LEMBAR PENGESAHAN. Klasifikasi Kendaraan Roda Empat Menggunakan Metode Naïve Bayes

Transkripsi

1 LEMBAR PENGESAHAN Klasifikasi Kendaraan Roda Empat Menggunakan Metode Naïve Bayes TUGAS AKHIR PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS WIDYATAMA Oleh : Fikri Arfiana 0609U062 Telah disetujui dan disahkan di Bandung Tanggal Mei 2014 Pembimbing, Sriyani Violina, S.T., M.T. NID Ka. Prodi Teknik Informatika, Dekan Fakultas Teknik, Sriyani Violina, S.T., M.T. Setiadi Yazid, Ir., M.Sc., Ph.D. NI D NID i

2 SURAT PERNYATAAN Saya yang bertandatangan dibawah ini : Nama : Fikri Arfiana Tempat dan Tanggal Lahir : Bandung, 13 April 1991 Alamat Orang Tua : Jl. Pasir Jaya VI No. 4 Bandung Menyatakan bahwa laporan tugas akhir ini adalah benar dan hasil karya saya sendiri. Bila terbukti tidak demikian, saya bersedia menerima segala akibatnya, termasuk pencabutan kembali gelar Sarjana Teknik yang telah saya peroleh. Bandung, Mei 2014 FIKRI ARFIANA ii

3 ABSTRACT A motor vehicle is the tool most needed as a medium of transport. Currently, the public at large need a private vehicle rather than public transport, so the need for private vehicles is increasing. To get the vehicle they think fit to be ridden with family needed a classification. The classification is incomplete if don't use a method to strengthen the results, therefore the unambiguous Naïve Bayes method is expected to help the needs of the community in determining the appropriate vehicle for his family. Application of Naive Bayes algorithm on the data of four-wheeled motor vehicles using a classification model that will classify a characteristics (attributes) that will fit into in a class unacc, acc, good or vgood with accuracy which has been calculated before. Methods in software development using waterfall. Used in this application also aids in implementing Microsoft visual studio 2008 as an interface system, Microsoft access 2003 as the database processing and Unified Modeling Language (UML) as analysis design. Naive Bayes classifying algorithm performance in four-wheeled motor vehicle data seen from the level of accuracy. The average accuracy of the results obtained from testing with some comparative data for training and testing data of %, the highest accuracy on average by % and % of the lowest accuracy. Keywords: Classification, Motor Vehicle, Naïve Bayes iii

4 ABSTRAK Kendaraan bermotor merupakan alat yang paling dibutuhkan sebagai media transportasi. Saat ini, masyarakat luas membutuhkan kendaraan pribadi ketimbang kendaraan umum, sehingga kebutuhan akan kendaraan pribadi meningkat. Untuk mendapatkan kendaraan yang menurut mereka cocok untuk kendarai bersama keluarga dibutuhkan sebuah klasifikasi. Klasifikasi tidaklah lengkap jika tidak menggunakan sebuah metode untuk memperkuat hasilnya, oleh karena itu digunakanlah metode Naïve Bayes yang diharapkan dapat membantu kebutuhan masyarakat dalam menentukan kendaraan yang tepat untuk keluarganya. Penerapan algoritma Naive Bayes pada data kendaraan bermotor roda empat ini menggunakan model klasifikasi yang akan mengelompokkan suatu karakteristik (atribut) yang akan masuk ke dalam kelas kurang cocok, cocok, bagus atau sangat bagus dengan akurasi yang telah dihitung sebelumnya. Metode dalam pembangunan perangkat lunak ini menggunakan waterfall. Pada aplikasi ini digunakan juga alat bantu dalam melakukan implementasi dengan menggunakan Microsoft Visual Studio 2008 sebagai interface sistem, Microsoft Access 2003 sebagai pengolahan basis data dan Unified Modeling Language (UML) sebagai perancangan analisis. Kinerja dari algoritma Naive Bayes dalam mengklasifikasi data kendaraan bermotor roda empat dilihat dari tingkat akurasinya. Hasil rata-rata akurasi yang diperoleh dari pengujian dengan beberapa perbandingan pembagian data latih dan juga data uji sebesar % yang dimana rata-rata akurasi tertinggi sebesar % dan akurasi terendah sebesar %. Kata Kunci : Klasifikasi, Kendaraan Bermotor, Naïve Bayes iv

5 KATA PENGANTAR Assalamualaikum, Wr, Wb, Alhamdulillah Hirobbil aalamin, segala puji serta syukur penulis panjatkan kehadirat Allah SWT, karena atas segala Rahmat, Karunia dan Kehendak-Nya lah akhirnya penulis bisa menyelesaikan Laporan Tugas Akhir yang berjudul Klasifikasi Kendaraan Roda Empat Menggunakan Metode Naïve Bayes. Banyak sekali kesulitan dan hambatan yang penulis hadapi dalam menyusun laporan ini, akan tetapi berkat bantuan, bimbingan dan dorongan dari banyak pihak, akhirnya Laporan Tugas Akhir ini dapat penulis selesaikan sebagaimana mestinya. Untuk itu penulis mengucapkan terima kasih dan penghargaan yang setinggitingginya kepada seluruh pihak yang telah memberikan bantuan baik pikiran, tenaga, maupun waktu, sehingga Laporan Tugas Akhir ini dapat diselesaikan. Dalam kesempatan ini penulis mengucapkan banyak terima kasih kepada : 1. Kedua Orang tua penulis, Mamah dan Papah terima kasih atas kepercayaan, dorongan, doa yang diberikan tiada henti pada penulis. 2. Kedua kakak penulis, Teh Fitri dan A Irfan yang selalu memberikan dorongan agar selalu fokus terhadap target yang akan dicapai dalam penyelesaian tugas akhir. 3. Ibu Sriyani Violina, S.T., M.T. selaku dosen pembimbing yang telah meluangkan banyak waktu, tenaga, serta kesabarannya untuk membimbing penulis dalam menyelesaikan Laporan Tugas Akhir ini. 4. Bapak dan Ibu dosen pengajar di Jurusan Teknik, Fakultas Teknik Universitas Widyatama yang telah membekali penulis dengan berbagai ilmu pengetahuan. 5. Rekan-rekan IF Angkatan 2009, Ema Patmawati, Aditya Dwi Herfiansyah, Rafi Faisal, Try Yudhianto, Krishna Ayu Fitriana dan IF Angkatan 2008 yang telah banyak membantu dan memberikan semangat dalam menyelesaikan Laporan Tugas Akhir ini. 6. Semua pihak yang secara langsung maupun tidak langsung telah membantu penulis dalam menyelesaikan Laporan Tugas Akhir ini. v

6 Akhir kata, penulis memohon maaf yang sebesar-besarnya atas kesalahan, keterbatasan dan segala kekurangan dalam penulisan ataupun isi laporan ini. Semoga Allah SWT memberikan limpahan Rahmat dan Hidayah-Nya atas segala kebaikan yang telah kalian berikan kepada penulis. Amin.. Wassalamualaikum, Wr, Wb. Bandung, Mei 2014 Penulis, Fikri Arfiana vi

7 DAFTAR ISI LEMBAR PENGESAHAN... i SURAT PERNYATAAN... ii ABSTRACT... iii ABSTRAK... iv KATA PENGANTAR... v DAFTAR ISI... vii DAFTAR TABEL... x DAFTAR GAMBAR... xi DAFTAR SIMBOL... xii DAFTAR LAMPIRAN... xiv BAB I PENDAHULUAN 1.1 Latar Belakang Masalah... I Rumusan Masalah... I Tujuan Penelitian... I Batasan Masalah... I Metodologi Penelitian... I Sistematika Penulisan... I-5 BAB II KEADAAN LANDASAN TEORI 2.1 Naïve Bayes Classifier... II Teorema Bayes... II Naïve Bayes untuk Klasifikasi... II Karakteristik Naïve Bayes... II Klasifikasi... II Konsep Klasifikasi... II Model Klasifikasi... II Pengukuran Kinerja Klasifikasi... II-6 vii

8 2.3 Pengertian Kendaraan Bermotor... II-7 BAB III ANALISIS SISTEM 3.1 Identifikasi Masalah... III Klasifikasi Menggunakan Naïve Bayes... III Perhitungan Manual Menggunakan Metode Naïve Bayes... III Pelatihan... III Pengujian... III Hasil Analisis... III Kebutuhan Perangkat Lunak... III Pemodelan Sistem yang Akan Dibangun... III Definisi Aktor... III Definisi Use Case... III Use Case Diagram... III Skenario Use Case Diagram... III Diagram Kelas Tahap Analisis... III-20 BAB IV ANALISIS 4.1 Pemodelan Sistem Menggunakan Sequence Diagram... IV Pemodelan Sistem Menggunakan Class Diagram... IV Perancangan Antarmuka... IV-5 BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM 5.1 Lingkungan Implementasi... V Lingkungan Perangkat Keras (Hardware)... V Lingkungan Perangkat Lunak (Software)... V Implementasi File Fisik... V Implementasi Antarmuka... V Tampilan Utama... V Tampilan Pelatihan... V Tampilan Pengujian... V Tampilan Hasil Akurasi... V-5 viii

9 5.3.5 Tampilan Uji Data Sendiri... V Implementasi Basis Data... V Pengujian Sistem... V Pengujian Impelementasi... V Pengujian Klasifikasi dengan Input Uji Data Sendiri... V-21 BAB VI PENUTUP 6.1 Kesimpulan... VI Saran... VI-1 DAFTAR PUSTAKA LAMPIRAN ix

10 DAFTAR TABEL Tabel 3.1 Data Kendaraan... III-2 Tabel 3.2 Probabilitas fitur dan kelas... III-5 Tabel 3.3 Hasil Pengujian Data... III-13 Tabel 3.4 Definisi Aktor... III-17 Tabel 3.5 Definisi Use Case... III-17 Tabel 3.6 Skenario Use Case Pelatihan... III-19 Tabel 3.7 Skenario Use Case Pengujian... III-19 Tabel 3.8 Skenario Use Case Uji Data Sendiri... III-20 Tabel 3.9 Skenario Use Case Hasil Akurasi... III-20 Tabel 3.10 Deskripsi Diagram Kelas Tahap Analisis... III-21 Tabel 5.1 Implementasi File Fisik... V-2 Tabel 5.2 Tabel Data Kendaraan... V-8 Tabel 5.3 Tabel Pengujian Sistem... V-9 Tabel 5.4 Tingkat Pembagian Data Latih dan Data Uji... V-10 Tabel 5.5 Pembagian 90% Pelatihan dan 10% Pengujian... V-10 Tabel 5.6 Pembagian 80% Pelatihan dan 20% Pengujian... V-12 Tabel 5.7 Pembagian 70% Pelatihan dan 30% Pengujian... V-13 Tabel 5.8 Pembagian 60% Pelatihan dan 40% Pengujian... V-14 Tabel 5.9 Pembagian 50% Pelatihan dan 50% Pengujian... V-15 Tabel 5.10 Pembagian 40% Pelatihan dan 60% Pengujian... V-16 Tabel 5.11 Pembagian 30% Pelatihan dan 70% Pengujian... V-17 Tabel 5.12 Pembagian 20% Pelatihan dan 80% Pengujian... V-18 Tabel 5.13 Pembagian 10% Pelatihan dan 90% Pengujian... V-19 Tabel 5.14 Rata-rata Akurasi yang Telah Dilakukan... V-20 x

11 DAFTAR GAMBAR Gambar 1.1 Diagram Input Proses Output... I-3 Gambar 1.2 Model Waterfall... I-5 Gambar 2.1 Proses Klasifikasi... II-5 Gambar 3.1 Flow chart Naïve Bayes... III-2 Gambar 3.2 Use Case Diagram... III-18 Gambar 3.3 Diagram Kelas Tahap Analisis... III-21 Gambar 4.1 Sequence Diagram Pelatihan... IV-1 Gambar 4.2 Sequence Diagram Pengujian... IV-2 Gambar 4.3 Sequence Diagram Uji Data Sendiri... IV-3 Gambar 4.4 Sequence Diagram Hasil Akurasi... IV-4 Gambar 4.5 Diagram Kelas Perancangan... IV-5 Gambar 5.1 Tampilan Utama... V-3 Gambar 5.2 Tampilan Pelatihan... V-4 Gambar 5.3 Tampilan Pengujian... V-5 Gambar 5.4 Tampilan Hasil Akurasi... V-6 Gambar 5.5 Tampilan Uji Data Sendiri... V-7 Gambar 5.6 Grafik Pembagian 90% Pelatihan dan 10% Pengujian... V-11 Gambar 5.7 Grafik Pembagian 80% Pelatihan dan 20% Pengujian... V-12 Gambar 5.8 Grafik Pembagian 70% Pelatihan dan 30% Pengujian... V-13 Gambar 5.9 Grafik Pembagian 60% Pelatihan dan 40% Pengujian... V-14 Gambar 5.10 Grafik Pembagian 50% Pelatihan dan 50% Pengujian... V-15 Gambar 5.11 Grafik Pembagian 40% Pelatihan dan 60% Pengujian... V-16 Gambar 5.12 Grafik Pembagian 30% Pelatihan dan 70% Pengujian... V-17 Gambar 5.13 Grafik Pembagian 20% Pelatihan dan 80% Pengujian... V-18 Gambar 5.14 Grafik Pembagian 10% Pelatihan dan 90% Pengujian... V-19 Gambar 5.15 Grafik Hasil Akurasi... V-21 xi

12 DAFTAR SIMBOL Simbol-simbol yang digunakan dalam Use Case Diagram NO GAMBAR NAMA KETERANGAN Menspesifikasikan himpuan peran yang 1 Actor pengguna mainkan ketika berinteraksi dengan use case. 2 Include Menspesifikasikan bahwa use case sumber secara eksplisit. 3 Extend Menspesifikasikan bahwa use case target memperluas perilaku dari use case sumber pada suatu titik yang diberikan. 4 Association Apa yang menghubungkan antara objek satu dengan objek lainnya. Deskripsi dari urutan aksi-aksi yang 5 Use Case ditampilkan sistem yang menghasilkan suatu hasil yang terukur bagi suatu aktor Simbol-simbol yang digunakan dalam Class Diagram NO GAMBAR NAMA KETERANGAN Hubungan dimana objek anak (descendent) Generalizati 1 berbagi perilaku dan struktur data dari objek on yang ada di atasnya objek induk (ancestor). 2 Class Himpunan dari objek-objek yang berbagi atribut serta operasi yang sama. xii

13 Collaborati 3 on 4 Realization 5 Dependency 6 Association Deskripsi dari urutan aksi-aksi yang ditampilkan sistem yang menghasilkan suatu hasil yang terukur bagi suatu aktor Operasi yang benar-benar dilakukan oleh suatu objek. Hubungan dimana perubahan yang terjadi pada suatu elemen mandiri (independent) akan mempengaruhi elemen yang bergantung padan elemen yang tidak mandiri Apa yang menghubungkan antara objek satu dengan objek lainnya Simbol-simbol yang digunakan dalam Sequence Diagram NO GAMBAR NAMA KETERANGAN 1 LifeLine Objek entity, antarmuka yang saling berinteraksi. 2 Message 3 Message Spesifikasi dari komunikasi antar objek yang memuat informasi-informasi tentang aktifitas yang terjadi Spesifikasi dari komunikasi antar objek yang memuat informasi-informasi tentang aktifitas yang terjadi xiii

14 DAFTAR LAMPIRAN Lampiran A. Revisi Laporan Tugas Akhir Lampiran B. Kartu Bimbingan Tugas Akhir Lampiran C. Listing Program xiv