................................................................................ 23
Tabel 3. 1. Tabel Ilustrasi 3.1 ............................................................................................... 33
Tabel 3. 2. Tabel Ilustrasi 3.2 ............................................................................................... 34
Tabel 3. 3. Tabel Ilustrasi 3.3 ............................................................................................... 35
Tabel 3. 4. Tabel Ilustrasi 3.4 ............................................................................................... 36
Tabel 3. 5. Tabel Ilustrasi 3.5 .............................................................................................. 37
Tabel 3. 6. Tabel Ilustrasi 3.6 .............................................................................................. 38
Tabel 3. 7. Tabel Ilustrasi 3.7 ............................................................................................... 39
Tabel 3. 8. Tabel Ilustrasi 3.8 ............................................................................................... 40
Tabel 3. 9. Tabel Ilustrasi 3.9 ............................................................................................... 41
Tabel 3. 10. Tabel Ilustrasi 3.10 ........................................................................................... 46
Tabel 3. 11. Tabel Ilustrasi 3.11 ........................................................................................... 48
Tabel 3. 12. Tabel Ilustrasi 3.12 ........................................................................................... 48
Tabel 3. 13. Tabel Ilustrasi 3.1 ............................................................................................. 50

v
 MODUL I

1.1 Pengantar Data Mining

Data mining dikenal sejak tahun 1990-an, ketika adanya suatu pekerjaan yang
memanfaatkan data menjadi suatu hal yang lebih penting dalam berbagai bidang, seperti
marketing dan bisnis, sains dan teknik, serta seni dan hiburan. Sebagian ahli menyatakan
bahwa data mining merupakan suatu langkah untuk menganalisis pengetahuan dalam basis
data atau biasa disebut Knowledge Discovery in Database (KDD). Data mining merupakan
proses untuk menemukan pola data dan pengetahuan yang menarik dari kumpulan data
yang sangat besar. Sumber data dapat mencakup database, data warehouse, web,
repository, atau data yang dialirkan ke dalam sistem dinamis (Han, 2006). Data mining,
secara sederhana merupakan suatu langkah ekstraksi untuk mendapatkan informasi
penting yang sifatnya implisit dan belum diketahui. Selain itu, data mining mempunyai
hubungan dengan berbagai bidang diantaranya statistik, machine learning (pembelajaran
mesin), pattern recognition, computing algorithms, database technology, dan high
performance computing. Diagram hubungan data mining disajikan pada Gambar 1.1. Data
mining, secara sederhana merupakan suatu langkah ekstraksi untuk mendapatkan
informasi penting yang sifatnya implisit dan belum diketahui. Selain itu, data mining
mempunyai hubungan dengan berbagai bidang diantaranya statistik, machine learning
(pembelajaran mesin), pattern recognition, computing algorithms, database technology, dan
high performance computing. Diagram hubungan data mining disajikan pada Gambar 1.1.

Gambar 1. 1. Ilustrasi 1.1

1
 Secara sistematis, langkah utama untuk melakukan data mining terdiri dari tiga tahap,
yaitu sebagai berikut (Gonunescu, 2011);

a. Eksplorasi atau pemrosesan awal data

Eksplorasi atau pemrosesan awal data terdiri dari pembersihan data, normalisasi data,
transformasi data, penanganan missing value, reduksi dimensi, pemilihan subset fitur,
dan sebagainya.
b. Membangun model dan validasi

Membangun model dan validasi, yaitu melakukan analisis dari berbagai model dan
memilih model sehingga menghasilkan kinerja yang terbaik.
1. Cleaning and Integration

a. Data Cleaning (Pembersihan Data)

Data cleaning (Pembersihan data) adalah proses yang dilakukan untuk

menghilangkan noise pada data yang tidak konsisten atau bisa disebut tidak relevan.
Data yang diperoleh dari database suatu perusahaan maupun hasil eksperimen
yang sudah ada, tidak semuanya memiliki isian yang sempurna misalnya data yang
hilang, data yang tidak valid, atau bisa juga hanya sekedar salah ketik. Data yang
tidak relevan itu dapat ditangani dengan cara dibuang atau sering disebut dengan
proses cleaning. Proses cleaning dapat berpengaruh terhadap performa dari teknik
data mining.
b. Data Integration (Integrasi data)
Integrasi data merupakan proses penggabungan data dari berbagai database
sehingga menjadi satu database baru. Data yang diperlukan pada proses data
mining tidak hanya berasal dari satu database tetapi juga dapat berasal dari
beberapa database.
2. Selection and Transformation

a. Data Selection (Seleksi Data)

Tidak semua data yang terdapat dalam database akan dipakai, karena hanya data
yang sesuai saja yang akan dianalisis dan diambil dari database. Misalnya pada
sebuah kasus market basket analysis yang akan meneliti faktor kecenderungan
pelanggan, maka tidak perlu mengambil nama pelanggan, cukup dengan id

2
 pelanggan saja.
b. Data Transformation (Transformasi Data)
Transformasi data merupakan proses pengubahan data dan penggabungan data
ke dalam format tertentu. Data mining membutuhkan format data khusus sebelum
diaplikasikan. Misalnya metode standar seperti analisis asosiasi dan clustering
hanya bisa menerima input data yang bersifat kategorikal. Karenanya data yang
berupa angka numerik apabila mempunyai sifat kontinyu perlu dibagi-bagi menjadi
beberapa interval. Proses ini sering disebut dengan transformasi data.
3. Proses Mining

Proses mining dapat disebut juga sebagai proses penambangan data. Proses mining
merupakan proses utama yang menggunakan metode untuk menemukan pengetahuan
berharga yang tersembunyi dari data.
4. Evaluation and Protection

a. Evaluasi Pola (Pattern Evaluation)

Evaluasi pola bertugas untuk mengidentifikasi pola-pola yang menarik ke dalam

knowledge based yang ditemukan. Pada tahap ini dihasilkan pola- pola yang khas
dari model klasifikasi yang dievaluasi untuk menilai apakah hipotesa yang ada
memang tercapai. Bila ternyata hasil yang diperoleh tidak sesuai dengan hipotesa,
terdapat beberapa alternatif yang bisa diambil seperti menjadikannya umpan balik
untuk memperbaiki proses data mining, atau mencoba metode data mining lain yang
lebih sesuai.
b. Presentasi Pengetahuan (Knowledge Presentation)
Knowledge presentation merupakan visualisasi dan penyajian pengetahuan
mengenai metode yang digunakan untuk memperoleh pengetahuan atau informasi
yang telah digali oleh pengguna. Tahap terakhir dari proses data mining adalah
memformulasikan keputusan dari hasil analisis yang didapat. Pembangunan model
dilakukan menggunakan metode-metode seperti klasifikasi, regresi, analisis cluster,
dan asosiasi.
c. Penerapan
Penerapan dilakukan dengan menerapkan model yang dipilih pada data yang baru
untuk menghasilkan kinerja yang baik pada masalah yang diinvestigasi.

3
1.2 Dataset
Data mining tidak pernah lepas dari yang namanya dataset, karena dalam pengolahan
data mining, dataset sangat dibutuhkan sebagai objek untuk mendapakan pengetahuan.
Dalam terminologi statistik dataset adalah kumpulan dari suatu objek yang mempunyai
atribut atau variabel tertentu, di mana untuk setiap objek merupakan individu dari data yang
mempunyai sejumlah atribut atau variabel tersebut. Nama lain dari objek yang sering
digunakan adalah record, point, vector, pattern, event, observation, dan case. Sementara
itu, baris yang menyatakan objek-objek data dan kolom disebut atribut. Atribut juga dapat
disebut dengan variabel, field, fitur atau dimensi.
1.2.1 Jenis jenis Dataset

Karakteristik umum dataset yang berpengaruh dalam proses data mining ada tiga,
diantaranya dimensionalitas, sparsitas, dan resolusi. Sedangkan jenis dataset juga ada tiga
macam, yaitu sebagai berikut:
1. Record Data

Dataset yang berbentuk record, tidak mempunyai hubungan antara baris data yang satu
dengan baris data yang lainnya. Setiap baris data berdiri sendiri sebagai sebuah data
individu. Jadi, record data merupakan data yang terdiri dari sekumpulan record, yang
masing-masing record terdiri dari satu set atribut yang tetap. Contoh record data CKD
ditunjukkan pada Tabel 1.1.
Tabel 1. 1. Tabel Ilustrasi 1.1

Nama Tekanan Kepekaan Kadar Gumpalan

Pasien Umur Darah Urine Gula Nanah Nanah Kelas

Eka 48 80 1.020 0 Normal notpresent ckd

Aldi 7 50 1.020 0 Normal notpresent ckd
April 62 80 1.010 3 Normal notpresent ckd
Elham 48 70 1.005 0 abnormal present not ckd
Hestu 51 80 1.010 0 Normal notpresent ckd
Winda 68 70 1.010 0 Normal notpresent ckd
Novi 24 ? 1.015 4 abnormal notpresent notckd
Nerly 50 60 1.010 4 abnormal present notckd
Ikhsan 68 70 1.015 1 Normal present notckd
Hani 68 80 1.010 2 abnormal present ckd
Budi 40 80 1.015 0 Normal notpresent ckd

4
 Tiyo 47 70 1.015 0 Normal notpresent notckd

2. Data Graph

Data graph adalah data yang mempunyai bentuk graph yang terdiri dari simpul (node)
dan rusuk (edge). Yang termasuk dalam data graph diantaranya adalah HTML links
(dalam WWW), struktur molekul, dan sebagainya.
3. Ordered Data
Ordered data merupakan data-data yang memperhatikan urutan nilai- nilainya. Yang
termasuk dalam data terurut adalah genomic sequence data atau spatio-temporal data.
Contoh data terurut genomic sequence data dapat dilihat pada Gambar 1.2.

GAGGATTAAT AAATTATAAA TGTTATTACA

TTACACTGTT GCACGTCCAC GTGTTCGTCC
TGATCTTGTT ATATCATTAT TATTATTGTT
GTGTACCATA GTAATCTGAA AGGAACCGCT
ATAGATTCTA TTTTCAATTT CTCAAATCTA

GAACGTGAGT TATTAAGTTA ATCTAAATAT

Gambar 1. 2. Ilustrasi 1.2

1.3 Jenis-jenis Atribut

Atribut adalah suatu simbol yang menggambarkan identitas atau karakteristik objek.
Sebagai contoh atribut yang menggambarkan objek pasien rumah sakit adalah nama, umur,
golongan darah, dan tekanan darah. Berikut penjelasan dari empat macam atribut
berdasarkan contohnya.

1. Atribut Normal
Atribut nominal adalah nilai atribut yang diperoleh dengan cara kategorisasi karena
nilainya menggambarkan kategori, kode, atau status yang tidak memiliki urutan.
Misalnya, atribut golongan darah yang mempunyai empat kemungkinan nilai yaitu A, B,
AB, dan O. Contoh lainnya seperti atribut jenis kelamin yang bisa bernilai pria dan
wanita.
2. Atribut Ordinal
Atribut ordinal adalah atribut yang memiliki nilai dengan menggambarkan urutan atau
peringkat. Namun, ukuran perbedaan antara dua nilai yang berurutan tidak diketahui.

5
 Atribut ordinal sangat berguna dalam survei, yaitu untuk penilaian subjektif (kualitatif)
yang tidak dapat diukur secara objektif. Misalnya, kepuasan pelanggan yang
menghasilkan atribut bernilai ordinal, yaitu 0 (Tidak Puas), 1 (Cukup Puas), 2 (Puas), 3
(Sangat Puas).
3. Atribut Interval (Jarak)
Atribut interval adalah atribut numerik yang diperoleh dengan melakukan pengukuran,
di mana jarak dua titik pada skala sudah diketahui dan tidak mempunyai titik nol yang
absolut. Misalnya, suhu 0°C-100°C atau tanggal 1 sampai tanggal 31.
4. Atribut Rasio (Mutlak)

Atribut rasio adalah atribut numerik dengan titik nol absolut. Artinya, jika sistem
pengukuran menggunakan rasio, dapat dihitung perkalian atau perbandingan antara
suatu nilai dengan nilai yang lain. Misalnya, berat badan Doni 20 kg, berat badan
Amanah 40 kg, berat badan Faiz 60 kg dan berat badan Udin 80 kg. Jika diukur dengan
skala rasio maka berat badan Udin dua kali berat badan Amanah. KDD mengalami
beberapa proses pengolahan. Sebelum diterapkan pada algoritma data mining, dataset
dapat diolah dengan cepat dan menghasilkan kesimpulan yang tepat. Beberapa proses
pengolahan awal adalah proses pengumpulan (aggregation), penarikan contoh
(sampling), pengurangan dimensi (dimensionality reduction), pemilihan fitur (feature
selection), pembuatan fitur (fitur creation), pendiskritan dan pembineran (discretization
and binarization dan transformasi atribut (attribute transformation). Oleh karena itu, perlu
diterapkannya pemrosesan awal pada data sebelum melakukan proses data mining
yang akan dibahas pada bab selanjutnya.

6
 MODUL II

2.1 Konsep Dasar Klasifikasi

Aplikasi lain yang penting dari data mining adalah kemampuannya untuk
melakukan proses klasifikasi pada suatu data dalam jumlah besar. Hal ini sering
disebut mining classification rules. Sebagai contoh, sebuah dealer mobil ingin
mengkiasifikasikan pelanggannya menurut kecenderungan mereka untuk menyukai
mobil jenis tertentu, sehingga para sales yang bekerja disitu akan mengetahui siapa
yang harus didekati, kemana katalog mobil jenis baru harus dikirim, sehingga hal ini
akan sangat membantu dalam hal promosi. Klasifikasi data adalah suatu proses
yang menemukan properti-properti yang sama pada sebuah himpunan obyek di
dalarn sebuah basis data, dan mengklasifikasikannya ke dalam kelas-kelas yang
berbeda menurut model klasifikasi yang ditetapkan. Untuk membentuk sebuah
model klasifikasi, suatu sampel basis data 'E' diperlakukan sebagai training set,
dimana setiap tupel terdiri dari himpunan yang sama yang memuat atribut yang
beragam seperti tupel-tupel yang terdapat dalam suatu basis data yang besar 'W'.
Setiap tupel diidentifkasikan dengan sebuah label atau identitas kelas. Tujuan dari
klasifikasi ini adalah pertama-tama untuk menganalisa training data dan membentuk
sebuah deskripsi yang akurat atau sebuah model untuk setiap kelas berdasarkan
feature-feature yang tersedia di dalam data itu. Deskripsi dari masing-masing kelas
itu nantinya akan digunakan untuk mengklasifikasikan data yang hendak di test
dalam basis data 'W', atau untuk membangun suatu deskripsi yang lebih baik untuk
setiap kelas dalam basis data. Contoh untuk model ini adalah prediksi terhadap
resiko pemberian kredit. Data terdiri dari orang-orang yang telah menerima kredit.
Sebagian kreditur menjalankan kewajiban dengan baik, dan sebagian lagi tidak.
Data mining, harus mampu mendefinisikan atribut-atribut apa yang paling
berpengaruh.

7
2.1.1 Algoritma Naïve Bayes
• Bayesian classification adalah pengklasifikasian statistik yang dapat digunakan
untuk memprediksi probabilitas keanggotaan suatu class.
• BC didasarkan pada teorema Bayes yg memiliki kemampuan klasifikasi serupa
dengan decision tree dan neural network.
• Memiliki akurasi dan kecepatan yg tinggi saat diaplikasikan ke dalam database
yg besar.
• Bentuk Umum Teorema Bayes

P(H I X) = P(X I H) P(H)

P(X)

Keterangan :
X : data dgn class yg belum diketahui
H : hipotesis data X
P(HIX) : probabilitas hipotesis H berdasar kondisi X (posteriori
probability)
P(H) : probabilitas hipotesis H (prior porbability)
P(XIH) : probabilitas X berdasar kondisi pada hipotesis H
P(X) : probabilitas dari X
Contoh Soal :

Tabel 2. 1. Tabel Ilustrasi 2.1

IPK
JENIS STATUS STATUS STATUS
NO Semester
KELAMIN MAHASISWA PRENIKAHAN KELULUSAN
1-6

1 LAKI - LAKI MAHASISWA BELUM 3.17 TEPAT

2 LAKI - LAKI BEKERJA BELUM 3.30 TEPAT

8
 3 PEREMPUAN MAHASISWA BELUM 3.01 TEPAT

4 PEREMPUAN MAHASISWA MENIKAH 3.25 TEPAT

5 LAKI - LAKI BEKERJA MENIKAH 3.20 TEPAT

6 LAKI - LAKI BEKERJA MENIKAH 2.50 TERLAMBAT

7 PEREMPUAN BEKERJA MENIKAH 3.00 TERLAMBAT

8 PEREMPUAN BEKERJA BELUM 2.70 TERLAMBAT

9 LAKI - LAKI BEKERJA BELUM 2.40 TERLAMBAT

10 PEREMPUAN MAHASISWA MENIKAH 2.50 TERLAMBAT

11 PEREMPUAN MAHASISWA BELUM 2.50 TERLAMBAT

12 PEREMPUAN MAHASISWA BELUM 3.50 TEPAT

13 LAKI - LAKI BEKERJA MENIKAH 3.30 TEPAT

Jika seorang mahasiswa dengan data sebagai berikut, prediksi kelulusannya

Jawaban :

• Tahap 1 menghitung jumlah class/label

P(Y= TEPAT) = 8/15

(jumlah data “TEPAT” pada komom ‘STATUS KELULUSAN’ dibagijumlah data)

P(Y= TERLAMBAT) = 7/15

(jumlah data “TERLAMBAT” pada komom ‘STATUS KELULUSAN’dibagi jumlah data)

• Tahap 2 menghitung jumlah kasus yang sama dengan class yang sama

P(JENIS KELAMIN = LAKI - LAKI | Y= TEPAT) = 5/8

(jumlah data jenis kelamin “laki-laki” dengan keterangan “TEPAT” dibagi jumlah data
TEPAT)

P(JENIS KELAMIN = LAKI - LAKI | Y= TERLAMBAT) = 3/7

9
 (jumlah data jenis kelamin “laki-laki” dengan keterangan ”TERLAMBAT”dibagi jumlah data
TERLAMBAT)

P(STATUS MAHASISWA = MAHASISWA | Y= TEPAT) = 5/8

(jumlah data dengan status mahasiswa dengan keterangan “TEPAT” dibagi jumlah data
TEPAT)

P(STATUS MAHASISWA = MAHASISWA | Y= TERLAMBAT) = 3/7

(jumlah data dengan status mahasiswa dengan keterangan“TERLAMBAT” dibagi jumlah

data TERLAMBAT)

P(STATUS PRENIKAHAN = BELUM| Y= TEPAT) = 4/8

(jumlah data dengan status pernikahan “Belum menikah” dan keterangan

“TEPAT” dibagijumlah data TEPAT)

Tabel 2. 2 Tabel Ilustrasi 2.2

KELAMIN STATUS PRENIKAHAN IPK KETERANGAN

LAKI - LAKI MAHASISWA BELUM 2.70 ???

P(STATUS PRENIKAHAN = BELUM| Y= TERLAMBAT) = 4/7

(jumlah data dengan status pernikahan “Belum menikah” dan keterangan

“TERLAMBAT” dibagijumlah data TERLAMBAT)

P(IPK = 2.70| Y= TEPAT) = 0/8

(jumlah data IPK “2.70” dengan keterangan “TEPAT” dibagi jumlah data TEPAT)

P(IPK = 2.70| Y= TERLAMBAT) = 1/7

(jumlah data IPK “2.70” dengan keterangan “TERLAMBAT” dibagi jumlah data
TERLAMBAT)

• Tahap 3 kalikan semua hasil variable TEPAT & TERLAMBAT

P (KELAMIN=LAKI – LAKI), (STATUS MHS=MAHASISWA), (PRENIKAHAN = BELUM),

(IPK = 2.70 ) |TEPAT)

10
 = {P(P(KELAMIN =LAKI-LAKI|Y=TEPAT). P(STATUS MHS = MAHASISWA | Y= TEPAT) .
P(PRENIKAHAN =BELUM|Y=TEPAT). P(IPK = 2.70| Y= TEPAT)
= 5/8 . 5/8 . 4/8 . 0/8 . 8/15
=0
P (KELAMIN=LAKI – LAKI), (STATUS MHS=MAHASISWA), (PRENIKAHAN = BELUM),
(IPK = 2.70 ) |TERLAMBAT)
= {P(P(KELAMIN =LAKI-LAKI|Y= TERLAMBAT). P(STATUS MHS = MAHASISWA | Y=
TERLAMBAT) . P(PRENIKAHAN = BELUM|Y= TERLAMBAT). P(IPK = 2.70| Y=
TERLAMBAT)
= 3/7 . 3/7 . 4/7 . 1/7 . 7/15

= 0,0069

• Tahap 4 Bandingkan hasil class TEPAT & TERLAMBAT

➔ Karena hasil (P|TERLAMBAT) lebih besar dari (P|TEPAT) maka keputusanya adalah
“TERLAMBAT”

Tabel 2. 3 Tabel Ilustrasi 2.3

KELAMIN STATUS PRENIKAHAN IPK KETERANGAN

LAKI - LAKI MAHASISWA BELUM 2.70 TERLAMBAT

2.1.2 Algoritma C.45 (Pohon Keputusan)

• Mengubah fakta yang sangat besar menjadi pohon keputusan yang
merepresentasikan aturan
• Mengeksplorasi data untuk menemukan hubungan antara sejumlah calon variabel
input dengan sebuah variabel target
• Struktur yang dapat digunakan untuk membagi kumpulan data yang besar menjadi
himpunan record yang lebih kecil dengan menerapkan serangkaian aturan keputusan
• Data dalam pohon keputusan biasanya dinyatakan dalam bentuk tabel dengan atribut
dan record

11
1. Menggunakan Nilai Gain
2. Pilih atribut sebagai akar (nilai gain tertinggi)
3. Buat cabang untuk tiap nilai
4. Bagi kasus dalam cabang
5. Ulangi proses untuk setiap cabang sampai semua kasus pada cabang memiliki kelas
yang sama

➢ Rumus untuk menghitung nilai Gain

n
| Si |
Gain( S , A) = entropy( S ) −  * entropy( Si)
i =1 | S |

Keterangan :

S : himpunan kasus

A : atribut

n : jumlah partisi atribut A

|Si| : jumlah kasus pada partisi ke-i

|S| : jumlah kasus dalam S

➢ Rumus untuk menghitung Nilai Entropy

n
entropy( S ) =  − pi * log 2 pi
i =1

Keterangan :

S : himpunan kasus

A : fitur

n : jumlah partisi

Pi : proporsi dari Si terhadap S

12
• Contoh Soal : Buat Pohon keputusan dari tabel dibawah ini

Tabel 2. 4 Tabel Ilustrasi 2.4

Outlook Temperature Humidity Windy Play

Sunny Hot High False No

Sunny Hot High True No
Cloudy Hot High False Yes
Rainy Mild High False Yes
Rainy Cool Normal False Yes
Rainy Cool Normal True Yes
Cloudy Cool Normal True yes
Sunny Mild High False No
Sunny Cool Normal False Yes
Rainy Mild Normal False Yes
Sunny Mild Normal True Yes
Cloudy Mild High True Yes
Cloudy Hot Normal False Yes
Rainy Mild High True No

• Jawab :
1. Menghitung jumlah kasus, jumlah kasus untuk keputusan yes, jumlah kasus untuk
keputusan no, dan entropy dari semua kasus

Jumlah kasus : 14
Jumlah kasus untuk keputusan yes : 10
Jumlah kasus untuk keputusan no :4
➔ Entropy dari semua kasus :
n
entropy( S ) =  − pi * log 2 pi
i =1

Entropy(S) = ((-4/14) * log2(4/14)) + ((-10/14) * log2(10/14))

= 0.52 + 0.35

13
 = 0.87

➔ Entropy dari setiap kasus :

Entropy(Outlook = Cloudy) = ((-0/4) * log2(0/4)) + ((-4/4) * log2(4/4)) = 0
Entropy(Outlook = Rainy) = ((-1/5) * log2(1/5)) + ((-4/5) * log2(4/5)) = 0,721928

Entropy(Outlook = Sunny ) = ((-3/5) * log2(3/5)) + ((-2/5) * log2(2/5)= 0,970951

Entropy(Temperature = Cool) = ((-0/4) * log2(0/4)) + ((-4/4) * log2(4/4)) = 0

Entropy(Temperature = Hot) = ((-2/4) * log2(2/4)) + ((-2/4) * log2(2/4)) = 1
Entropy(Temperature = Mild) = ((-2/6) * log2(2/6)) + ((-4/6) * log2(4/6)) = 0,918296
Entropy(Humidity = High) = ((-4/7) * log2(4/7)) + ((-3/7) * log2(3/7)) = 0,985228
Entropy(Humidity = normal) = ((-0/7) * log2(7/7)) + ((-0/7) * log2(7/7)) = 0
Entropy(Windy = False) = ((-2/8) * log2(2/8)) + ((-6/8) * log2(6/8)) =
0,811278
Entropy(Windy = True) = ((-4/6) * log2(4/6)) + ((2/6) * log2(2/6)) =
0,918296

2. Menghitung nilai Gain

Gain (Total,Outlook)

= 0,863121 – ((4/14)*0)+((5/14)*0.723))+((5/14)*0,970))

= 0,258521

Gain (Total,Temperature)

= 0,863121 – ((4/14)*0)+((4/14)*1))+((6/14)*0,918))

= 0,183851

Gain (Total,humidity)

= 0,863121 – ((7/14)*0)+((7/14)*0,955228))

= 0,370506

Gain (Total,windy)

= 0,863121 – ((8/14)*0,811278)+((6/14)*0,918296))

14
 = 0,005978

3. Bentuk Pohon Keputusan

Dari perhitungan Nilai Gain Humadity adalah nilai tertinggi sehingga menjadi akar dari
pohon.

Gambar 2. 1. Ilustrasi 2.1

Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk
keputusan No, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan
atribut OUTLOOK, TEMPERATURE dan WINDY yang dapat menjadi node akar dari
nilai atribut HIGH.

Jumlah kasus : 7

Jumlah kasus untuk keputusan yes : 4

Jumlah kasus untuk keputusan no : 3

➔ Gain tertinggi : outlook

➔ Outlook menjadi akar

15
 Gambar 2. 2. Ilustrasi 2.2

Menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk
keputusan No, dan Entropy dari semua kasus dan kasus yang dibagi berdasarkan
atribut TEMPERATURE dan WINDY yang dapat menjadi node cabang dari nilai
atribut RAINY.

2.1.3 Algoritma KKN (K-Nearest Neghbor)

Algoritma K-nearest neighbor (KNN) merupakan algoritma supervised learning di
mana hasil klasifikasi data baru berdasar kepada kategori mayoritas tetangga terdekat ke-
K. Tujuan dari algoritma ini adalah mengklasifikasikan objek baru berdasarkan atribut dan
data training. Algoritma KNN menggunakan kalsifikasi ketetenggaan sebagai prediksi
terhadap data baru

Pada fase pembelajaran, algoritma ini hanya melakukan penyimpanan vektor-vektor

fitur dan klasifikasi dari data pembelajaran. Pada fase klasifikasi, fitur-fitur yang sama
dihitung untuk data test (yang klasifikasinya tidak diketahui). Jarak dari vektor yang baru ini
terhadap seluruh vektor data pembelajaran dihitung, dan sejumlah k buah yang paling dekat
diambil. Titik yang baru klasifikasinya diprediksikan termasuk pada klasifikasi terbanyak dari
titik-titik tersebut.

Nilai k yang terbaik untuk algoritma ini tergantung pada data; secara umumnya, nilai
k yang tinggi akan mengurangi efek noise pada klasifikasi, tetapi membuat batasan antara

16
setiap klasifikasi menjadi lebih kabur. Nilai k yang bagus dapat dipilih dengan optimasi
parameter, misalnya dengan menggunakan cross-validation. Kasus khusus di mana
klasifikasi diprediksikan berdasarkan data pembelajaran yang paling dekat (dengan kata
lain, k = 1) disebut algoritma nearest neighbor. Berikut rumus pencarian jarak menggunakan
rumus Euclediean Distence

𝑑 = √∑(𝑥2𝑖 − 𝑥1𝑖 )2
𝑖=1

Dengan :

x1 = sampel data

x2 = data uji

i = varibel data

d = jarak

p = dimensi data

Ketepatan algoritma KNN ini sangat dipengaruhi oleh ada atau tidaknya fitur-fitur yang tidak
relevan, atau jika bobot fitur tersebut tidak setara dengan relevansinya terhadap klasifikasi.
Riset terhadap algoritma ini sebagian besar membahas bagaimana memilih dan memberi
bobot terhadap fitur, agar performa klasifikasi menjadi lebih baik.

Langkah-langkah algoritma KNN:

• Tentukan parameter K = jumlah tetangga terdekat.

• Hitung jarak antara instance query dan semua sampel pelatihan.
• Urutkan jarak dan tentukan tetangga terdekat berdasar jarak minimum K-th.
• Kumpulkan kategori Y dari tetangga terdekat.
• Gunakan mayoritas kecil dari kategori tetangga terdekat sebagai nilai prediksi query
instance.

17
Contoh Pertama

Kita mempunyai data dari survey kuesioner (dengan meminta pendapat masyarakat) dan
testing objektif dengan dua atribut (acid durability and strength) untuk mengklasifikasi
apakah suatu bahan pembuat kertas baik atau tidak. Dengan data yang telah ada adalah
sebagai berikut:

Tabel 2. 5. Tabel Ilustrasi 2.5

X1 = Acid Durability X2 = Strength (kg/square

Y = Classification
(seconds) meter)

7 7 Bad
7 4 Bad

3 4 Good

1 4 Good

Sekarang pabrik ingin menghasilkan sebuah bahan kertas yang melewati uji laboratorium
dengan x1=3 dan x2 = 7.

• Tentukan parameter K = jumlah tetangga terdekat, misal kita gunakan K = 3.

• Hitung jarak antara instance query dengan semua sampel pelatihan, koordinat instance
query adalah (3, 7).
Tabel 2. 6. Tabel Ilustrasi 2.6

X1 = Acid Square Distance to query instance

X2 = Strength
Durability
(kg/square meter) (3, 7)
(seconds)

7 7 √(7 − 3)2 + (7 − 7)2 = √16 = 4

7 4 √(7 − 3)2 + (4 − 7)2 = √25 = 5

3 4 √(3 − 3)2 + (4 − 7)2 = √9 = 3

1 4 √(1 − 3)2 + (4 − 7)2 = √13 = 3.6

• Urutkan jarak dan tentukan tetangga terdekat berdasar jarak minimum ke-K

18
Tabel 2. 7. Tabel Ilustrasi 2.7

X1=Acid X2 = Strength Square Distance Rank Is it included in

Durability (kg/square to query instance minimum 3-Nearest
(seconds) meter) (3, 7) distance neighbors?

7 7 4 3 Yes

7 4 5 4 No

3 4 3 1 Yes

1 4 3.6 2 Yes

• Kumpulkan kategori Y dari tetangga terdekat. Perhatikan, pada baris kedua kolom
terakhir, kategori tetangga terdekat (Y) tidak termasuk karena peringkat datanya lebih
besar dari 3 (=K)
• Gunakan mayoritas kecil dari kategori tetangga terdekat sebagai nilai prediksi dari
instance query.
Tabel 2. 8. Tabel Ilustrasi 2.8

X1 = Acid Is it Y=
X2 = Strength Square Distance Rank
Durability included in Category of
(kg/square to query instance minimum
(seconds 3-Nearest nearest
meter) (3, 7) distance
) neighbors? Neighbor

7 7 4 3 Yes Bad

7 4 5 4 No -

3 4 3 1 Yes Good

1 4 3.6 2 Yes Good

• Kita mempunyai 2 good dan 1 bad, karena 2 > 1 maka kita simpulkan bahwa bahan
kertas yang baru yang melewati tes uji laboratorium dengan X1 = 3 dan X2 = 7 termasuk
dalam kategori Good.

19
Metoda Konversi Atribut Nominal Ke Atribut Numerik

Ada 2 metode yang digunakan untuk mengkonversi atribut nominal ke atribut numerik

1. Mengkodekan dengan nilai numerik

Contoh :

− Yes = 1 dan no = 0
− Biru = 1, Kuning = 2 dan merah = 3

2. Menghitung jaraknya
𝒎

𝑫𝒊𝒔𝒕𝒂𝒏𝒄𝒆 = (𝒙, 𝒚) = ∑ 𝒅𝒊𝒔𝒕(𝑿𝒊 , 𝑿𝒊 )

𝒊=𝟏

Dist(x1,x2) = 0 jika x1 dan nominal dan x1 = y2

1 jika x1 dan nominal dan x1 ≠ y2

Contoh Kedua

Ada 5 data yang menunjukkan kelas apakah orang tersebut RESPONSE atau NO
RESPONSE

John, Rachel, Hannah, Tom, Nellie, kemudian diinputkan data baru yaitu David.

Apakah David di kelas RESPOSE atau NO RESPONSE?

Gambar 2. 3 Ilustrasi 2.3

20
Data Lengkap masing-masing customer

Tabel 2. 9. Tabel Ilustrasi 2.9

No.
Customer Age Income (K) RESPOSE
cards

John
35 35K 3 NO

22 50K 2 YES

Rachel

Hannah
63 200K 1 NO

Tom
59 170K 1 NO

Nellie
25/63 =
40K 4 YES
0.39

David 37/63 =
50/200 = 0.25 2 ??
0.58

21
Langkah Pertama Hitung jarak antara data baru (DAVID) dengan data yang telah ada

Tabel 2. 10. Tabel Ilustrasi 2.10

Income No.
Customer Age RESPOSE Distence
(K) cards

NO √(37 − 35)2 + (50 − 35)2 + (2 − 3)2

35 35K 3
= √13 = 15.6
John

YES √(37 − 22)2 + (50 − 50)2 + (2 − 2)2

22 50 2
= √225 = 15
Rachel

NO √(37 − 63)2 + (50 − 200)2 + (2 − 1)2

63 200 1
= √23177 = 152.24
Hannah

NO √(37 − 59)2 + (50 − 170)2 + (2 − 1)2

59 170 1
= √14885 = 122
Tom

YES √(37 − 25)2 + (50 − 40)2 + (2 − 4)2 =

25 40 4
√248 = 15.75
Nellie

22
 YES
37 50K 2

David

Berdasarkan perhitungan jarak dan nilai K = 3, artinya hanya diambil 3 yang memiliki jarak
terpendek dari lima data yang disajikan. Ketiga data yang jaraknya terpendik yaitu 15.S6;
15; 15.75 dan kelas responsenya YES, NO, YES. Kesimpulan yang dapat ditarik David
masuk dalam kelas RESPONSE YES

Normalisasi Variabel

Untuk memudahkan perhitungan biasanya dilakukan normalisasi. Normalisasi yaitu

membagi nilai variabel dengan nilai yang tertinggi dari data yang ada. Berikut contoh
normalisasi dari contoh kedua yang disajikan di atas.

Tabel 2. 11. Tabel Ilustrasi 2.11

Customer Age Income (K) No. cards

John
55/63 = 0.55 35/200 = 0.175 ¾ = 0.75

22/63 = 0.34 50/200 = 0.25 2/4 = 0.5

Rachel

Hannah
63/63 = 1 200/200=1 ¼ = 0.25

23
 Tom
59/63 = 0.93 170/200 = 0.85 ¼ = 0.25

Nellie
25/63 = 0.39 40/200 = 0.2 4/4 = 1

37/63 = 0.58 50/200 = 0.25 2/4 = 0.5

David

Contoh Ketiga

Gambar 2. 4. Ilustrasi 2.4

24
Dari contoh di atas ada 24 data X1 dan X2 dan Kelas yang di cari adalah Y (positif atau
negatif)

Data baru X1 = 4; X2 = 7 dengan K = 8. Dari hasil perhitungan dapat ditarik kesimpulan data
X1 = 4 dan X2 = 7 termasuk dalam kelas NEGATIF.

25
 MODUL III

3.1 Teknik Clustering

Clustering sebenarnya merupakan teknik data mining yang digunakan untuk mencari
pengelompokan data, yang tidak memiliki pengelompokkan alami. Pada algoritma
clustering, data akan dikelompokkan menjadi cluster-cluster berdasarkan kemiripan satu
data dengan data yang lain. Dalam hal ini tidak ada patokan tertentu yang digunakan pada
algoritma clustering untuk mencari pengelompokkan data yang ada pada sekumpulan data
tersebut. Data yang dikelompokkan dalam satu cluster memiliki similaritas tinggi, sedangkan
antara satu cluster dengan cluster lainnya memiliki semilaritas rendah.

Konsep terpenting yang harus disadari adalah bahwa proses clustering yang baik akan
menghasilkan cluster dengan kualitas tinggi bila memiliki:

• Tingkat kesamaan yang tinggi dalam class (high intra-class similarity)

• Tingkat kesamaan yang rendah antar class (low inter-class similarity)
Similarity yang dimaksud merupkan pengukuran secara numerik terhadap dua buah
objek. Nilai similarity ini akan semakin tinggi bila dua objek yang dibandingkan tersebut
memiliki kemiripan yang tinggi pula. Tentunya, perbedaan kualitas suatu hasil clustering ini
bergantung pada metode yang dipakai untuk mengukur kesamaan (similaritas) tersebut
serta implementasinya.

Selain itu pula, suatu metode clustering juga harus dapat diukur kemampuannya dalam
usahanya untuk menemukan suatu pola tersembunyi pada data yang tersedia. Dalam
mengukur nilai sililarity ini, ada beberapa metode yang dapat dipakai salah satunya adalah
Euclediean Distence. Pada metode ini, dua buah point dapat dihitung jaraknya bila diketahui
nilai dari masing-masing atribut pada kedua point tersebut. Berikut adalah rumus distence
yang dipakai, yaitu:

𝑑 = √∑(𝑥2𝑖 − 𝑥1𝑖 )2
𝑖=1

26
Dengan :

x1 = sampel data

x2 = data uji

i = varibel data

d = jarak

p = dimensi data

Yang dimaksud dengan bobot field (µk) adalah ukuran kemampuan suatu field ke-k dalam
mempengaruhi jarak antara kedua point. Semakin besar nilai µ k, akan semakin besar pula
pengaruhnya terhadap jarak antara kedua point, dan sebaliknya semakin kecil nilai µ k, akan
semakin kecil pengaruhnya terhadap jarak antara ke dua point.

3.2 Tipe Clustering

Gambar 3. 1. Ilustrasi 3.1

27
 Gambar 3. 2. Ilustrasi 3.2

Pada dasarnya terdapat 2 tipe clustering, yaitu:

• Partitional Clustering : Tipe cluster yang benar-benar terpisah antara sekelompok objek
dengan sekelompok objek lainnya.
• Hierarchical clustering : Sekelompok cluster yang terorganisasi sebagai suatu pohon
hirarki (hierarchical tree)

Gambar 3. 3. Ilustrasi 3.3

Dalam perkembangannya, terdapat berbagai tipe cluster, yaitu:

1. Well-Separate Clusters
Cluster adalah sekelompok point dimana tiap point dalam cluster memiliki kesamaan
yang lebih (more similar) dengan setiap point lainnya di dalam cluster daripada tiap

28
 point yang tidak berada dalam cluster tersebut. Dapat dikatakan bahwa setiap point
yang berada dalam satu cluster akan memiliki jarak yang lebih dekat dibandingkan
point-point pada cluster lain.
2. Center-besed
Cluster adalah sekumpulan objek dimana tiap objek pada cluster memiliki kemiripan
yang lebih dengan pusat (center) cluster lainnya.
Pusat (center) dari cluster disebut dengan centroid, rata-rata dari tiap point pada
cluster atau medoid merupakan point yang dapat mewakili point-point lain dari cluster
tersebut (Representative Point)
3. Contigous Cluster (Nearest Neighbor or Transitive)
Cluster adalah sekumpulan poin dimana tiap point dalam cluster memiliki kesamaan
yang lebih (more similar) dengan satu point atau lebih lainnya di dalam cluster
daripada tiap point yang tidak berada dalam cluster tersebut
4. Density-based
Cluster adalah suatu are populasi point yang memisahkan antar tingkat populasi point
rendah dengan tingkat populasi point yang tinggi

3.3 Penggunaan Aplikasi Clustering

Berbagai macam aplikasi penggunaan clustering, dapat meliputi sebagai berikut:

• Pengenalan pola
• Analisa data spasial (spatial data)
Membuat Map GIS (Geogrphic Information System)
Mendeteksi cluster spasial dan menjelaskannya pada data mining spasial
• Memproses image tertentu
• Ilmu Pengetahuan Ekonomi (analisa pasar)
Contoh penggunaan aplikasi cluster:

• Marketing : Membantu para pelaku pasar menemukan kelompok tertentu pada basis
customer mereka dan menggunakan pengetahuan tersebut untuk mengembangkan
program terget marketing mereka
• Land use : Mengidentifikasi setiap area yang ada di permukaan bumi untuk keperluan
obesrvasi pada database.

29
• Insurance : Mengidentifikasi sekelompok pemegang polis asuransi yang memiliki tingkat
biaya klaim rata-rata tertentu.
• City Planning : Mengidentifikasi sekelompok rumah berdasar tipe, nilai serta letak
geografinya
• Earth-quake Studies : mengobservasi berbagai macam titik episentrum gempa bumi
yang terjadi pada berbagai benua.

Salah satu Density-based clustring methods adalah metoda DBSCAN (Density-Based

Spatial Clustering of Applications with Noise)

3.4 DBSCAN (Density-Based Spatial Clustering of Applications With Noise)

DBSCAN adalah salah satu algoritma clustering density-based, algoritma ini pertama
kali dikenalkan oleh Ester, dkk [Ester 1996] di dalam Adriano Moreira, dkk University of
Minho - Portugal. Dalam satu daerah dengan kepadatan titik yang tinggi menggambarkan
keberadaan cluster sedangkan daerah dengan kepadatan titik rendah disebut dengan
Noise. Algoritma ini terutama cocok untuk menangani data yang besar, dengan noise, dan
mampu mengidentifikasi cluster dengan berbagai ukuran dan bentuk.

3.4.1 Ide Utama Dari Algoritma DBSCAN

Untuk setiap titik cluster dari lingkungan radius harus berisi setidaknya jumlah
minimum poin yang telah ditentukan

Algoritma ini membutuhkan 2 masukan parameter:

 Eps, jari-jari yang menentukan batas daerah sekitar titik (Epsneighbourhood);

 MinPts, jumlah minimum titik yang harus ada di lingkungan-Eps.

Ide dasar dari density-based clustering berkaitan dengan beberapa definisi baru

1. Neighborhood dengan radius Eps dari suatu obyek disebut Eps-neighborhood dari
suatu obyek tersebut.

2. Jika Eps-neighborhood dari suatu obyek mengandung titik sekurang-kurangnya jumlah

minimum, MinPts, maka suatu obyek tersebut dinamakan core object

30
3. Diberikan set obyek D, obyek p dikatakan directly density-reachable (kepadatan
terjangkau langsung) dari obyek q jika p termasuk dalam Eps-neighborhood dari q dan
q adalah core objek.

Ilustrasi directly density-reachable (kepadatan terjangkau langsung)

Gambar 3. 4. Ilustrasi 3.4

4. Sebuah obyek p adalah density-reachable dari obyek q dengan memperhatikan Eps

dan MinPts dalam suatu set objek , D, jika terdapat serangkaian obyek p1,…,pn, p1=q
dan pn=p dimana pi+1 adalah directly density-reachable dari pi dengan memperhatikan
Eps dan MinPts, untuk 1 <= i <= n, pi elemen D. Konsep density-reachable di-
ilustrasikan pada Gambar dibawah ini :

Gambar 3. 5. Ilustrasi 3.5

5. Sebuah obyek p adalah density-connected terhadap obyek q dengan memperhatikan

Eps dan MinPts dalam set obyek D, jika ada sebuah obyek o elemen D sehingga p dan
q keduanya density-reachable dari o dengan memperhatikan Eps dan MinPts. Gambar
di bawah ini merupakan ilustrasi dari konsep density-connected.

31
 Gambar 3. 6. Ilustrasi 3.6

3.4.2 Algoritma DBSCAN

• Arbitrary select a point p (memilih titik p)
• Retrieve all points density-reachable from p wrt Eps and MinPts. (Ambil semua point
yang density reachable terhadap titik p)
• If p is a core point, a cluster is formed. (jika p adalah core point, maka cluster
terbentuk)
• If p is a border point, no points are density-reachable from p and DBSCAN visits the
next point of the database.
• Continue the process until all of the points have been processed (lanjutkan proses
sampai semua poin terproses)
Istilah-Istilah Yang Digunakan Dalam DBSCAN

Sebelum mendalami contoh, beberapa rangkuman istilah sebagai berikut:

• Eps-neighborhood = neighborhood dengan radius eps

• Core-Objek = Eps-neighborhood yang mengandung point >= mintpts
• Directly density-reachable = titik p dikatakan directly density-reachable dari titik q jika
titik p adalah eps-neighborhood dari q dan q adalah core objek. p dan q adalah titik
pusat.
Contoh :

Eps =4

MinPts =4

Tabel node dengan titik (x,y)

32
Tabel 3. 1. Tabel Ilustrasi 3.1

A (4,4) H (16,7) O (6,9) V(21,13)

B (2,3) I (18,7) P (20,10) W(6,14)

C (5,3) J (121,7) Q (6,11) X(15,19)

D (6,5) K (2,8) R (19,11) Y(13,21)

E (16,5) L (8,8) S (5,12) Z(15,21)

F(2,6) M (17,8) T (7,12)

G (4,7) N (19,8) U (20,12)

Node (x,y ) dari table diatas direfresentasikan dengan gambar dibawah ini :

Gambar 3. 7. Ilustrasi 3.7

33
Iterasi 1

Dengan titik tengah (4,4) maka point yang menjadi anggota adalah 5 point yaitu B, C, D, F,
G. Untuk lebih jelasnya dapat dilihat pada tabel berikut :

Tabel 3. 2. Tabel Ilustrasi 3.2

Titik Tengah = (4,4)

Gambar 3. 8. Ilustrasi 3.8

34
Iterasi 2

Dengan titik tengah (4,7) maka point yang menjadi anggota adalah 4 point yaitu A, D, F, K.
Untuk lebih jelasnya dapat dilihat pada tabael berikut :

Tabel 3. 3. Tabel Ilustrasi 3.3

Titik Tengah = (4,7)

Gambar 3. 9. Ilustrasi 3.9

35
Iterasi 3

Dengan titik tengah (6,9) maka point yang menjadi anggota adalah 6 point yaitu D, G, L,
Q, S dan T. Untuk lebih jelasnya dapat dilihat pada tabael berikut:

Tabel 3. 4. Tabel Ilustrasi 3.4

Titik Tengah (6,9)

Gambar 3. 10. Ilustrasi 3.10

36
Iterasi 4

Dengan titik tengah (7,12) maka point yang menjadi anggota adalah 7 point yaitu O, P, Q,
S dan W. Untuk lebih jelasnya dapat dilihat pada tabel berikut :

Tabel 3. 5. Tabel Ilustrasi 3.5

Titik Tengah (7,12)

Gambar 3. 11. Ilustrasi 3.11

37
Iterasi 5

Dengan titik tengah (16,7) maka point yang menjadi anggota adalah 5 point yaitu D, I, M
dan N. Untuk lebih jelasnya dapat dilihat pada tabel berikut :

Tabel 3. 6. Tabel Ilustrasi 3.6

Titik Tengah (16,7)

Gambar 3. 12. Ilustrasi 3.12

38
Iterasi 6

Dengan titik tengah (19,8) maka point yang menjadi anggota adalah 5 point yaitu H,I, J, M,
P dan R. Untuk lebih jelasnya dapat dilihat pada tabael berikut :

Tabel 3. 7. Tabel Ilustrasi 3.7

Titik Tengah (19,8)

Gambar 3. 13. Ilustrasi 3.13

39
Iterasi 7

Dengan titik tengah (20,10) maka point yang menjadi anggota adalah 4 point yaitu I, J, M,
N. Untuk lebih jelasnya dapat dilihat pada tabael berikut :

Tabel 3. 8. Tabel Ilustrasi 3.8

Titik Tengah (20,10)

Gambar 3. 14. Ilustrasi 3.14

40
Iterasi 8

Dengan titik tengah (15,21)maka point yang menjadi anggota adalah 2 point yaitu. Untuk
lebih jelasnya dapat dilihat pada tabael berikut :

Tabel 3. 9. Tabel Ilustrasi 3.9

Titik Tengah (15,12)

Gambar 3. 15. Ilustrasi 3.15

41
Hasil

Gambar 3. 16. Ilustrasi 3.16

3.5 K-MEANS
K-Means Termasuk partitioning clustering yang memisahkan data ke k daerah bagian
yang terpisah. K-means algorithm sangat terkenal karena kemudahan dan kemampuannya
untuk mengklaster data besar dan data outlier dengan sangat cepat. Sesuai dengan
karakteristik partitioning clustering, Setiap data harus termasuk ke cluster tertentu, dan
Memungkinkan bagi setiap data yang termasuk cluster tertentu pada suatu tahapan proses,
pada tahapan berikutnya berpindah ke cluster yang lain.

3.5.1 Algoritma K-Means :

• Menentukan k sebagai jumlah cluster yang ingin dibentuk
• Membangkitkan k centroids (titik pusat cluster) awal secara random
• Menghitung jarak setiap data ke masing-masing centroids Setiap data memilih
centroids yang terdekat
• Menentukan posisi centroids baru dengan cara menghitung nilai rata-rata dari data-
data yang memilih pada centroidyangsama.
• Kembali ke langkah 3 jika posisi centroids baru dengan centroids lama tidak sama.

42
Contoh Kasus K-Means :

Using K-means algorithm find the best groupings and means of two clusters of the 2D data
below. Show all your work, assumptions, and regulations. M1 = (2, 5.0), M2 = (2, 5.5), M3 =
(5, 3.5), M4 = (6.5, 2.2), M5 = (7, 3.3), M6 = (3.5, 4.8), M7 = (4, 4.5)

Gambar 3. 17. Ilustrasi 3.17

Asumsi:

Semua data akan dikelompokkan ke dalam dua kelas

Center points of both clusters are C1(3,4), C2(6,4)

M1 = (2, 5.0), M2 = (2, 5.5), M3 = (5, 3.5), M4 = (6.5, 2.2), M5 = (7, 3.3), M6 = (3.5,
4.8), M7 = (4, 4.5)

43
Iterasi 1

a. Menghitung Euclidean distance dari semua date ke tiap titik pusat pertama

Dengan cara yang sama hitung jara tiap titik ke titik pusat ke dan kita akan mendapatkan
D21= 4.12, D22=4.27, D23= 1.18, D24= 1.86, D25=1.22, D26=2.62, D27=2.06

b. Dari penghitungan Euclidean distance, kita dapat membandingkan:

M1 M2 M3 M4 M5 M6 M7

jarak ke

C1 1.41 1.80 2.06 3.94 4.06 0.94 1.12

C2 4.12 4.27 1.18 1.86 1.22 2.62 2.06

➔ {M1, M2, M6, M7} anggota C1 and {M3, M4, M5} anggota C2

c. Hitung titik pusat baru

44
Iterasi 2

a. Hitung Euclidean distance dari tiap data ke titik pusat yang baru Dengan cara yang
sama dengan iterasi pertama kita akan mendapatkan perbandingan sebagai berikut:

M1 M2 M3 M4 M5 M6 M7

Jarak

C1 0.76 0.96 2.65 4.62 4.54 0.76 1.31

C2 4.62 4.86 1.27 0.86 0.88 3.22 2.63

b. Dari perbandingan tersebut kira tahu bahwa {M1, M2, M6, M7} anggota C1 dan {M3, M4,
M5} anggota C2
c. Karena anggota kelompok tidak ada yang berubah maka titik pusat pun tidak akan
berubah.
Kesimpulan

M1, M2, M6, M7} anggota C1 dan {M3, M4, M5} anggota C2

3.6 E-Mediods
Algoritma k-medoids adalah algoritma clustering yang berkaitan dengan algoritma
k-means dan algoritma medoidshift. Baik k-means dan algoritma k-medoids adalah
teknik partisi (memecah dataset ke dalam kelompok) dan keduanya berusaha untuk
meminimalkan square error (jarak antara titik berlabel berada dalam cluster dan titik
yang ditunjuk sebagai pusat cluster tersebut). Berbeda dengan algoritma k-means, k-
medoids memilih data points sebagai pusat (medoids atau eksemplar).

k-medoid adalah teknik partisi klasik untuk clustering yang melakukan

klasterisasi data dari n objek ke dalam k cluster yang dikenal dengan a priori. Sebuah
alat yang berguna untuk menentukan k adalah silhouette.

k-medoid lebih kuat terhadap noise dan outliner dibandingkan dengan k-means
karena meminimalkan jumlah dari ketidaksamaan bukannya meminimalkan jumlah
kuadrat jarak Euclidean.

45
 medoid dapat didefinisikan sebagai objek cluster, yang rata-rata perbedaan
untuk semua objek dalam suatu cluster minimal yaitu merupakan titik paling pusat dari
data yang diberikan.

Realisasi yang paling umum dari clustering k-medoid adalah Partition Around
Medoids (PAM) dan algoritma adalah sebagai berikut :

• Inisialisasi : pilih secara acak k dari n data point sebagai medoids

• Asosiasikan setiap data point ke medoid yang terdekat (terdekat berarti
menggunakan perhitungan jarak yang biasa digunakan adalah Euclidean
distance, Manhattan distance atau Minkowski distance)
• Untuk setiap medoid m
o Untuk setiap data non medoid o
o Tukarkan m and o dan hitung berapa total cost dari setiap konfigurasi
(penukaran m dan o)
• Pilih konfigurasi dengan cost paling sedikit
• Ulangi langkah 2 sampai 5 dan hentikan jika sudah tidak terdapat perubahan
medoids.
Contoh PAM

Klasterisasi data set yang terdiri dari sepuluh objek menjadi 2 cluster, anggaplah data set
nya adalah dalam 2 dimensi sebagai berikut :

Tabel 3. 10. Tabel Ilustrasi 3.10

X1 2 6

X2 3 4

X3 3 8

X4 4 7

X5 6 2

X6 6 6

46
 X7 7 3

X8 7 4

X9 8 5

X10 7 6

Berikut adalah gambar dataset yang akan diklasterisasi

Gambar 3. 18. Ilustrasi 3.18

Langkah Pertama

• Inisialisasi pusat k

Mari kita asumsikan c1 = (3,4) dan c2 = (7,4)

Jadi kita sekarang memiliki c 1 dan c2 sebagai medoid, berikutnya kalkulasi jarak
menggunakan rumus jarak minkowski dengan p = 1

𝑛
1
∑(|𝑥𝑖 − 𝑦𝑖 |𝑝 )𝑝
𝑖=1

47
 Untuk point pertama data objek (2,6) sedangkan data pusat adalah (3,4) jadi total
jarak yang didapat adalah

jarak = (|3-2|1)1/1 + (|4-6|1)1/1

jarak = (1+2) ; jarak = 3

Dan untuk titik-titik yang lain maka akan mendapatkan jarak sebagai berikut

Tabel 3. 11. Tabel Ilustrasi 3.11

Cost
c1 Data objects (Xi)
(distance)
3 4 2 6 3
3 4 3 8 4
3 4 4 7 4
3 4 6 2 5
3 4 6 6 5
3 4 7 3 5
3 4 8 5 6
3 4 7 6 6

Tabel 3. 12. Tabel Ilustrasi 3.12

c2 Data objects (Xi) Cost (distance)

7 4 2 6 7
7 4 3 8 8
7 4 4 7 6
7 4 6 2 3
7 4 6 4 1
7 4 7 3 1
7 4 8 5 2
7 4 7 6 2

Tugasi setiap objek ke objek perwakilan terdekat Menggunakan L1 Metric (Manhattan), kami
membentuk Cluster berikut:

48
Sehingga sekarang cluster menjadi

Cluster1 = {(3,4)(2,6)(3,8)(4,7)}

Cluster2 = {(7,4)(6,2)(6,4)(7,3)(8,5)(7,6)}

Cost dari dua titik dapat dicari dengan rumus :

𝑐𝑜𝑠𝑡(𝑥, 𝑐) = ∑|𝑥 − 𝑐 |
𝑖=1

Dimana

x = adalah data objek

c = adalah medoid

d = adalah dimensi dari objek (sekarang menggunakan dimensi 2)

Total cost adalah perhitungan total dari setiap cost yang dimiliki dalam sebuah cluster
dimana untuk c1 dan c2 total cost adalah

Total cost = {cost((3,4),(2,6)) + cost((3,4),(3,8)) + cost((3,4),(4,7))} + {cost((7,4),(6,2)) +

cost((7,4),(6,4)) + cost((7,4),(7,3)) + cost((7,4),(8,5)) + cost((7,4),(7,6))}

= (3 + 4 + 4) + (3 + 1 + 1 + 2 + 2)

= 20

Berikut adalah hasil klasterisasi sementara dari langkah pertama

49
 Gambar 3. 19. Ilustrasi 3.19

Langkah Kedua
Pemilihan nonmedoid O’ secara acak

Mari kita asumsikan O’= (7,3) (ada di c2 maka kita akan tukar c2 dengan O’)
Maka sekarang medoids yang ada adalah c1 (3,4) dan O’(7,3)

Jika c1 dan O’ adalah medoids baru, hitung biaya total yang terlibat

Dengan menggunakan rumus pada langkah 1 maka didapatkan

Tabel 3. 13. Tabel Ilustrasi 3.1

c1 Data objects (Xi) Cost (distance)

3 4 2 6 3

3 4 3 8 4

3 4 4 7 4

3 4 6 2 5

3 4 6 4 3

3 4 7 4 4

50
 3 4 8 5 6

3 4 7 6 6

O′ Data objects (Xi) Cost (distance)

7 3 2 6 8

7 3 3 8 9

7 3 4 7 7

7 3 6 2 2

7 3 6 4 2

7 3 7 4 1

7 3 8 5 3

7 3 7 6 3

Hitung total cost yang terjadi setalah memindahkan medoid dari c 2 ke O’

Dengan menggunakan rumus yang sama dengan langkah pertama maka didapatkat

Total cost’ = 3 + 4 + 4 + 2 + 2 + 1 + 3 + 3

Total cost’ = 22

Dan bandingkanlah total cost dengan total cost’

S = total cost’ – total cost

S = 22 – 20 = 2

Karena 2 > 0 maka didapatkan kesimpulan bahwa medoid yang baru tidak lebih baik dari
medoid yang lama, berikut adalah hasil klasterisasi setelah langkah kedua dilakukan

51
 Gambar 3. 20. Ilustrasi 3.20

Lakukanlah langkah 1 dan 2 terus menerus (mengulang langkah 2 sampai 5 pada k-medoid)
sampai akhirnya mendapatkan medoid yang paling bagus (medoid tidak dirubah lagi) dan
algoritma ini pun akan dihentikan.

52
 MODUL IV

4.1 Tools Data Mining

Weka merupakan sebuah tools data mining opensource yang berbasis java dan berisi
kumpulan algoritma machine learning dan data pre-processing. Waikato Environment for
Knowledge Analysis adalah kepanjangan dari Weka yang dibuat di Universitas Waikato,
New Zealand yang digunakan untuk pendidikan, penelitian, dan aplikasi eksperimen data
mining. Weka mampu menyelesaikan masalah-masalah data mining yang ada di dunia,
khususnya klasifikasi yang mendasari pendekatan machine learning. Weka dapat
digunakan dan diterapkan pada beberapa tingkatan yang berbeda. Weka menyediakan
pengimplementasian algoritma pembelajaran state of the art yang dapat diterapkan pada
dataset dari command line. Dalam Weka terdapat tools untuk preprocessing data,
clustering, aturan asosiasi, klasifikasi, regresi, dan visualisasi. Adanya tools yang sudah
tersedia pengguna dapat melakukan preprocess pada data, kemudian memasukkannya
dalam sebuah skema pembelajaran, dan menganalisis classifier yang dihasilkan serta
performanya. Semua itu dilakukan tanpa menulis kode program sama sekali. Contoh
penggunaan weka adalah menerapkan sebuah metode pembelajaran ke dataset dan
menganalisis hasilnya untuk memperoleh informasi tentang data, atau menerapkan
beberapa metode dan membandingkan performa untuk dipilih.

4.2 Isntalasi Weka

Instalasi weka pada buku ini menggunakan versi 3.9.2. Langkah Langkah instalasi
weka, yaitu sebagai berikut.

1. Klik dua kali file executable dari weka 3.9.2 (.exe) seperti pada Gambar 4.1

Gambar 4. 1. Ilustrasi 4.1

2. Kemudian akan muncul jendela seperti pada Gambar 4.2, selanjutnya pilih
next.

53
 Gambar 4. 2. Ilustrasi 4.2

3. Kemudian akan muncul jendela Licene Agreement seperti pada Gambar 4.3, lalu
pilih I Agree.

Gambar 4. 3. Ilustrasi 4.3

Selanjutnya akan muncul jendela seperti pada Gambar 4.4, pada bagian select type of
install pilih full, untuk menginstall seluruh komponen yang diperlukan untuk menjalankan
apilkasi, kemudian pilih next.

54
 Gambar 4. 4. Ilustrasi 4.4

4. Selanjutnya seperti pada Gambar 4.5, tentukan dimana ingin menyimpan file hasil
proses instalasinya, setelah selesai menentukan direktori kemudian pilih next

Gambar 4. 5. Ilustrasi 4.5

5. Kemudian tentukan apakah ingin membuat shortcut untuk menjalankan aplikasinya

pada start menu atau tidak dan tentukan nama dari shortcutnya, selanjutnya pilih
install seperti pada Gambar 4.6 berikut ini.

55
 Gambar 4. 6. Ilustrasi 4.6

6. Maka proses instalasi akan dilakukan. Setelah proses instalasi selesai kemudian
klik next seperti pada Gambar 4.7.

Gambar 4. 7. Ilustrasi 4.7

7. Selanjutnya klik finish, apabila ingin menjalankan aplikasi weka maka tandai pilih
Start Weka seperti yang ditunjukkan pada Gambar 4.8.

56
 Gambar 4. 8. Ilustrasi 4.8

4.2.1 Menjalankan Weka

Setelah proses instalasi selesai, pada subbab ini akan membahas tentang GUI
Weka. Gambar 4.9 merupakan halaman awal dari weka 3.9.2.

Gambar 4. 9. Ilustrasi 4.9

Tampilan awal ketika apliaksi weka dijalankan maka terlihat seperti pada Gambar
4.9, pada tampilan awal weka terdapat empat menu utama diantaranya program,
visualisation, tools, dan help serta lima tombol diantaranya explorer, experimenter,
knowledgeflow, woekbench, dan simple CLI.

1. Program

Menu program mempunyai empat sub menu, diantaranya:

57
 a. LogWindow (Shortcut CTRL+L)
Sub menu LogWindow digunakan untuk menampilkan log yang merekap semua
yang tercetak untuk stdout dan stderr.
b. Memory usage (Shortcut CTRL+M)
Sub menu memory usage digunakan untuk menampilkan penggunaan memori
pada saat aplikasi weka digunakan.
c. Setting
Sub menu setting digunkaan untuk mengatur tampilan pada user interface.
d. Exit (Shortcut CTRL+E)
Submenu exit digunakan untuk keluar dari aplikasi weka.
2. Visualisation
Menu visualisation merupakan sarana yang digunakan untuk memvisualisasikan data
dengan aplikasi weka. Menu ini mempunyai lima submenu, diantaranya:
a. Plot (Shortcut CTRL+P)

Sub menu plot digunakan untuk menampilkan plot 2D dari sebuah dataset.

b. ROC (Shortcut CTRL+R)

Sub menu ROC digunakan untuk menampilkan kurva ROC yang telah disimpan
sebelumnya.
c. TreeVisualizer (Shortcut CTRL+T)
Sub menu TreeVisualizer digunakan untuk menampilkan graf berarah, contohnya:
decision tree.
d. Graph Visualizer (Shortcut CTRL+G)
Sub menu graph visualizer digunakan untuk memvisualisasikan format grafik XML,
BIF, atau DOT, contohnay sebuah jaringan bayesian.
e. Boundary Visualizer (Shortcut CTRL+B)
Sub menu boundary visualizer bertugas untuk mengizinkan visualisasi dari batas
keputusan classifier dalam plot 2D.

3. Tools

Menu tools menampilkan aplikasi lainnya yang berguna bagi pengguna. Pada menu ini
terdapat empat sub menu, yaitu:
a. Package Manager (Shortcut CTRL+U)

58
 b. ArffViewer (Shortcut CTRL+A)

Sebuah aplikasi MDI yang menampilkan file Arff dalam format spreadsheet.

c. SqlViewer (Shortcut CTRL+S)

Merepresentasikan sebuah lembar kerja SQL, untuk melakukan query database via
JDBC.
d. Bayes net editor (Shortcut CTRL+N)
Sebuah apliksi untuk mengedit, memvisualisasikan dan mempelajari bayes net.

4. Help

Menu help mempunyai empat sub menu, diantaranya:

1. Weka Homepage (Shortcut CTRL+H)

2. HOWTOs, code snippets, etc. (Shortcut CTRL+W)

3. Weka on sourcefouge (Shortcut CTRL+F)

4. System info (Shortcut CTRL+I)

Tools yang dapat digunakan untuk preprocessing dataset membuat pengguna dapat
berfokus pada algoritma yang digunakan tanpa terlalu memperhatikan detail seperti
pembacaan data dari file-file, penyediaan kode untuk evaluasi hasil, dan implementasi
algoritma filtering. Untuk melakukan pengujian maka perlu memahami beberapa tombol GUI
yang ada di weka, diantaranya:

a. GUI Explorer

GUI Explorer merupakan GUI yang menyediakan semua fitur weka dalam bentuk tombol
dan tampilan visualisasi yang menarik dan lengkap. GUI Explorer adalah GUI yang paling
mudah digunakan. Preprocess, asosiasi,klasifikasi, clustering, select atribut, dan
visualize dapat dilakukan dengan mudah. Tampilan weka expoler dapat dilihat pada
Gambar 4.10.

59
 Gambar 4. 10. Ilustrasi 4.10

b. GUI Experimenter
GUI experimenter biasanya digunakan untuk klasifikasi dan regresi. GUI experimenter
dapat memudahkan perbandingan performansi skema-skema pembelajaran yang
berbeda. Hasil dari perbandingan tersebut dapat dituliskan dalam database atau file.
Dalam Weka tersedia pilihan evaluasi yaitu learning curve, cross-validation, hold-out.
Pengguna juga dapat melakukan iterasi menurut beberapa setting parameter yang
berbeda. GUI experimenter dapat dilihat pada Gambar 4.11.

60
 Gambar 4. 11. Ilustrasi 4.11

Tab setup yang muncul saat dibuka experimenter memungkinkan user memilih dan
mengkonfigurasi eksperimen yang dilakukan. Setelah menyimpan definisi eksperimen
yang dilakukan pengguna dapat memulai eksperimen dari tab run dan mengklik tombol
start. Hasilnya akan disimpan dalam format CSV dan dapat dibuka dalam bentuk
spreadsheet.

Tab Analize, dapat digunakan untuk menganalisa hasil eksperimen yang dikirim ke weka,
Jumlah baris hasil ditunjukkan pada panel source. Hasilnya dapat di-load dalam format
.arff maupun dari basis data
c. GUI Knowledge Flow
GUI knowledge flow merupakan GUI yang ada dalam weka yang merupakan antarmuka
Java-Beans-Based untuk melakukan setting dan menjalankan percobaan-percobaan
macine learning. Tampilan GUI Weka knoledge flow dapat dilihat pada Gambar 4.12..

Gambar 4. 12. Ilustrasi 4.12

Knowledge flow dapat menangani data secara incremental maupun dalam batches
(Explorer hanya menangani data batch). Tentunya diperlukan sebuah classifier yang dapat
diupdate instance per instance untuk pembelajaran dari data secara incremental

61
4.3 Rapid Miner
RapidMiner merupakan perangkat lunak yang bersifat open source untuk melakukan
analisis data mining, text mining, dan analisis prediksi. Operator data mining yang terdapat
pada RapidMiner diantaranya operator untuk input, output, visualisasi, dan data
preprocessing. RapidMiner ditulis menggunakan bahasa java sehingga bisa bekerja di
semua sistem operasi. Sebelumnya RapidMiner bernama Yet Another Learning
Environment (YALE), dimana versi awalnya mulai dikembangkan pada tahun 2001 oleh
RalfKlinkenberg, Ingo Mierswa, dan Simon Fischer di Artificial Intelligence Unit dari
University of Dortmund. RapidMiner didistribusikan di bawah lisensi GNU Affero General
Public License (AGPL) versi 3. Hingga saat ini ribuan aplikasi telah dikembangkan
menggunakan RapidMiner di lebih dari 40 negara. Sebagai software open source untuk data
mining, RapidMiner tidak perlu diragukan lagi karena software ini sudah terkemuka di dunia.
Peringkat pertama software data mining pada polling oleh KDnuggets, sebuah portal data
mining pada 2010-2011 ditempati oleh RapidMiner.

4.3.1 Instalasi Rapid Miner

Instalasi RapidMiner pada buku ini menggunakan versi 5.3. Langkh-lanagkah
instalasi rapid miner, yaitu sebagai berikut.

1. Klik dua kali file executable dari RapidMiner 5.3.000x32-install(.exe) seperti pada
Gambar 4.13.

Gambar 4. 13. Ilustrasi 4.13

62
2. Jendela yang muncul pada Gambar 4.14, pilih next.

Gambar 4. 14. Ilustrasi 4.14

3. Jendela Licene Agreement pada Gambar 4.15, pilih I Agree

Gambar 4. 15. Ilustrasi 4.15

4. Selanjutnya akan menampilkan form seperti pada Gambar 4.16 untuk menentukan
tempat penyimpanan file hasil proses instalasi, setelah selesai menentukan direktori
kemudian pilih install

63
 Gambar 4. 16. Ilustrasi 4.16

5. Setelah proses instalasi selesai kemudian klik next seperti pada Gambar 4.17.

Gambar 4. 17. Ilustrasi 4.17

64
6. Selanjutnya klik finish pada Gambar 4.18 untuk mengakhiri proses instalasi.

Gambar 4. 18. Ilustrasi 4.18

4.3.2 Pengenalan Interface Rapid Miner

RapidMiner menyediakan tampilan yang user friendly untuk
memudahkan penggunanya ketika menjalankan aplikasi. Tampilan pada
RapidMiner dikenal dengan istilah perspective dan terdapat 3 perspective
dalam RapidMiner diantaranya welcome perspective, design perspective, dan
result perspective.

1. Welcome Perspective
Ketika membuka aplikasi maka akan tampil seperti pada Gambar 4.19.

65
 Gambar 4. 19. Ilustrasi 4.19

Pada gambar di atas menampilkan beberapa daftar aksi, diantaranya New,

Open Recent Process, Open Process, Open Template, dan Online Tutorial.
Berikut ini rincian lengkap daftar aksi tersebut:

a. New
New digunakan untuk memulai proses analisis baru. Untuk memulai
proses analisis, pertama-tama harus menentukan nama dan lokasi
proses serta data repository.
b. Open Recent Process
Open recent process digunakan untuk membuka proses yang baru saja
ditutup. Selain itu, dapat digunakan untuk membuka proses yang baru
ditutup dengan mengeklik dua kali dari salah satu daftar yang ada pada
recent process maka tampilan welcome persective akan otomatis
beralih ke design perspective.
c. Open Process
Open process digunakan untuk membuka repository browser yang berisi
daftar proses.
d. Open Template
Open template digunakan untuk menunjukkan pilihan lain yang sudah
ditentukan oleh proses analisis.

66
 e. Online Tutorial
Online tutorial digunakan untuk memulai tutorial secara online dengan
catatan komputer harus terhubung dengan internet. Tutorial yang
didapat secara langsung dari rapid miner berupa perkenalan tentang
konsep data mining.
2. Design Perspective
Design perspective merupakan lembar kerja pada RapidMiner yang
digunakan untuk membuat dan mengelola proses analisis dari konsep data
mining. Seperti yang ditunjukkan pada Gambar 4.20 yang mempunyai
beberapa view.

Gambar 4. 20. Ilustrasi 4.20

Berikut rincian dari beberapa view yang ditampilkan pada design

perspective:

a. Operator View
Operator view merupakan salah satu view yang paling penting karena
semua operator dari RapidMiner disajikan dalam bentuk hierarki
sehingga operator-operator tersebut dapat digunakan pada proses
analisis data mining.
b. Process View
Process view merupakan halaman yang digunakan untuk menunjukkan
langkah-langkah dalam proses analisis data mining dengan
menggunakan komponen-komponen yang ada pada operator view.

67
 c. Parameter View
Beberapa operator dalam RapidMiner membutuhkan satu atau lebih
parameter agar dapat didefinisikan sebagai fungsionalitas yang benar.
Namun terkadang parameter tidak mutlak dibutuhkan, meskipun
eksekusi operator dapat dikendalikan dengan menunjukkan nilai
parameter tertentu.
d. Repository View
Repository view merupakan komponen utama dalam design
perspective. Repository view digunakan untuk mengelola dan menata
proses analisis data mining.
e. Problem View
Problem view merupakan komponen yang sangat berharga dan
merupkan sumber bantuan bagi pengguna selama merancang proses
analisis, karena apabila ada kesalahan dalam proses analisis maka
akan ada pemberitahuan pada halaman problem view.
f. Help dan Comment View
Help view digunakan untuk memberi penjelasan singkat mengenai
fungsi operator dalam satu atau beberapa kalimat. Sedangkan comment
view merupakan area bagi pengguna menuliskan komentar pada proses
analisis data mining.
3. Result Perspective
Result perspective merupakan tampilan yang digunakan untuk
menampilkan hasil dari proses analisis data mining, seperti yang
ditunjukkan pada Gambar 4.21.

68
Gambar 4. 21. Ilustrasi 4.21

69
DAFTAR PUSTAKA

70