T E S I S I Wayan Budi Sentana Nrp DOSEN PEMBIMBING Prof. Dr.Ir. Joko Lianto Buliali, M.Sc.

Transkripsi

1 T E S I S I Wayan Budi Sentana Nrp DOSEN PEMBIMBING Prof. Dr.Ir. Joko Lianto Buliali, M.Sc.

2 Pendahuluan Analisis Cluster sudah dimanfaatkan dengan sangat luas untuk segmentasi pasar (Huang dkk, 2007; Liu dkk, 2008) Permasalahan utama Berapa Cluster / segment yang tepat? Variabel mana yang valid? Beberapa penelitian melibatkan algoritma genetik untuk mengatasi permasalahan tersebut(kim dkk,2008 ; Liu dkk, 2008; Kuo dkk, 2006)

3 K-means GA (Liu dkk, 2008)

4 K-means GA (Liu dkk, 2008) K-prototype (Huang, 1998) K-prototype&2PGA 2PGA (Martikaenan, 2006)

5 Perumusan Masalah Bagaimana membuat sebuah sistem yang dapat memanfaatkan 2PGA dan k-prototype untuk menghasilkan valid variable dan menentukan jumlah cluster optimal pada dataset dengan tipe campuran numerik dan kategorikal, sehingga teknik clustering diharapkan dapat menghasilkan segmentasi pasar yang lebih baik?

6 Tujuan Penelitian Mengimplementasikan metode gabungan k-prototype dengan 2PGA untuk segementasi pasar Membandingkan K-means GA (Liu dkk, 2008) dengan k-prototype 2PGA Jumlah cluster optimal Pemilihan valid variabel Membandingkan k-prototype SPGA dengan k- prototype 2PGA Kecepatan konvergensi

7 Manfaat Penelitian Manfaat : terciptanya segmentasi pasar yang lebih akurat, sehingga para pelaku bisnis dapat membuat strategi pemasaran yang lebih fokus kepada segment tertentu dengan melihat karakteristik yang ada pada setiap segment

8 Kontribusi Penelitian Kontribusi : Diterapkannya metode gabungan k-prototype 2PGA untuk mendapatkan variabel valid dan menemukan jumlah cluster optimal, serta menghasilkan tingkat konvergensi yang lebih cepat pada data dengan tipe campuran numerik dan kategorikal, sehingga hasil clustering dapat menjadi lebih baik.

9 2-Population Genetic Algorithm (2PGA) (Martikainen, 2006) Initial Population Rang. Fitness Elite Population Rang. Fitness Plain Population Rang. Fitness

10 Reproduksi 2PGA Generasi n Generasi n + 1 Elite Population Rang. Fitness Parent untuk n + 1 Ke plain population Elite Population Rang. Fitness Offspring baru Parent dari elite population sebelumnya Plain Population Rang. Fitness Parent untuk n + 1 Plain Population Rang. Fitness Dari elite population sebelumnya Offspring baru Chromosom sebelumnya dari plain population

11 Migrasi 2PGA Elite Population Rang. Fitness If elite.1 c m x plain If elite.1 c m x plain 1 Plain Population Rang. Fitness

12 Algoritma k-prototype 1. Tentukan pusat cluster secara acak 2. Ukur setiap object ke semua cluster, tempatkan setiap object ke cluster terdekat 3. Hitung ulang pusat cluster 4. Ulangi langkah 2 dan 3 sampai tidak ada perubahan pusat cluster

13 Pusat cluster k-prototype Prototype Centroid + medoids Prototype Numerik Prototype Categorical Numerik means Categorical modus

14 Jarak dalam k-prototype m j 1 r m c dimana (p,q) = 0 untuk p = q (p,q) = 1 untuk p q. l = bobot untuk atribut kategorikal pada cluster ke l. r r 2 d( X, Q ) ( x q ) ( x i l ij lj l j 1 c ij, q c lj )

15 Mulai Kprototype-2PGA Mixed Type Dataset Inisialisasi populasi awal secara acak Clustering menggunakan K-Prototype Evaluasi nilai fitness menggunakan CF Criterion Pre-processing Mengurutkan Nilai Fitness Populasi Elite Populasi Plain Clustering Elite dengan K-Prototype Clustering Plain dengan K-Prototype Evaluasi Fittness Elite dengan CF Criterion Evaluasi Fitness Plain dengan CF Criterion Hasil segmentasi ya Memenuhi stoping criteria? tidak tidak Seleksi Elite Migrasi Seleksi Plain Selesai Pindah silang dan mutasi Elite Pindah silang dan mutasi Plain Individu Baru Elite Individu Baru Plain

16 Data Pre-Processing Menghilangkan Class label Normalisasi data bertipe numerik Mengganti representasi data bertipe kategorical ke dalam numerik Menyimpan hasil Pre-processing untuk dipergunakan aplikasi segmentasi

17 Inisialisasi Populasi Membuat kromosom awal yang dilakukan secara acak sejumlah populasi yang dimasukkan oleh user

18 Bentuk Kromosom Panjangnya sama dengan jumlah variabel dataset, 1 menandakan bahwa variabel yang terwakili akan disertakan dalam clustering, sedangkan 0 adalah sebaliknya Mewakili jumlah cluster

19 Pre-Evaluasi

20 Clustering menggunakan k-prototype mulai Inisialiasasi prototype Ukur jarak object ke semua prototype, tempatkan object pada cluster terdekat Hitung ulang prototype Terjadi perubahan prototype? tidak ya Selesai

21 Evaluasi Nilai Fitness Cost Function Criterion (Huang, 1998) E l n m n m r r r xij qlj ) l i 1 j 1 i 1 j 1 r yil c yil ( ( x c ij, q c lj ) E k l 1 r ( E l E c l )

22 Mengurutkan Nilai Fitness

23 Iterasi Reproduksi 2PGA

24 Eksekusi Program Studi Kasus German Credit Dataset yang didonasikan oleh Prof. Hofman dari Hamburg University, Jerman. terdiri dari 1000 record 20 variabel, 13 variabel bertipe categorical 7 variabel bertipe numerik. 2 kali percobaan utama : Percobaan populasi ; 1000 generasi Percobaan populasi ; 200 generasi

25 Hasil Eksekusi Perc. 1 Perc Percb. 1 konvergen pada generasi ke-695 Percb. 2 konvergen pada generasi ke-77 Fitness tertinggi Bentuk Kromosom terbaik : k

26 Pengujian Akurasi Hasil Cluster Ketepatan Pemilihan Variabel Kecepatan Konvergensi

27 Akurasi Hasil Cluster Nama Model Kromosom Keterangan Model X Semua variabel disertakan : k = 4 Model Y Semua variabel disertakan : k = 8 Model Liu Variabel bernilai 1 disertakan : k = 4 Model yang diusulkan Variabel bernilai 1 disertakan : k = 8 Membandingkan model-model tersebut dalam Total Cost Index Categorical Variance Criterion

28 Categorical Variance Criterion(Hsu & Chen, 2007) CV CU 2 1 CU Variance C k 2 2 P( A i Vij Ck ) P( Ai Vij ) k D i j 1 C k ( V k k i j ij V k i, avg ) 2

29 Hasil Pengujian akurasi Nama Total Cost CV Criterion Model X 2.69E E-01 Model Y 2.45E E-01 Model Liu 2.07E E-01 Model yang diusulkan 9.51E E-01

30 Uji Ketepatan Pemilihan variabel Perhitungan multinomial logit( Liu dkk, 2008) No Nama Variabel DF 2 PValue 1 Status of existing checking account <.0001*** 2 Duration in month <.0001*** 3 Credit History <.0001*** 4 Purpose *** 5 Credit ammount <.0001*** 6 Saving account / bonds Present employment since Installment rate in percentage of disposable income <.0001*** 9 Personal status and sex ** 10 Other debtors / guarantors *** 11 Present residence since ** 12 Property * 13 Age in year Other installment plans Housing <.0001*** 16 Numer of existing credit at this bank Job *** 18 Number of people being liable to provide maintenance for ** 19 Telephone Foreign worker <.0001***

31 Hasil Uji pemilihan variabel Multinomial Logit (Liu dkk,2008) Saving account / bonds Hasil dari (Liu dkk, 2008) Hasil dari Metode yang diusulkan Number of existing credit at this bank Other installment plans Present residence since Credit history Number of existing credit at this bank Saving account /bonds Status of existing checking account Purpose Telephone Telephone Present employment since Present employment since Other installment plans Property Age in year Job

32 Uji Kecepatan Konvergensi Membandingkan k-prototype SPGA dengan k-prototype 2PGA K-prototype SPGA Kondisi Prob. Mutasi Prob. Crossover Kondisi Kondisi Kondisi K-prototype 2PGA Model Prob. Mutasi Elite Prob. Crossover Elite Prob. Mutasi Plain Prob. Crossover Plain Kondisi Kondisi Kondisi Kondisi

33 Start K-prototype SPGA, Pembanding untuk uji kecepatan konvergensi German Credit Dataset Parameter Initialization Random Population Initialization Clustering using k-prototype Evaluasi fitness menggunakan CFC Segmentati on Result yes Satisfying stopping criteria? No Finish Selection Crossover Mutation New Parameter Population

34 Hasil Uji Konvergensi K-prototype SPGA Run1 Run2 Run3 Run4 Run5 Rerata Gnrs Kondisi Kondisi Kondisi K-prototype 2PGA Run1 Run2 Run3 Run4 Run5 Rerata Gnrs Kondisi Kondisi Kondisi Kondisi Hasil uji kecepatan konvergensi dengan berbagai kondisi pada model k-prototype SPGA dan k-prototype 2PGA

35 Analisis Hasil Akurasi CV Criterion adalah index yang mengukur kesamaan nilai object yang adadi dalam satu cluster, jika nilai CV criterion semakin bagus, hal tersebut berarti bahwa kesamaan ciri-ciri yang dimiliki object di dalam satu cluster adalah semakin besar. cost function menghitung jarak setiap object ke cluster terdekat, semakin kecil nilai cost berarti jarak antara kumpuluan object di dalam suatu cluster akan semakin dekat. Hal ini berarti juga tingkat kesamaan ciri-ciri dari object juga akansemakin sama. Jika dikaitkan dengan segmentasi pasar, maka metode yang diusulkan dalam penelitian ini telah membentuk kelompok atau segment yang semakin kompak, dimana kesamaan ciri-ciri customer yang ada di dalam segment tersebut semakin besar.

36 Analisis Hasil Pemilihan variabel metode yang diusulkan dalam penelitian ini tidak memberikan hasil pemilihan variabel yang lebih baik clustering criterion tidak pernah memperhitungkan data target yang terdapat pada variabel response, seperti halnya yang dilakukan oleh metode multinomial logit Clustering criterion yang dijadikan sebagai alat analisis fungsi fitness hanya memperhitungkan kedekatan antar object berdasarkan fungsi jarak tertentu,

37 Analisis Kecepatan Konvergensi Dari sisi kecepatan konvergensi, metode K-prototype 2PGA memiliki tingkat konvergensi yang lebih baik jika dibandingkan dengan K-prototype SPGA. Rerata generasi yang diperlukan untuk mencapai konvergen pada metode K-prototype 2PGA terlihat paling kecil pada kondisi probabilitas mutasi dan pindah silang populasi Elite sebesar 30% dan kondisi probabilitas mutasi dan pindah silang populasi Plain sebesar 50%, generasi ke 94. Probabilitas mutasi dan pindah silang yang terlalu tinggi menyebabkan munculnya kromosom yang monoton pada generasi-generasi berikutnya.

38 Kesimpulan Metode k-prototype 2PGA memberikan hasil akurasi cluster atau segmen yang lebih baik dari penelitian yang ada sebelumnya, hal ini terlihat dari total cost yang lebih rendah dan nilain index clustering criterion yang lebih tinggi. Ketelitian hasil pemilihan variabel dari model k-prototype 2PGA tidak lebih baik dari penelitian yang dilakukan oleh (Liu dkk, 2008). Hal ini disebabkan karena clustering criterion yang digunakan dalam penelitian ini tidak pernah memperhitungkan keterkaitan antara variabel dengan variabel response. Pada kondisi probabilitas mutasi dan pindah silang tertentu, metode k-prototype 2PGA menunjukkan tingkat konvergensi yang lebih tinggi jika dibandingkan dengan metode k-prototype SPGA.

39