ANALISIS PERBANDINGAN ALGORITMA DECISION TREE DENGAN ALGORITMA RANDOM TREE UNTUK PROSES PRE PROCESSING DATA TESIS SAIFULLAH

Transkripsi

1 ANALISIS PERBANDINGAN ALGORITMA DECISION TREE DENGAN ALGORITMA RANDOM TREE UNTUK PROSES PRE PROCESSING DATA TESIS SAIFULLAH PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

2 ANALISIS PERBANDINGAN ALGORITMA DECISION TREE DENGAN ALGORITMA RANDOM TREE UNTUK PROSES PRE PROCESSING DATA TESIS Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika SAIFULLAH PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2013

3 PERSETUJUAN Judul : ANALISIS PERBANDINGAN ALGORITMA DECESION TREE DENGAN ALGORITMA RANDOM TREE UNTUK PROSES PRE PROCESSING DATA Nama Mahasiswa : SAIFULLAH Nomor Induk Mahasiswa : Program Studi : MAGISTER TEKNIK INFORMATIKA Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Dr. Zakarias Situmorang Prof. Dr. Muhammad Zarlis Diketahui/disetujui oleh Magister Teknik Informatika Ketua, Prof. Dr. Muhammad Zarlis NIP :

4 PERNYATAAN ANALISIS PERBANDINGAN ALGORITMA DECISION TREE DENGAN ALGORITMA RANDOM TREE UNTUK PROSES PRE PROCESSING DATA TESIS Saya mengakui semua karya tesis ini adalah hasil kerja saya sendiri kecuali kutipan dan ringkasan yang tiap bagiannya telah dijelaskan sumbernya. Medan, 19 Desember 2013 SAIFULLAH NIM :

5 PERNYATAAN PERSETUJUAN PUBLIKASI Sebagai sivitas akademika, saya yang bertanda tangan di bawah ini: Nama : SAIFULLAH NIM : Program Studi : Magister (S2) Teknik Informatika Jenis Karya Ilmiah : TESIS Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Hak Bebas Royalti Non-Eksklusif (Non-Exclusive Royalty free Right) atas Tesis saya yang berjudul: ANALISIS PERBANDINGAN ALGORITMA DECISION TREE DENGAN ALGORITMA RANDOM TREE UNTUK PROSES PRE PROCESSING DATA Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non- Eksklusif ini, berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan Tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan/atau sebagai pemilik hak cipta. Demikian pernyataan ini dibuat dengan sebenarnya. Medan, 19 Desember 2013 SAIFULLAH NIM :

6 Telah diuji pada Tanggal : 19 Desember 2013 PANITIA PENGUJI TESIS Ketua : Prof. Dr. Muhammad Zarlis Anggota : 1. Dr. Zakarias Situmorang 2. Prof. Dr. Herman Mawengkang 3. Prof. Dr. Tulus 4. Dr. Erna Budhiarti Nababan, M.IT

7 RIWAYAT HIDUP DATA PRIBADI Nama lengkap (berikut gelar) : Saifullah, S.Kom Tempat dan Tanggal Lahir : Kota Pari, 07 Mei 1979 Alamat Rumah : Jl. Tanah Jawa No. 42 Pematangsiantar Telepon / HP : saiful_siantar@yahoo.com Instansi Tempat Bekerja : AMIK Tunas Bangsa Alamat Kantor : Jl. Jendral Sudirman Blok A No. 1,2,3 Pematangsiantar Telepon : (0622) DATA PENDIDIKAN SD : SD NEGERI Kota Pari Tamat : 1992 SLTP : SMP NEGERI 1 Pantai Cermin Tamat : 1995 SLTA : SMA NEGERI 1 Perbaungan Tamat : 1998 D3 : AMIK Tunas Bangsa Pematangsiantar Tamat : 2006 Strata-1 : STMIK TIME Medan Tamat : 2010 Strata-2 : TEKNIK INFORMATIKA USU Tamat : 2013

8 KATA PENGANTAR Puji syukur kehadirat Allah SWT Tuhan Yang Maha Esa atas segala limpahan rakhmad dan karunia-nya sehingga Tesis ini dapat diselesaikan melalui bimbingan, arahan dan bantuan yang diberikan berbagai pihak khususnya pembimbing, pembanding, para dosen, rekan-rekan mahasiswa/i, khususnya mahasiswa/i Program Studi Magister (S2) Teknik Informatika di FASILKOM. Tesis dengan judul: Analisis Perbandingan Algoritma Decision Tree Dengan Algoritma Random Tree Untuk Proses Pre Processing Data adalah merupakan Tesis dan syarat untuk memperoleh gelar Magister Komputer dalam Program Studi Magister (S2) Teknik Informatika pada Program Pascasarjana Fasilkom-TI. Dengan selesainya tesis ini, perkenankanlah penulis mengucapkan terima kasih yang sebesar-besarnya kepada: Ketua Yayasan Muhammad Nasir AMIK Tunas Bangsa Pematangsiantar H. Maulia Ahmad Ridwan Syah yang telah memberikan izin, bantuan moril dan materil dan kesempatan kepada penulis untuk mengikuti pendidikan lanjutan pada Program Pascasarjana Fasilkom-TI. Direktur AMIK Tunas Bangsa Pematangsiantar Rahmat Widia Sembiring SE, Msc.IT dan Plt. Direktur Dedy Hartma, ST, M.Kom yang telah memberikan izin, bantuan moril dan materil dan motivasi dalam penyelesaikan pendidikan Program Magister (S2). Rektor, Prof. Dr. dr. Syahril Pasaribu, DTM&H, M,Sc (CTM), Sp. A(K) atas kesempatan yang diberikan kepada penulis untuk mengikuti dan menyelesaikan pendidikan Program Magister (S2). Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, Prof. Dr. Muhammad Zarlis atas kesempatan yang diberikan kepada penulis menjadi mahasiswa Program Magister (S2) pada Program Pascasarjana Fasilkom. Ketua Program Studi Magister (S2) Teknik Informatika, Prof. Dr.

9 Muhammad Zarlis, Sekretaris Program Studi Magister (S2) Teknik Informatika M. Andri Budiman, ST, M. Comp. Sc, M.EM beserta seluruh Staff dan Staff Pengajar pada Program Studi Magister (S2) Teknik Informatika Program Pascasarjana Fasilkom-TI, yang telah bersedia membimbing penulis, sehingga dapat menyelesaikan pendidika Pascasarjana. Terimakasih yang tak terhingga dan penghargaan setinggi-tingginya kami ucapkan kepada Prof. Dr. Muhammad Zarlis selaku Pembimbing Utama dan Dr. Zakarias Situmorang selaku Pembimbing Anggota yang dengan penuh kesabaran membimbing, memotivasi, memberikan dukungan moril, kritik dan saran serta memberikan bahan-bahan yang berkaitan dengan penyusunan tesis ini sehingga penulis dapat menyelesaikan tesis ini dengan baik. Terimakasih yang tak terhingga dan penghargaan setinggi-tingginya kami ucapkan kepada Prof. Dr. Herman Mawengkang, Prof. Dr. Tulus, dan Dr. Erna Budhiarti Nababan, M.IT sebagai pembanding, yang telah memberikan saran, masukan dan arahan yang baik demi penyelesaian tesis ini. Seluruh Staf Pengajar dan Administrasi, Program Studi Magister (S2) Teknik Informatika Program Pascasarjana Fakultas Ilmu Komputer dan Teknologi Informasi yang telah memberikan bantuan dan pelayanan yang baik kepada penulis selama mengikuti perkuliahan. Orangtua tercinta Ayahanda dan Ibunda, serta Ibu Mertua serta semua keluarga yang senantiasa mendoakan, dan memberikan dorongan kepada penulis. Anak tercinta, Inda Ramadhani yang selalu mendoakan, memberikan semangat, serta kesabarannya untuk menanti penulis pulang dalam masa pendidikan, budi baik ini tidak dapat dibalas hanya diserahkan kepada Allah SWT, Tuhan Yang maha Esa. Rekan Mahasiswa baik yang senior maupun Angkatan ke Tiga Program Studi Magister (S2) Fasilkom-TI dan Rekan Sejawat di AMIK Tunas Bangsa Pematangsiantar yang telah banyak membantu penulis selama mengikuti perkuliahan. Kepada semua pihak yang tidak dapat penulis sebutkan satu persatu dalam tesis ini, terima kasih atas segala bantuan yang diberikan. Sekecil apapun yang

10 Anda berikan untuk penulis turut menghantarkan penulis untuk menyelesaikan pendidikan yang ditempuh selama ini. Dengan segala kekurangan dan kerendahan hati, semoga kiranya Allah SWT Tuhan Yang Maha Kuasa membalas segala bantuan, kebaikan yang telah diberikan. Medan, 19 Desember 2013 Penulis, Saifullah

11 ABSTRAK Pemrosesan data sangatlah dibutuhkan beberapa metode untuk mendapatkan hasil yang lebih baik. Perbandingan-perbandingan dari metode tersebut sangat dibutuhkan untuk pengolahan data yang lebih baik. Penelitian ini ditujukan dataset sebagai inputan preprocessing, dan selanjutnya digunakan pada aplikasi model aturan algoritma decision tree, random tree dan random forest, menggunakan software rapidminer. Pohon Keputusan digunakan untuk membuat model aturan yang akan dipilih dalam mengambil keputusan. Dari pendekatan preprocessing data dan model aturan yang didapat, dapat menjadi perhatian bagi pengambil keputusan untuk melihat dan mengambil keputusan variabel mana yang harus diperhatikan untuk mendukung peningkatan kinerja karyawan. KataKunci : Pre-processing Data, Decision Tree, Random Tree, Random Forest.

12 ANALYSIS OF THE COMPARISON OF ALGORITHM DECISION TREE WITH ALGORITHM RANDOM TREE FOR DATA PRE-PROCESSING PROCESS ABSTRACT Data processing is needed several methods to get better results. Comparisons of these methods are needed to get better data processing. This research shows that a dataset as input preprocessing, and subsequently used in the application of the model rules of decision tree algorithm, random tree and random forest algorithm using the software RapidMiner. Decision trees are used to make the model rules to be selected in making decisions. From the data preprocessing approach and the model rules obtained can be a concern for decision makers to see and make decisions, which variables must be considered to support the improvement of employee performance. Keywords : Pre-processing Data, Decision Tree, Random Tree, Random Forest.

13 DAFTAR ISI Halaman KATA PENGANTAR i ABSTRAK iv ABSTRACT v DAFTAR ISI vi DAFTAR TABEL viii DAFTAR GAMBAR ix DAFTAR LAMPIRAN BAB I PENDAHULUAN Latar Belakang Perumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian 3 BAB II LANDASAN TEORI Pendahuluan Data Mining Decision Tree Random Tree Random Forest Preprocessing data Jenis-Jenis Metode Preprocessing Data 14 BAB III METODE PENELITIAN Pendahuluan Rancangan Penelitian Pelaksanaan Penelitian Perancangan Model Analisis Kontribusi Penelitian 19

14 BAB IV HASIL DAN PEMBAHASAN Pendahuluan Hasil Percobaan Diskripsi Sampel Data Hasil Processing Decision Tree Random Tree Random Forest Preprocessing dengan Missing Value Decision Tree Random Tree Random Forest 43 BAB V KESIMPULAN DAN SARAN Kesimpulan Saran 56 DAFTAR PUSTAKA 57 LAMPIRAN

15 DAFTAR TABEL Hal. Tabel 4.1. Deskripsi Data 21 Tabel 4.2. Keterangan Rule Grafik Decision Tree 23 Tabel 4.3. Keterangan Rule Grafik Random Tree 25 Tabel 4.4. Keterangan Rule Grafik Random forest Model 1 26 Tabel 4.5. Keterangan Rule Grafik Random forest Model 2 27 Tabel 4.6. Keterangan Rule Grafik Random forest Model 3 29 Tabel 4.7. Keterangan Rule Grafik Random forest Model 4 30 Tabel 4.8. Keterangan Rule Grafik Random forest Model 5 31 Tabel 4.9. Keterangan Rule Grafik Random forest Model 6 32 Tabel Keterangan Rule Grafik Random forest Model 7 34 Tabel Keterangan Rule Grafik Random forest Model 8 35 Tabel Keterangan Rule Grafik Random forest Model 9 36 Tabel Keterangan Rule Grafik Random forest Model Tabel Keterangan Rule Grafik Decision Tree 40 Tabel Keterangan Rule Grafik Random Tree 42 Tabel Keterangan Rule Grafik Random forest Model 1 44 Tabel Keterangan Rule Grafik Random forest Model 2 45 Tabel Keterangan Rule Grafik Random forest Model 3 46 Tabel Keterangan Rule Grafik Random forest Model 4 47 Tabel Keterangan Rule Grafik Random forest Model 5 49 Tabel Keterangan Rule Grafik Random forest Model 6 50 Tabel Keterangan Rule Grafik Random forest Model 7 51 Tabel Keterangan Rule Grafik Random forest Model 8 52 Tabel Keterangan Rule Grafik Random forest Model 9 53 Tabel Keterangan Rule Grafik Random forest Model 10 55

16 DAFTAR GAMBAR Hal. Gambar 2.1. Bidang Ilmu Data Mining 5 Gambar 2.2. Proses dari Data Mining 7 Gambar 3.1. Alur Pre Processing data 17 Gambar 4.1. Model Preprocessing Handle missing value as category dengan implentasi decision tree 22 Gambar 4.2. Hasil decision tree 22 Gambar 4.3. Rule decision tree dengan implentasi handle missing value category 23 Gambar 4.4. Model Preprocessing handle missing value as category dengan implementasi random tree 24 Gambar 4.5. Hasil random tree implentasi handle missing value as category 24 Gambar 4.6. Rule random tree dengan implementasi handle missing value as category 25 Gambar 4.7. Model 1 preprocessing handle missing value as category dengan implementasi random forest 26 Gambar 4.8. Model 1 handle missing value as category dengan implementasi random forest 26 Gambar 4.9. Teks model 1 rule random forest dengan implentasi handle missing value as category 27 Gambar Model 2 handle missing value as category dengan implementasi random forest 27 Gambar Teks model 2 rule random forest dengan implementasi handle missing value as category 28 Gambar Model 3 handle missing value as category dengan implementasi random forest 28 Gambar Teks model 3 rule random forest dengan implementasi handle missing value as category 29

17 Gambar Model 4 handle missing value as category dengan implementasi random forest 29 Gambar Teks Model 4 rule random forest dengan implementasi handle missing value as category 30 Gambar Model 5 handle missing value as category dengan implementasi random forest 30 Gambar Teks Model 5 rule random forest dengan implementasi handle missing value as category 31 Gambar Model 6 handle missing value as category dengan implementasi random forest 32 Gambar Teks model 6 rule random forest dengan implementasi handle missing value category 33 Gambar Model 7 handle missing value as category dengan implementasi random forest 33 Gambar Teks Model 7 rule random forest dengan implementasi handle missing value as category 34 Gambar Model 8 handle missing value as category dengan implementasi random forest 35 Gambar Teks Model 8 rule random forest dengan implementasi handle missing value as category 35 Gambar Model 9 handle missing value as category dengan implementasi random forest 36 Gambar Teks Model 9 rule random forest dengan implementasi hiandle missing value as category 37 Gambar Model 10 handle missing value as category dengan implementasi random forest 37 Gambar Teks Model 10 rule random forest dengan implementasi handle missing value as category 38 Gambar Model preprocessingnya missing value replenishment dengan implementasi decission tree 39

18 Gambar Hasil decission tree implementasi missing value replenishment 39 Gambar Rule decision tree dengan implementasi missing value replenishment 40 Gambar Model Preprocessing missing value replenishment dengan implementasi random tree 41 Gambar Hasil random tree implementasi missing value replenishment 41 Gambar Rule random tree dengan implementasi missing value replenishment 42 Gambar Model Preprocessingnya Missing value replenisment dengan implementasi random tree 43 Gambar Model 1 Missing value replenishment dengan implementasi random forest 43 Gambar Teks Model 1 rule random forest dengan implementasi missing value replenishment 44 Gambar Model 2 Missing value replenishment dengan implementasi random forest 44 Gambar Teks Model 2 rule random forest dengan implementasi missing value replenishment 45 Gambar Model 3 Missing value replenishment dengan implementasi random forest 46 Gambar Teks Model 3 rule random forest dengan implementasi missing value replenishment 47 Gambar Model 4 Missing value replenishment dengan implementasi random forest 47 Gambar Teks Model 4 rule random forest dengan implementasi missing value replenishment 48 Gambar Model 5 Missing value replenishment dengan implementasi random forest 48

19 Gambar Teks Model 5 rule random forest dengan implementasi missing value replenishment 49 Gambar Model 6 Missing value replenishment dengan implementasi random forest 49 Gambar Teks Model 6 rule random forest dengan implementasi missing value replenishment 50 Gambar Model 7 Missing value replenishment dengan implementasi random forest 51 Gambar Teks Model 7 rule random forest dengan implementasi missing value replenishment 51 Gambar Model 8 Missing value replenishment dengan implementasi random forest 52 Gambar Teks Model 8 rule random forest dengan implementasi missing value replenishment 53 Gambar Model 9 Missing value replenishment dengan implementasi random forest 53 Gambar Teks Model 9 rule random forest dengan implementasi missing value replenishment 54 Gambar Model 10 Missing value replenishment dengan implementasi random forest 54 Gambar Teks Model 10 rule random forest dengan implementasi missing value replenishment 55