IMPLEMENTASI ALGORITMA C4.5 UNTUK KLASIFIKASI BIDANG KERJA ALUMNI DI STMIK LPKIA BANDUNG

Transkripsi

1 IMPLEMENTASI ALGORITMA C4.5 UNTUK KLASIFIKASI BIDANG KERJA ALUMNI DI STMIK LPKIA BANDUNG 1 Ati Suci Dian Martha, 2 Afryanto Redy 1 Program Studi Sistem Informasi STMIK LPKIA 1 Program Studi Sistem Informasi STMIK LPKIA Jln. Soekarno Hatta N0.456 Bandung 40266, Telp , Fax aciantha@gmail.com, 2 afryanto70@gmail.com : Abstrak Berdasarkan data tracer study STMIK LPKIA, banyak alumni yang bekerja sesuai dengan jurusan, dan alumni yang berkerja yang tidak sesuai dengan jurusan. Sementara itu sistem informasi yang ada saat ini belum dapat menggali lebih jauh informasi dari banyaknya data yang tersimpan untuk dijadikan sebuah pengetahuan, oleh karena itu perlu dilakukan penelitian dengan membuat aplikasi penerapan data mining dengan metode klasifikasi menggunakan algoritma C4.5. Algoritma C4.5 ini merupakan algoritma decision tree terbaik menurut IEEE. Algoritma C4.5 berkerja secara iteratif dengsn menghitung nilai gain tertinggi yang diperoleh berdasarkan penghitungan Entropy masing-masing atribut. Atribut yang digunakan dalam penelitian ini diantaranya: Konsentrasi, Area Pekerjaan, Kesesuaian, Jabatan. Aplikasi ini menghasilkan informasi berupa pohon keputusan, setiap keputusan yang muncul merupakan hasil pencocokan nilai masukan dengan aturan-aturan hasil pembelajaran data kasus. Kata Kunci : : Klasifikasi Bidang Kerja, datamining, Algoritma C Pendahuluan Dunia kerja merupakan aspek penting yang harus diperhatikan oleh mahasiswa sebelum lulus dari perguruan tinggi. Pengetahuan yang memadai tentang dunia kerja akan membawa konsekuensi logis bagi mahasiswa untuk mempersiapkan diri sebaik-baiknya sebelum berkerja. STMIK LPKIA merupakan salah satu perguruan tinggi yang ada di Indonesia yang berdiri sejak tahun STMIK LPKIA sebagai salah satu perguruan tinggi komputer di kota Bandung telah meluluskan ratusan bahkan ribuan mahasiswa dari dua program studi yaitu teknik informatika dan sistem informasi. Mahasiswa lulusan LPKIA sebagian sudah ada yang mendapatkan perkerjaan sebelum diwisuda. Semua data lulusan LPKIA di simpan di dalam database tracer study. Database tracer study di STMIK LPKIA yang besar menyimpan banyak pengetahuan baru dan informasi potensial jika digali dengan benar serta dapat dimanfaatkan oleh pihak manajemen LPKIA. Walaupun LPKIA tersebut telah memiliki database berkaitan dengan lulusan yang sudah bekerja namun belum dapat digali informasi mengenai klasifikasi bidang pekerjaannya. Padahal klasifikasi bidang kerja lulusan perlu dilakukan guna mempersiapkan mahasiswa untuk bekerja sesuai dengan kompetensinya dengan melihat beberapa variabel atau atribut yang berpengaruh misalnya IPK, nilai matakuliah, program studi, jenis kelamin dan lain sebagainya. Penggunaan data mining dapat digunakan sebagai pertimbangan dalam mengambil

2 keputusan lebih lanjut tentang klasifikasi bidang kerja alumni STMIK LPKIA. Proses tradisional jika didukung teknik data mining dapat membantu untuk menemukan pola, struktur dan pengetahuan yang berharga Adapun permasalahan yang ditemukan pada impleemntasi algoritma C4.5 adalah mengimplementasikan algoritma C45 untuk menentukan kalsifikasi bidang kerja alumni STMIK LPKIA? Berdasarkan permasalahan yang ada diatas maka perlu membatasi ruang lingkup dari permasalahan tersebut. Adapun permasalahan yang kan dibahas meliputi: 1. Membahas teknik penggunaan algoritma data mining menggunakan algoritma C Membahas klasifikasi algoritma C4.5 pada bidang kerja alumni Adapaun tujuan dari perancangan sistem yang baru adalah untuk mengimplementasikan algoritma C45 untuk menentukan klasifikasi bidang kerja alumni. 1.1 Landasa Teori Data Mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam basis data. Data Mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai basis data besar Pohon Keputusan atau Decision Tree merupakan representasi sederhana dari teknik klasifikasi untuk sejumlah kelas berhingga, dimana simpul internal maupun simpul akar ditandai dengan nama atribut, rusuk-rusuknnya diberi label nilai atribut yang mungkin dan simpul daun ditandai dengan kelas-kelas yang berbeda Secara umum algorima C4.5 untuk membangun pohon keputusan adalah sebagai berikut : 1. Pilih atribut sebagai node akar. 2. Buat cabang untuk tiap-tiap nilai. 3. Bagi kasus dalam cabang. 4. Ulangi proses untuk setiap cabang sampai semua kasus pada cabang memiliki kelas yang sama (Kusrini & Luthfi, 20) Untuk memilih atribut sebagai node akar, didasarkan pada nilai Gain tertinggi dari atribut-atribut yang ada. Untuk menghitung Gain digunakan rumus seperti tertera dalam persamaan berikut Gain(S, A) = Entropy n i=1 Si s Entropy Keterangan: S : Himpunan Kasus A : Attribut n : jumlah partisi attribut Si : jumlah kasus pada partisi ke i S : jumlah kasus dalam S Setelah mendapatkan nilai Gain, ada satu hal lagi yang perlu kita lakukan perhitungan, yaitu mencari nilai Entropy. Entropy digunakan untuk menentukan seberapa informatif sebuah masukan atribut untuk menghasilkan keluaran atribut. Rumus dasar dari Entropy tersebut adalah sebagai berikut : n Entropy = pi log 2 pi i=1

3 2. Gambaran Perangkat Lunak 2.1 Aliran Proses Use Case Diagram Use case diagram menggambarkan fungsionalitas yang diharapkan dari sistem dan merepersentasikan interaksi antara actor dengan sistem Implementasi perhitungan 1 Gambar 1 Use Case Diagram Class Diagram Class diagram adalah suatu diagram yang menyediakan sekumpulan class objek antar muka interface dan relasinya dan juga untuk memodelkan database logic Implementasi Perhitungan 2 Gambar 2 Class Diagram

4 2.1.5 Algoritma Rumus Perhitungan1 Entropy Area Pekerjaan Entropy (Total, Jasa) = ( 5 8 log 2 ( 5 8 ) + ( 3 8 log 2( 3 8 ) = Entropy (Total, Konsultan) = ( 2 6 log 2( 2 6 ) + ( 4 6 log 2( 4 6 ) = Entropy (Total, Industri) = ( 5 9 log 2( 5 9 ) + ( 4 9 log 2( 4 9 ) = Entropy Jabatan Entropy (Total, IT) = ( 6 12 log 2 ( ( 6 12 Entropy (Total, Non IT) = ( 6 2( 6 + ( 5 log 2 ( 5 Gain (Total, Konsentrasi) ( 12 ( = Gain (Total, Area Pekerjaan) ( ( ( = Gain (Total Area Pekerjaan) = ( ( = Algoritma Rumus Perhitungan1 Entropy Konsentrasi Entropy (Total, SI) = ( 5 7 log 2 ( 5 7 ) + ( 2 7 log 2( 2 7 ) = Entropy (Total, TI) = ( 4 log 2 ( 4 ) + ( 7 log 2( 7 ) = 0.82 Entropy Area Pekerjaan Entropy (Total, Jasa) = ( 3 5 log 2 ( 3 5 ) + ( 2 5 log 2( 2 5 ) = Entropy (Total, Konsultan) = ( 1 3 log 2( 1 3 ) + ( 2 3 log 2( 2 3 ) = Entropy (Total, Industri) = ( 2 3 log 2( 2 3 ) + ( 1 3 log 2( 1 3 ) = Gain (Total, Konsentrasi) ( ( = Gain (Total, Area Pekerjaan) ( ( ( = Decision Tree Perhitungan Decision Tree Perhitungan2

5 3. Implementasi Antar Muka C. Tampilan Tabel Perhitungan A. Tampilan Halaman Login B. Tampilan Halamn Home D. Tampilan Decision Tree