PENERAPAN METODE DECISION TREE (C4.5) DAN MODEL FUZZY MAMDANI UNTUK REKOMENDASI BEASISWA

Transkripsi

1 1 PENERAPAN METODE DECISION TREE (C4.5) DAN MODEL FUZZY MAMDANI UNTUK REKOMENDASI BEASISWA IMPLEMENTATION OF DECISION TREE (C4.5) METHOD AND FUZZY MAMDANI MODEL FOR SCHOLARSHIP RECOMENDATION Ibnu Mas ud 1, Heru Agus Santoso 2 Jl. Imam Bonjol No. 207, Semarang, 50131, Telp. (024) Teknik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro @mhs.dinus.ac.id 1, heru.agus.santoso@dsn.dinus.ac.id 2 Abstrak Pendidikan dasar 9 tahun merupakan hal yang wajib bagi setiap warga Indonesia namun ada saja peserta didik khususnya yang berada pada jenjang SMP harus putus sekolah dikarenakan kondisi ekonomi yang kurang mampu maka dari itu dibutuhkanlah beasiswa, pada SMP Negeri 1 Kalinyamatan beasiswa diberikan pada siswa yang nilai akademiknya tinggi dan kondisi ekonominya kurang mampu namun pada prakteknya pemberian beasiswa diberikan secara kurang tepat sasaran dikarenakan pemilihan dilakukan secara manual, guna meningkatkan kelayakan tersebut dilakukan analisa dan digunakanlah data mining dengan teknik klasifikasi, metode yang digunakan adalah decision tree (C4.5) dan juga model fuzzy mamdani. Data yang digunakan pada penelitian ini adalah data siswa SMP Negeri 1 Kalinyamatan Kelas 9 tahun ajaran 2014/2015 dari data tersebut dilakukan klasifikasi dengan rule - rule yang sebelumnya diperoleh dari decision tree kemudian dengan metode fuzzy mamdani dicari kesalahan absolutnya dengan menggunakan MAPE (Mean Absolut Precentage Error) dan didapatkanlah hasil error sebesar 59.91%. Kata kunci : beasiswa, data mining, klasifikasi, decision tree (C4.5), fuzzy mamdani Abstract The basic of education during nine years is one of the obligations every people in Indonesia. However, there are also students who break their school in junior high school because the condition their economy were very low. So, in that case, needed to give the scholarship for students. The scholarship in SMP N 1 Kalinyamatan given to students who get the high academic and the condition their economy were very low. But, in that practices of giving the scholarship, the targets were less exact. It happens because the selection did as manually. So, to increase expediency of the data, the researcher did analysis and used data mining by classifications of data. The method that used in this research is decision tree (C4.5) and also a fuzzy Mamdani model. The data that used in this research is the data students who grade 9 in academic year 2014/2015 at SMP N 1 Kalinyamatan. Then, the researcher did the classifications with the rules from decision tree before. Thus, by fuzzy Mamdani model, the researcher can find the absolute error with used MAPE (Mean Absolut Percentage Error) and the error result is 59.91% keyword: scholarship, data mining, classifications, decision tree (C4.5), fuzzy mamdani

2 2 ISSN: PENDAHULUAN Pendidikan merupakan salah satu faktor penting terbentuknya pribadi manusia, dari pendidikan pula kita akan tahu baik buruknya pribadi seorang manusia, untuk itulah pemerintah secara serius menangani bidang pendidikan agar kedepannya generasi muda yang lahir dari pendidikan yang berkualitas sehingga sanggup beradaptasi terhadap kehidupan bermasyarakat, berbangsa dan juga bernegara. Pada setiap sekolah tentunya terdapat peserta didik yang kurang mampu dalam bidang ekonomi, namun sangat menonjol dalam bidang akademik, untuk itu SMP Negeri 1 Kalinyamatan menyediakan beasiswa untuk peserta didik tersebut. Beasiswa adalah sebuah bantuan yang diberikan untuk menunjang keberlangsungan studi seseorang hingga selesai masa berlangsungnya, bantuan yang diberikan berbentuk dana atau biaya yang harus dikeluarkan oleh seseorang selama menempuh pendidikan pada tempat belajar yang diinginkan [1]. Pemilihan penerima beasiswa sendiri menggunakan sistem pendukung keputusan berbasis model fuzzy mamdani dan data mining klasiikasi metode decision tree (pohon keputusan). Model fuzzy merupakan sebuah metode dimana dilakukan penganalisasian terhadap sebuah sistem yang mengandung ketidakpastian [2], sedangkan model fuzzy mamdani adalah salah satu percabangan dari model fuzzy dimana pada model ini pengoperasian yang digunakan adalah MIN MAX [3]. 2. METODE PENELITIAN Penerepan algoritma C4.5 menggunakan perhitungan Enthropy dan Gain. Penghitungan Enthrophy di gunakan untuk melanjutkan pada proses selanjutnya yaitu perhitungan Gain. Perhitungan nilai Gain terbesar dapat menjadi attribute akar. Setelah di lakukan perhitungan Enthropy dan Gain sampai node terakhir akan menghasilkan pohon keputusan. Pohon keputusan tersebut digunakan sebagai rule yang nantinya digunakan pada model fuzzy mamdani. Implikasi metode Mamdani sendiri berbentuk fungsi MIN dan komposisi antar-rule menggunakan fungsi MAX dan akan menghasilkan himpinan fuzzy baru. Kemudian digunakan rumus penegasan (defuzzyfikasi) untuk menentukan hasil tegas (Crisp). System ini menggunakan metode Mamdani, berikut proses prosesnya : IJCCS Vol. x, No. x: first_page end_page

3 3 Data Jumlah Nilai, Pendapatan Orang Tua, Jumlah Saudara Kandung dan Hasil Rekomendasi. Proses Perhitungan Enthropy dan Gain Rule Gambar 1. Penerapan Algoritma C4.5 Kemudian proses pada model fuzzy mamdani sebagai berikut : Data Jumlah Nilai, Pendapatan Orang Tua, Jumlah Saudara Kandung dan Hasil Rekomendasi. Hasil preprocessing Fuzzyfikasi Mesin Inferensi Defuzzyfikasi Hasil Rekomendasi Gambar 2. Penerapan Metode Fuzzy Mamdani Menghitung Nilai MAPE Menghitung nilai MAPE dari hasil data yang sudah di uji sebelumnya menggunakan metode fuzzy Mamdani dengan data sebenarnya. Data terklasifikasi Perhitungan MAPE Hasil Perhitungan Gambar 3. Flowchart perhitungan MAPE

4 4 ISSN: HASIL DAN PEMBAHASAN Algoritma C4.5 Ada 3 attribut yang di gunakan untuk merekomendasikan beasiswa yaitu Jumlah Nilai, pendapatan orang tua dan jumlah saudara kandung. a. Jumlah Nilai memiliki 3 variabel yaitu diatas rata rata, dan dibawah rata, dimana apabila Jumlah Nilai diatas 1068 maka kategori masuk diatas rata rata begitu juga sebaliknya b. Pendapatan Orang Tua, variabelnya yaitu MIN, TENGAH, dan MAX, dimana MIN memiliki interval antara , TENGAH dan MAX lebih dari c. Jumlah Saudara Kandung, variabelnya yaitu MIN, TENGAH dan MAX, MIN dengan jumlah saudara kandung mulai 0 2, TENGAH mulai 3 4 dan MAX lebih dari 4 saudara kandung Perhitugan Algoritma C4.5 Tabel 1.Contoh Hasil Perhitungan Dengan Nilai Entrophy dan Gain. Atribut Nilai Atribut Sum Sum Sum Total (Tidak) (Ya) Entropy Total Total Rata - Rata Diatas Rata - Rata Dibawah Rata - Rata Penghasilan Orang Tua Jumlah Saudara 3 hingga Kandung > Gain a. Perhitungan Entrophy Entrophy (Total) (257,9) = (-( 257 ) x log 266 2( )) + (-( ) x log ( 9 )) = 0, b. Perhitungan Gain Gain(Total, Rata - Rata) = 0, (( ) x 0, ) = 0, IJCCS Vol. x, No. x: first_page end_page

5 5 Pembentukan Rule [1]. IF jumlah_nilai = diatas_rata2 AND jumlah_saudara_kandung = 0 AND [2]. IF jumlah_nilai = diatas_rata2 AND jumlah_saudara_kandung = 1 AND [3]. IF jumlah_nilai = dibawah_rata2 THEN Hasil = TIDAK [4]. IF jumlah_nilai = diatas_rata2 AND jumlah_saudara_kandung = 4 AND penghasilan_orang _tua = 1 THEN Hasil = YA [5]. IF jumlah_nilai = diatas_rata2 AND jumlah_saudara_kandung = 0 AND penghasilan_orang _tua = 1 THEN Hasil = TIDAK [6]. IF jumlah_nilai = diatas_rata2 AND jumlah_saudara_kandung = 1 AND penghasilan_orang _tua = 1 THEN Hasil = TIDAK [16]. IF jumlah_nilai = diatas_rata2 AND jumlah_saudara_kandung = > 4 AND Fuzzy Mamdani Ada 3 attribut yang di gunakan untuk merekomendasikan beasiswa yaitu Jumlah Nilai, pendapatan orang tua, jumlah saudara kandung, dan Hasil. a. Jumlah Nilai memiliki 3 variabel yaitu MIN, dan MAX. Fungsi keanggotaan: μ MIN z ; z ; z ; z μ MAX z ; z ; z ; z b. Pendapatan Orang Tua, variabelnya yaitu MIN, TENGAH, dan MAX Fungsi keanggotaan : μ MIN 80 z ; z 75 ; 75 z 80 0 ; z 80

6 6 ISSN: μ TENGAH 0 ; z 75 atau z 85 z z ; 75 < z 80 ; 80 < z < 85 μ MAX z ; z 80 ; 80 < z < 85 1 ; z 85 c. Jumlah Saudara Kandung, variabelnya yaitu MIN, TENGAH dan MAX Fungsi keanggotaan : μ MIN z ; z ; z < ; z μ TENGAH 0 ; z atau z z z ; < z ; < z < μ MAX z ; z ; < z < ; z d. Hasil, variabelnya yaitu YA dan TIDAK Fungsi keanggotaan : μ TIDAK 84 z ; z 75 ; 75 z < 84 0 ; z 84 μ YA z ; z 75 ; 75 < z < 84 1 ; z 84 Pembentukan Rule [1]. IF jumlah_nilai = diatas_rata2 AND jumlah_saudara_kandung = 0 AND IJCCS Vol. x, No. x: first_page end_page

7 7 [2]. IF jumlah_nilai = diatas_rata2 AND jumlah_saudara_kandung = 1 AND [3]. IF jumlah_nilai = dibawah_rata2 THEN Hasil = TIDAK [4]. IF jumlah_nilai = diatas_rata2 AND jumlah_saudara_kandung = 4 AND penghasilan_orang _tua = 1 THEN Hasil = YA [5]. IF jumlah_nilai = diatas_rata2 AND jumlah_saudara_kandung = 0 AND penghasilan_orang _tua = 1 THEN Hasil = TIDAK [6]. IF jumlah_nilai = diatas_rata2 AND jumlah_saudara_kandung = 1 AND penghasilan_orang _tua = 1 THEN Hasil = TIDAK [16]. IF jumlah_nilai = diatas_rata2 AND jumlah_saudara_kandung = > 4 AND Defuzzyfikasi Nilai crisp z dihitung dengan membagi wilayah menjadi 4 bagian yang luasnya masingmasing A1, A2, dan A3. Momen terhadap nilai keanggotaan masing-masing adalah M1, M2, dan M3. Menghitung Momen : M1 = M2 = M3 = Menghitung Luas : A1 = A2 = A3 = Menghitung titik pusat (terhadap z) : M1+M2+M3 = A1+A2+A KESIMPULAN = Dari hasil pengujian data dengan menggunakan MAPE (Mean Absolute Precentage Error) diperoleh nilai MAPE sebesar 59.91%, Dari hasil pengujian tersebut maka diharap ada

8 8 ISSN: penelitian lain yang mengembangkan aplikasi prediksi pendapatan ini dengan metode-metode yang lain sebagai pembanding. 5. SARAN Kemudian saran dalam penelitian ini agar selanjutnya lebih berkembang antara lain : 1. Data testing yang dipergunakan dalam penelitian masih kurang agar pada penelitian selanjutnya data testing diperbanyak sehingga tingkat akurasi yang didapatkan semakin akurat 2. Penambahan jumlah atribut yang digunakan untuk penyaringan beasiswa agar hasil yang diperoleh semakin tepat sasaran 3. Agar selanjutnya akan ada penelitian lain dengan jenis kasus yang sama yaitu beasiswa namun dengan metode yang berbeda sehingga aplikasi beasiswa ini dapat dikembangkan dan dijadikan sebagai pembanding DAFTAR PUSTAKA [1] Utomo, Pramudi. ANALISIS KONTRIBUSI PEMBERIAN BEASISWA TERHADAPPENINGKATAN PRESTASI AKADEMIK MAHASISWA FAKULTAS TEKNIK UNIVERSITAS NEGERI YOGYAKARTA,, pp.68-87, Januari [2] Djunaidi, Much, dkk. PENENTUAN JUMLAH PRODUKSI DENGANAPLIKASI METODE FUZZY MAMDANI, pp , Desember [3] Sukandy, Dwi Martha, dkk PENERAPAN METODE FUZZY MAMDANI UNTUK MEMPREDIKSI JUMLAH PRODUKSI MINYAK SAWIT BERDASARKAN DATA PERSEDIAAN DAN JUMLAH PERMINTAAN (STUDI KASUS PT. PERKEBUNAN MITRA OGAN BATURAJA),STMIK GI MDP. [4] Sunjana, APLIKASI MINING DATA MAHASISWA DENGAN METODE KLASIFIKASI DECISION TREE, SNATI, pp.24-29, [5] Hermawati, Fajar A, Data Mining. Yogyakarta : ANDI, [6] Nofriansyah, Dicky. Konsep Data Mining Vs Sistem Pendukung Keputusan.Yogyakarta : Deepublish, [7] Dina Maurina, Penerarapan Data Mining Untuk Rekomendasi Beasiswa Pada SMA Muhammadiyah Gubug Menggunakan Algoritma C4.5, Universitas Dian Nuswantoro, Skripsi, 2015 [8] Dani Kartiko, Sistem Pendukung Keputusan Pemberian Beasiswa Di PT. Indomarco Prismatama Cabang Bandung Universitas Komputer Indonesia, 2010 IJCCS Vol. x, No. x: first_page end_page

9 9 [9] Yosoa Putra Raharja, Rancang Bangun Sistem Rekomendasi Beasiswa Menggunakan Algoritma Klasifikasi C4.5 Pada Universitas Dian Nuswantoro Universitas Dian Nuswantoro, Skripsi, [10] Anik Andriani, Sistem Pendukung Keputusan Berbasis Decision Tree Dalam Pemberian Beasiswa Studi Kasus : AMIK BSI Yogyakarta AMIK BSI Jakarta, [11] Rullah Robiatul Adawiyah Sistem Pendukung Keputusan Pemilihan Penerima Beasiswa, STMIK Banjarbaru, [12] Kusrini dan Emha Taufiq Luthfi, Algoritma Data Mining.Yogyakarta: ANDI, 2009 [13] Rahmadya T. H dan Herlawati Prabowo P.W, Penerapan Data Mining dengan Matlab. Bandung: Rekayasa Sains, [14] Muhammad Aprizal, Dedi Rahman, Mardiani, Perbandingan Metode Logika Fuzzy Tsukamoto dan Logika Fuzzy Mamdani dalam Pemilihan Penerima Beasiswa Pada STMIK Global Informatika MDP, Global Informatika MDP, 2015.