PROGRAM STUDI S2 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

Transkripsi

1 ANALISIS SUBSPACE CLUSTERING MENGGUNAKAN DBSCAN DAN SUBCLU UNTUK PROYEKSI PEKERJAAN ALUMNI PERGURUAN TINGGI T E S I S ANNI ROTUA ARITONANG PROGRAM STUDI S2 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

2 ANALISIS SUBSPACE CLUSTERING MENGGUNAKAN DBSCAN DAN SUBCLU UNTUK PROYEKSI PEKERJAAN ALUMNI PERGURUAN TINGGI T E S I S Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika ANNI ROTUA ARITONANG PROGRAM STUDI S2 TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

3 PERSETUJUAN Judul : ANALISIS SUBSPACE CLUSTERING MENGGUNAKAN DBSCAN DAN SUBCLU UNTUK PROYEKSI PEKERJAAN ALUMNI PERGURUAN TINGGI Kategori : Tesis Nama : Anni Rotua Aritonang Nomor Induk Mahasiswa : Program Studi : S2 Teknik Informatika Fakultas : Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Dr. Poltak Sihombing, M.Kom Dr. Sutarman, M.Sc Diketahui/Disetujui oleh Program Studi S2 Teknik Informatika Ketua Prof. Dr. Muhammad Zarlis

4 PERNYATAAN ANALISIS SUBSPACE CLUSTERING MENGGUNAKAN DBSCAN DAN SUBCLU UNTUK PROYEKSI PEKERJAAN ALUMNI PERGURUAN TINGGI TESIS Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, 28 Agustus 2013 Anni Rotua Aritonang NIM

5 PERNYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN AKADEMIS Sebagai sivitas akademika Universitas Sumatera Utara, Saya yang bertanda tangan di bawah ini : Nama : ANNI ROTUA ARITONANG NIM : Program Studi : S2 TEKNIK INFORMATIKA Jenis Karya Ilmiah : TESIS Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty Free Right) atas tesis saya yang berjudul : ANALISIS SUBSPACE CLUSTERING MENGGUNAKAN DBSCAN DAN SUBCLU UNTUK PROYEKSI PEKERJAAN ALUMNI PERGURUAN TINGGI Beserta perangkat yang ada (jika diperlukan). Dengan hak Bebas Royalti Non- Eksklusif ini, Universitas Sumatera Utara Berhak menyimpan, mengalih media, menformat, mengelola dalam bentuk database, merawat dan mempublikasikan tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta. Demikian pernyataan ini dibuat dengan sebenarnya. Medan, 28 Agustus 2013 Anni Rotua Aritonang NIM

6 Telah diuji pada Tanggal : 28 Agustus 2013 PANITIA PENGUJI TESIS Ketua : Dr. Poltak Sihombing, M.Kom Anggota : Dr. Sutarman, M.Sc 1. Prof. Dr. Muhammad Zarlis 2. Dr. Erna Budhiarti Nababan, M. IT 3. Dr. Zakarias Situmorang, MT

7 RIWAYAT HIDUP DATA PRIBADI Nama : Anni Rotua Aritonang TempatdanTanggalLahir : Tarutung, 03 Oktober 1980 AlamatRumah : Jln. Pelangi No.42 Medan Telepon : anniaritonang@yahoo.co.id Instansitempatbekerja : SMK Negeri 10 Medan Alamat Kantor : Jln. T. Cik.Ditiro Teleponkantor : DATA PENDIDIKAN SD : Inpres Tamat: 1992 SLTP : Negeri3 Tarutung Tamat: 1996 SLTA : HKBP 1 Tarutung Tamat: 1998 Strata-1 : STMIK Sisingamangaraja XII Tamat: 2008 S-2 : Teknik Informatika USU Tamat : 2013

8

9 ABSTRAK Subspace clustering diproyeksikan sebagai teknik pencarian untuk mengelompokkan data atau atribut pada klaster yang berbeda, Pengelompokan dilakukan dengan menentukan tingkat kerapatan data dan juga mengidentifikasi outlier atau data yang tidak relevan, sehingga masingmasing cluster ada dalam subset tersendiri. Tesis ini mengusulkan inovasi algoritma subspace clustering based on density connection. Pada tahap awal akan dihitung kerapatan dimensi, hasil kerapatan dimensi akan dijadikan data masukan untuk menentukan klaster awal yang berdasarkan kerapatan dimensi, yakni dengan menggunakan Algoritma DBSCAN. Data pada setiap klaster kemudian akan diuji apakah memiliki hubungan dengan data pada klaster yang lain, yakni dengan menggunakan Algoritma SUBCLU. Hasil dari penelitian ini ditemukan bahawa SUBCLU tidak memiliki un-cluster dataset nyata, sehingga persepsi hasil cluster akan menghasilkan informasi yang lebih akurat sedangkan untuk kepuasan kerja dataset DBSCAN membutuhkan waktu lebih lama daripada metode SUBCLU. Untuk lebih besar dan lebih kompleks data, kinerja SUBCLU terlihat lebih efisien daripada DBSCAN. Key Word : Subspace clustering, DBSCAN, SUBCLU.

10 SUBSPACE CLUSTERING ANALYSIS USING DBSCAN AND SUBCLU FOR PROJECTING COLLEGE ALUMNI JOB ABSTRACT Subspace clustering is projected as a search technique to classify the data or attributes in different clusters, grouping is done by determining the density of data and also identify outliers or data that is not relevant, so that each cluster exists in its own subset. This thesis proposes innovation subspace clustering algorithm based on density connection. In the early stages will be counted dimensional density, density results will be used as input data dimensions to determine the initial clusters based on density-dimensional, ie, by using the DBSCAN algorithm. Data on each cluster will then be tested whether having a relationship with the other data on the cluster, by using Algorithm SUBCLU.Results of this study found bahawa SUBCLU not have an unclustered real dataset, so the perception of the results of the cluster will produce more accurate information for job satisfaction dataset whereas DBSCAN takes more time than the method SUBCLU. For larger and more complex the data, the performance SUBCLU looks more efficient than DBSCAN. Key Word : Subspace clustering, DBSCAN, SUBCLU.

11 KATA PENGANTAR Terpujilah Tuhan yang telah melimpahkan rahmat dan kasihnya sehingga penulis dapat menyelesaikan penyusunan tesis ini dengan baik. Tesis ini merupakan salah satu syarat untuk menyelesaikan studi pada magister Teknik Informatika Universitas Sumatera Utara, adapun judul tesis ini adalah ANALISIS SUBSPACE CLUSTERING MENGGUNAKAN DBSCAN DAN SUBCLU UNTUK PROYEKSI PEKERJAAN ALUMNI PERGURUAN TINGGI. Penulis menyadari sepenuhnya bahwa tulisan ini masih jauh dari sempurna, untuk itu penulis mengharapkan kritik dan saran yang membangun demi kesempurnaan tesis ini. Pada kesempatan ini dengan segala kerendahan hati dan ketulusan hati, penulis ingin menyampaikan ucapan terima kasih yang sebesar-besarnya kepada: 1. Bapak Dekan Prof. Dr. Muhammad Zarlis dan sekaligus sebagai penguji yang telah banyak membimbing dan memberi masukan kepada penulis 2. Bapak Dr. Poltak Sihombing, M.kom selaku pembimbing I dan bapak Dr. Sutarman M,Sc selaku pembimbing II, yang selama ini telah memberikan waktu dan bimbingan, saran dan masukan yang membangun dan mengarahkan penulisan ini ke arah yang lebih baik. 3. Ibu Dr. Erna Budhiarti Nababan,M.TI dan bapak Dr. Zakarias Situmorang, MT selaku penguji yang telah memberikan kritikan dan saran yang membangun yang sangat berguna dalam perbaikan penulisan tesis ini. 4. Bapak Andri, M.Com selaku sekretaris Jurusan magister S2 Teknik Informatika yang telah banyak memberi masukan kepada penulis selama perkuliahan, kepada para dosen yang selama perkuliahan telah memberikan ilmunya kepada penulis, 5. Kepada para pegawai di Fakultas Ilmu Komputer khususnya program studi S2 Teknik informatika yang telah banyak membantu dalam pengurusan administrasi. 6. Terima kasih tak terhingga buat seluruh keluarga yang selalu memberikan dukungan dan jadi penyemangat serta mendoakan penulis, khusunya ibunda tercinta R. Br. Simorangkir, Kakak, abang dan adek yang terkasih yang telah memberikan dukungan dan semangat kepada penulis.

12 7. Teman-teman di S2 TI dan para sahabat saya yang telah banyak memberikan masukan dan dukungan kepada penulis, teman-teman di Israfel Choir HKBP Sudirman yang selalu memberi semangat dan mendoakan penulis. Penulis menyadari masih banyak kekurangan dalam penulisan tesis ini, oleh karena itu penulis menerima saran dan masukan yang bersifat membangun untuk pengembangan tesis ini. Semoga tesis ini berguna bagi pembaca. Semoga semua pertolongan yang telah diterima penulis dibalas oleh Tuhan Yang Maha Pengasih dengan berkat yang berlimpah. Akhir kata penulis mengucapkan banyak terima kasih.

13 DAFTAR ISI PERSETUJUAN PERNYATAAN PERNYATAAN PERSETUJUAN PUBLIKASI ILMIAH UNTUK KEPENTINGAN AKADEMIS PENETAPAN PANITIA PENGUJI TESIS RIWAYAT HIDUP KATAPENGANTAR i DAFTAR ISI iii DAFTAR GAMBAR v DAFTAR TABEL vii ABSTRAK viii ABSTRACT ix BAB 1 PENDAHULUAN 1.1 Latar Belakang Perumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian 4 BAB 2 TINJAUAN PUSTAKA 2.1 Pendahuluan Fungsi dan Tugas Data Mining TeknikPertambanganData DanAplikasinya Klustering Algoritma Clustering Subspace Clustering DBSCAN SUBCLU 15

14 BAB III METODELOGI PENELITIAN 3.1 Pendahuluan Subjek Penelitian Rancangan Penelitian Alur Kerja Aplikasi Multidimensi dan Analisis strategi data Analisis Klustering data Analisis Clustering Analisis Subspace Clustering Subspace Cluster Berbasiskan Density Connection Kepadatan Data 24 BAB IV HASIL DAN PEMBAHASAN 4.1 Implementasi Data Analisis Clustering Subspace Clustering berbasis density Conection Hasil Penelitian Evaluasi Kinerja Efisiensi Kerja Data Akurat 46 BAB V KESIMPULAN DAN SARAN 5.1 Kesimpulan Saran 49 DAFTAR PUSTAKA 50

15 DAFTAR GAMBAR Gambar 2.1 Struktur sistem datamining 5 Gambar 2.2 Tahapan proses sistem 5 Gambar 2.3 Struktur data mining taksonomi 9 Gambar 2.4 Teknik dalam data mining 10 Gambar 2.5 Contoh dalam clustering 12 Gambar 2.6 Proses clustering data 14 Gambar 2.7 Eps-neighborhood. 16 Gambar 3.7 Strategianalisisdata miningmultidimensipenelitian 20 Gambar3.8 Analisa strategi data mining 21 Gambar 3.9 Inisialisasi Kluster 22 Gambar 3.10 Langka-langkah Penelitian 24 Gambar 3.11 Density Based Cluster 25 Gambar 3.12 Kepadatan data yang saling terhubung 26 Gambar4.1 Data1dimensimenggunakanDBSCAN 31 Gambar4.1 Terpisahmultidimensimenjadi 1-dimensi 33 Gambar 4.3 Distribusi Data Dataset 34 Gambar 4.4 Distribusi Data dataset kerja memenuhi sesuai bidang kompetensi 35 Gambar 4.5 Distribusi Data Mahasiswa Medicom tahun Gambar4.6 DistribusiData Mahasiswa Medicom tahun Gambar4.7 DistribusiData Mahasiswa Medicom tahun Gambar4.8 DistribusiData Mahasiswa Medicom tahun Gambar4.9 DistribusiData Mahasiswa Medicom tahun Gambar4.10 DistribusiData Mahasiswa Medicom tahun Gambar4.11 Jumlah cluster dataset secara realtime 40 Gambar 4.12 Pengelompokandatasetcluster denganfires 41 Gambar 4.13 Pengelompokan dataset cluster dengan INSCY 41 Gambar 4.14 Pengelompokan dataset berdasarkan SUBCLU 41 Gambar 4.15 Pengelompokan data menurut kualifikasi ketepatan serapan kerjaan menggunakan fires 42

16 Gambar 4.16 Pengelompokan data menurut kualifikasi ketepatan serapan kerjaan menggunakan DB-SCAN 42 Gambar 4.18 Pengelompokan data menurut kualifikasi ketepatan serapan kerjaan menggunakan Subclu 42 Gambar 4.17 JumlahclusterTertinggidatasetmenurut alumni 43 Gambar 4.18 DataA-cluster datasetnyata 43 Gambar 4.19 DataUn-cluster yang lebih tinggidatasetperguruan tinggi 44 Gambar 4.20 Waktu prosespengelompokandatasetnyata 44 Gambar 4.21 Waktu prosesdaripengelompokanyang tertinggi dari datasetlembaga pendidikan 46 Gambar 4.22 Hasil akurasidataset 47

17 DAFTAR TABEL Tabel 2.1 Beberapa permasalahan dalam lingkup pribadi yang umum dengan masalah dalam perguruan tinggi 8 Tabel 4.1 Contoh Data daripada mahasiswa Tabel 4.2 Example of Initial Data 30 Tabel 4.3 Hasilterpisahmultidimensimenjadi 1-dimensi 31 Tabel 4.4 HasilpengelompokanberdasarkanDBSCAN 32 Tabel 4.5 Nilai yang dihasilkan olehsubspacecluster 33 Table 4.6 Result of Group of Subspace Cluster 33 Table 4.7 Properti dari dataset 34

18

19