PERANCANGAN APLIKASI CLUSTERING SEBAGAI SUMBER INFORMASI PENENTU KELAS KONSENTRASI BAGI MAHASISWA INFORMATIKA UMS DENGAN ALGORITMA K-MEANS

Transkripsi

1 PERANCANGAN APLIKASI CLUSTERING SEBAGAI SUMBER INFORMASI PENENTU KELAS KONSENTRASI BAGI MAHASISWA INFORMATIKA UMS DENGAN ALGORITMA K-MEANS SKRIPSI Disusun sebagai salah satu syarat menyelesaikan Jenjang Strata I pada Program Studi Informatika Fakultas Komunikasi dan Informatika Universitas Muhammadiyah Surakarta Oleh : DIAN SETIAWAN L PROGRAM STUDI INFORMATIKA FAKULTAS KOMUNIKASI DAN INFORMATIKA UNIVERSITAS MUHAMMADIYAH SURAKARTA 2015

2 ii

3 iii

4 iv

5 PERSEMBAHAN Dengan mengucap syukur alhamdulillah atas rahmad dan hidayah Allah SWT, akan kupersembahkan karya ini kepada orang-orang yang saya sayangi : 1. Ibu, Ayah, kakak dan seluruh keluarga tercinta yang selalu mendo akan serta mendukung setiap langkahku dalam meraih kesuksesan baik di dunia dan akhirat. 2. Bapak Husni Thamrin, ST., MT., Ph.D selaku Dekan Fakultas Komunikasi dan Informatika Universitas Muhammadiyah Surakarta. 3. Bapak Dr. Heru Supriyono, M.Sc. selaku ketua Program Studi Informatika. 4. Bapak Drs. Sujalwo, M. Kom. selaku Pembimbing Akademik 5. Bapak Yusuf Sulistyo Nugroho, ST., M. Eng. selaku Pembimbing yang telah memberikan tema skripsi serta banyak membantu dalam memberikan petunjuk dan saran-saran dalam penyusunan skripsi ini. 6. Biro Skripsi Mas Adjie yang sudah membantu dalam jalannya proses skripsi ini. 7. Keluarga besar Informatika UMS yang telah banyak memberikan ilmu dan pengalamannya. 8. Teman-teman HIMATIF dan BEM FKI UMS yang telah memberiku banyak pengalaman dan kenangan selama ini. 9. Buat Diah seseorang yang selalu memberi semangat, kasih sayang, dan motivasi selama masa-masa dalam menyelesaikan studi ini. 10. Sahabat terbaikku Novi dan Aulia yang selalu ada dalam setiap keadaanku dan selalu memberikan semangat. v

6 11. Teman-teman terbaikku Muh. Amin, Rendi, Fajar, Anggun, Neda, Idha, Reza, Unun, dan Alim yang selalu memberikan motivasi, nasehat dan semangat. 12. Teman-teman Kontrakan Cholil, Marwanto, dan Agus yang selalu memotivasi untuk lembur dalam menyelesaikan skripsi ini. 13. Teman-teman Informatika UMS 2011 kelas B yang menemaniku dan memberi kenangan indah pada masa kuliahku selama ini. 14. Teman-teman Informatika angkatan 2011 yang telah menemaniku berjuang menempuh gelar sarjana bersama-sama. 15. Teman-teman Galang Harapan yang selama ini selalu memberikan suport serta nasehat dalam masa-masa studiku. 16. Semua pihak yang tidak dapat saya sebutkan satu persatu atas semua hal yang telah diberikan. vi

7 KATA PENGANTAR Assalaamu alaikum Warohmatullohi Wabarakatuh Dengan mengucapkan syukur kehadirat Allah SWT yang telah melimpahkan rahmat, hidayah serta nikmat yang tiada terkira kepada hamba-nya, sehingga penyusun dapat menyelesaikan skripsi ini dengan judul Perancangan Aplikasi Clustering Sebagai Sumber Informasi Penentu Kelas Konsentrasi Bagi Mahasiswa Informatika UMS Dengan Algoritma K-Means. Skripsi ini disusun untuk memenuhi kurikulum pada Fakultas Komunikasi dan Informatika Jurusan Informatika Universitas Muhammadiyah Surakarta, sebagai kewajiban mahasiswa dalam rangka menyelesaikan program sarjana komputer. Dengan segala kemampuan yang optimal, penyusun telah berusaha untuk menyelesaikan skripsi ini, namun demikian penyusun menyadari bahwa skripsi ini tentunya masih jauh dari sempurna. Oleh karena itu penyusun mengharapkan dengan sangat saran serta kritik yang bersifat membangun untuk perbaikan. Akhirnya penyusun berharap semoga skripsi ini dapat bermanfaat bagi penyusun khususnya, serta pembaca pada umumnya dalam menambah pengetahuan dan wawasan ilmu pengetahuan khususnya mengenai data mining. Amin Wassalaamu alaikum Warohmatullohi Wabarokatuh. Surakarta, 20 Juni 2015 Penulis vii

8 ABSTRAK Program Studi Informatika di UMS memiliki tiga konsentrasi jurusan yaitu Sistem Informasi dan Enterprise, Jaringan Komputer dan Multimedia, serta Rekayasa Perangkat Lunak dan Animasi. Dengan adanya tiga konsentrasi penjurusan maka mahasiswa diwajibkan untuk memilih salah satu dari konsentrasi yang ada, pada akhir semester 4. Saat ini dalam menentukan konsentrasi hanya berdasarkan dari keinginan mahasiswa itu sendiri tanpa adanya suatu sistem yang memberikan pertimbangan bagi mahasiswa dalam memilih konsentrasi jurusan. Dengan melakukan perancangan aplikasi clustering k-means, diharapkan dapat digunakan sebagai bahan pertimbagan bagi mahasiswa serta sebagai sumber informasi penentu kelas konsentrasi bagi mahasiswa informatika dalam memilih konsentrasi jurusan. Variabel yang digunakan untuk proses clustering k-means adalah nilai mata kuliah yang dominan pada masing-masing konsentrasi dari semester 1 sampai 4, variabel konsentrasi Sistem Informasi dan Enterprise (Pemrograman Web Dasar, Algoritma dan Pemrograman, Pengantar Sistem Informasi, Sistem Basis Data). Jaringan Komputer dan Multimedia (Komunikasi Data, Jaringan Komputer, Prak. Jaringan Komputer, Sistem Operasi). Rekayasa Perangkat Lunak dan Animasi (Aljabar Linier dan Matriks, Algoritma dan Struktur Data, Struktur Diskret 2, Sistem Digital). Hasil clustering dengan algoritma k-means diperoleh data berdasarkan sampel sebanyak 312 data dibagi menjadi 2 yaitu angkatan informatika 2011 dan Angkatan 2011 sebanyak 154 data diperoleh data cluster sebanyak 78 masuk ke cluster 1 dengan titik centroid (3,333 ; 3,548 ; 3,098) dan 17 data masuk ke cluster 2 dengan titik centroid (0,915 ; 1,110 ; 0,773) serta 60 data masuk ke cluster 3 dengan titik centroid (2,682 ; 3,221 ; 1,880). Sedangkan untuk data angkatan 2012 diperoleh data cluster sebanyak 69 masuk ke cluster 1 dengan titik centroid (3,359 ; 3,577 ; 3,188), dan 18 data masuk ke cluster 2 dengan titik centroid (0,944 ; 1,383 ; 1,262) serta 64 data masuk ke cluster 3 dengan titik centroid (2,486 ; 3,368 ; 2,250). Pada cluster 1 maka akan direkomendasikan untuk mengambil konsentrasi Jaringan Komputer dan Multimedia, untuk anggota cluster 2 maka akan direkomendasikan untuk konsentrasi Rekayasa Perangkat Lunak dan Animasi sedangkan untuk anggota cluster 3 akan rekomendasikan untuk masuk ke kelas konsentrasi Sistem Informasi dan Enterprise. Kata Kunci : Algoritma K-Means, Data Mining, Jurusan, Kelas Konsentrasi, Metode Clustering. viii

9 DAFTAR ISI JUDUL... PERSETUJUAN... PENGESAHAN... DAFTAR KONTRIBUSI... PERSEMBAHAN... KATA PENGANTAR... ABSTRAK.... DAFTAR ISI... DAFTAR TABEL... DAFTAR PERSAMAAN... DAFTAR GAMBAR... DAFTAR LAMPIRAN... i ii iii iv v viii ix x xiv xv xvi xvii BAB 1 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Sistematika Penulisan... 5 BAB 2 TINJAUAN PUSTAKA Telaah Penelitian Landasan Teori ix

10 2.2.1 Kelas Konsentrasi Data Mining Metode Clustering Algoritma K-Means MySQL Java NetBeans BAB 3 METODE PENELITIAN Waktu dan Tempat Penelitian Peralatan Utama dan Pendukung Diagram Alir Penelitian Langkah Penelitian Identifikasi Masalah Pengumpulan Data dan Penentuan Kebutuhan Kelengkapan data dan kebutuhan Cleaning Data Penentuan Sampel Perancangan Aplikasi Data Mining Pengubahan Parameter Nilai Menetukan Metode BAB 4 ANALISA DATA DAN HASIL Analisa Data dan Hasil Clustering K-Means Menentukan Atribut Menentukan Sampel Pengolahan Data x

11 1.1.4 Inisialisasi Data Nilai dari Huruf ke Angka Proses Perhitungan Clustering dengan Algoritma K-Means Menentukan Jumlah Cluster Menghitung Nilai Centroid Awal Menghitung Dataset ke Menghitung Dataset ke Menghitung Dataset ke Menghitung Dataset ke Menghitung Dataset ke Menghitung Dataset ke Menghitung Dataset ke Menghitung Dataset ke Menghitung Dataset ke Menghitung Dataset ke Hasil Centoid Akhir Implementasi Clustering Algoritma K-Means dengan Pemrograman Java Netbeans Pembuatan Form Aplikasi Menu Utama Menu Clustering Menu Bar Menu About Tahap Pengujian Sistem Proses Clustering Hasil Clustering xi

12 BAB 5 DISKUSI DAN KESIMPULAN Kesimpulan Saran DAFTAR PUSTAKA PROFIL PENULIS LAMPIRAN xii

13 DAFTAR TABEL 3.1 Daftar Atribut Daftar Perubahan Parameter Nilai Menentukan Atribut Daftar Mata Kuliah yang Berhubungan dengan Konsentrasi Inisialisasi Data Nilai Mata Kuliah Nilai Rata-rata Konsentrasi Nilai Rata-rata Masing-masing Kolom Nilai Centroid Awal Hasil Centroid Akhir Data Final Centroid Data Menentukan Konsentrasi dan Cluster Data Data Final Centroid Data Menentukan Konsentrasi dan Cluster Data xiii

14 DAFTAR PERSAMAAN (3.1) Rumus Slovin (3.2) Rumus Euclidien Distance Space xiv

15 DAFTAR GAMBAR 2.1 Langkah-langkah Melakukan Data Mining Flowchart K-Means Diagram Alir Penelitian Flowchart Kinerja K-Means Hasil Centroid dan Cluster Dataset ke Hasil Centroid dan Cluster Dataset ke Hasil Centroid dan Cluster Dataset ke Hasil Centroid dan Cluster Dataset ke Hasil Centroid dan Cluster Dataset ke Hasil Centroid dan Cluster Dataset ke Hasil Centroid dan Cluster Dataset ke Hasil Centroid dan Cluster Dataset ke Hasil Centroid dan Cluster Dataset ke Hasil Centroid dan Cluster Dataset ke Menu Pallete Tampilan Form Utama Tampilan Form Import Data Mysql Tampilan Form Import Data CSV Tampilan Menu Item Petunjuk Menu Form About Tampilan View Profil Dosen Pembimbing xv

16 4.18 Proses Clustering Tampilan Hasil Clustering xvi

17 DAFTAR LAMPIRAN A Data Pelatihan Clustering K-Means B Script Program NetBeans xvii