BAB II TINJAUAN PUSTAKA

Transkripsi

1 BAB II TINJAUAN PUSTAKA 2.1 Dasar Teori Data Mining Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam database. Data mining adalah Proses yang menggunakan teknik statistik, matematika, kecerdasan buatan dan machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai database besar (Turban, 2011). Jadi data mining merupakan suatu Proses otomatis terhadap data yang sudah ada dan data yang akan diproses berupa data yang sangat besar. Tujuan data mining adalah mendapatkan hubungan atau pola yang mungkin memberikan indikasi yang bermanfaat (Kusrini & Lutfi, 2009). Istilah data mining dan knowledge discovery in databases (KDD) sering kali digunakan secara bergantian untuk menjelaskan Proses penggalian informasi tersembunyi dalam suatu basis data yang besar, salah satu tahapan dalam keseluruhan Proses KDD adalah data mining. Proses KDD secara garis besar dapat dijelaskan sebagai berikut (Ussama, 1996) : 1. Data selection Pemilihan data dari sekumpulan data operasional. Data hasil seleksi akan digunakan untuk Proses data mining disimpan dalam suatu berkas dan terpisah dari basis data operasional. 2. Pre-Processing / Cleaning Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data, seperti kesalahan cetak (tipografi). 6

2 3. Transformation Coding adalah Proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk Proses data mining. 4. Data mining Data mining adalah Proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu. 5. Interpretation / Evaluation Pola informasi yang dihasilkan dari Proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan. Tahap ini disebut tahap interpretation. Tahap ini mencakup pemeriksaan apakah pola atau informasi yang ditemukan bertentangan dengan fakta atau hipotesis yang ada sebelumnya. Data mining dibagi menjadi beberapa kelompok berdasarkan tugas yang dapat dilakukan, yaitu (Daniel, 2005) : 1. Deskripsi Teknik yang digunakan untuk menggambarkan pola dan kecenderungan yang terdapat dalam data. 2. Klasifikasi Dalam klasifikasi terdapat target variabel kategori. Contoh kasusnya adalah mendiagnosis penyakit seorang pasien. 3. Estimasi Estimasi hampir sama dengan klasifikasi, kecuali variabel target estimasi lebih ke arah numerik daripada ke arah kategori. 4. Prediksi Prediksi hampir sama dengan klasifikasi dan estimasi kecuali bahwa dalam prediksi nilai dari hasil akan ada di masa mendatang. 5. Pengklusteran Pengklusteran merupakan pengelompokan record, pengamatan atau memperhatikan dan membentuk kelas objek-objek yang memiliki kemiripan.

3 6. Asosiasi Dalam data mining, tugas asosiasi adalah menemukan atribut yang muncul dalam satu waktu. Dalam dunia bisnis lebih umum disebut analisis keranjang belanja. Contoh asosiasi dalam penelitian adalah menemukan barang dalam supermarket yang dibeli secara bersamaan dan barang yang tidak pernah dibeli secara bersamaan Asosiasi Analisis asosiasi adalah teknik data mining untuk menemukan aturan asosiatif antara suatu kombinasi item (Kusrini & Lutfi, 2009). Analisis asosiasi berguna untuk menemukan hubungan penting yang tersembunyi diantara set data yang sangat besar (Prasetyo, 2012). Hubungan yang sudah terbuka direpresentasikan dalam bentuk aturan asosiasi atau set aturan item yang sering muncul. Kekuatan asosiasi dapat diukur dengan support dan confidence. Support (nilai penunjang) yaitu Prosentase kombinasi item tersebut dalam database dan confidence (nilai kepastian) yaitu kuatnya hubungan antar item dalam aturan asosiatif. Sifat support merupakan ukuran yang sangat penting dalam analisis asosiasi karena aturan yang sangat lemah nilai support-nya berarti asosiasi yang sangat jarang terjadi dalam set data. Sementara, confidence digunakan untuk mengukur keandalan dari inferensi yang dibuat oleh aturan. Untuk aturan X Y, nilai nilai confidence yang tinggi menandakan banyaknya Y yang muncul dalam transaksi yang berisi X. Confidence juga memberikan cara untuk menemukan aturan asosiasi secara efisien. Semakin besar nilai minimum confidence maka semakin tinggi rata-rata akurasi yang dihasilkan dan semakin kuat keterkaitana antar item yang terjadi. Sedangkan semakin rendag nilai minimum support maka jumlah rule yang dihasilkan semakin banyak.

4 Hasil aturan yang diberikan tidak mengimplikasikan kausalitas. Aturan yang dihasilkan hanya memberikan informasi dalam bentuk ifthen antara item dalam anteseden dan konsekuen aturan. Biasanya anteseden mewakili bagian jika dan konsekuen mewakili bagian maka. Metodologi analisis asosiasi terbagi menjadi dua tahap (Kusrini & Emha, 2009), yaitu : 1. Analisis pola frekuensi tinggi Tahap ini mencari kombinasi item yang memenuhi syarat minimum dari nilai support dalam database. Berikut rumus memperoleh nilai support : 2. Pembentukan aturan asosiasi Setelah semua frekuensi tinggi ditemukan, kemudian mencari aturan asosiasi yang memenuhi syarat minimum untuk confidence dengan menghitung confidence aturan asosiatif A B. Berikut rumus untuk mencari nilai confidence : Algoritma CT-PRO Algoritma ini merupakan pengembagan dari algoritma FP-GROWTH dengan melakukan modifikasi pada tree yang digunakan. Algoritma ini menggunakan struktur Compressed FP-Tree (CFP-Tree) dimana informasi dari sebuah FP-Tree diringkas dengan struktur yang lebih kecil atau ringan, sehingga baik pembentukan tree maupun frequent item set mining yang dilakukan menjadi lebih cepat.

5 Langkah-langkah algoritma CT-PRO adalah sebagai berikut : 1. Menemukan item-item yang frequent - Menemukan item-item yang sering muncul dan menghitung frekuensi kemunculan item kemudian memasukkannya ke dalam tabel frequent item. 2. Membangun CFP-Tree - menyeleksi data dari tabel frequent item berdasarkan minimum support yang telah ditentukan. - mengurutkan data-data tersebut dari frekuensi terbesar ke terkecil. - memberikan indeks pada data tersebut dan memasukkannya pada tabel global item. - mapping data berdasarkan indeks pada tabel global item. - membangun CFP-Tree. 3. Mining - tahap ini dilakukan pencarian node yang berhubungan dengan item pada tabel global item. - melakukan perhitungan nilai confidence. 2.2 Penelitian Terkait 1) Aplikasi Association Rule Mining untuk Menemukan Pola pada Data Nilai Mahasiswa Matematika ITS (Donny Mitra Virgiawan dan Imam Mukhlas, Jurnal Sains dan Seni POMITS Vol. 1 No. 1, 2013). Association Rule Mining telah berhasil diimplementasikan pada data nilai mahasiswa Matematika ITS dengan menggunakan algoritma apriori. Pola yang ditemukan berupa hubungan nilai dari suatu mata kuliah dengan nilai mata kuliah yang lain. Penentuan minimum support berpengaruh dalam banyaknya aturan asosiasi yang dihasilkan dan lamanya pencarian aturan asosiasi. Hal yang sama terjadi pada nilai minimum confidence. Penentuan nilai minimum confidence berpengaruh terhadap banyaknya aturan asosiasi

6 yang dihasilkan. Semakin besar nilai minimum confidence maka semakin sedikit aturan asosiasi yang dihasilkan. Jadi dapat dikatakan nilai minimum support dan minimum confidence berbanding tebalik dengan aturan asosiasi yang dihasilkan. 2) Analisa Cross Market Basket (CMB) dalam Menentukan Pola Kedekatan Konsumen dengan Menggunakan Algoritma CT-PRO (Zaitun, Bain Khusnul, Firli Irhamni, 2013). Algoritma CT-PRO merupakan salah satu algoritma pengembangan dari FP-Growth, perbedaannya terdapat pada langkah kedua dimana FP- Growth membuat FP-Tree sedangkan CT-PRO menggunakan compressed FP-Tree. Hasil dari analisa diketahui semakin besar transaksi yang diproses maka semakin banyak kombinasi juga semakin lama waktu Prosesnya. Dari hasil kombinasi tersebut dapat diketahui pola pola atau rules tentang kebiasaan konsumen dalam berbelanja setelah dihitung support dan confidence dari setiap kombinasi. Semakin besar jumlah transaksi juga semakin besar subset (kombinasi) yang dihasilkan juga membuat waktu Proses akan semakin lama. Informasi tersebut dapat menjadi bahan pertimbangan dalam menentukan kebijakan perusahaan. 3) Penerapan Data Mining untuk Mengetahui Pola Asosiasi antara DataMahasiswa dan Tingkat Kelulusan Menggunakan Algoritma Fold- Growth (Betha Nurina Sari, Arif Rahman, Yusi Tyroni Mursityo, 2013). Dari hasil penelitian dengan menerapkan algoritma Fold-Growth, didapatkan pola asosiasi data mahasiswa dan tingkat kelulusan mahasiswa berdasarkan paramater jalur masuk dan Program studi. Pengaruh nilai minimum support dan nilai minimum confidence didapatkan bahwa jumlah rule yang dihasilkan berbanding terbalik.hasil pengujian akurasi association rule menunjukkan tingginya penerapan association rule yang terbentuk pada data latih dan pada data uji memberikan informasi terkait tingkat akurasi rule yang dihasilkan,

7 yang bisa digunakan untuk bahan dasar prediksi tingkat kelulusan mahasiswa di waktu yang akan datang. 4) FP-Tree Based Algorithms Analysis: FP-Growth, COFI-Tree and CT-PRO (Bharat Gupta, International Journal on Computer Science and Engineering (IJCSE), 2011). Pada penelitian ini dilakukan perbandingan antara algoritma FP- Growth, COFI-Tree dan CT-PRO. FP-Growth adalah algoritma pertama dengan struktur simple tree yang berhasil digunakan untuk mining frequent item. Algoritma FP-Growth menggunakan pendekatan recursive sedangkan COFI-Tree dan CT-PRO menggunakan pendekatan non-recursive. Tapi untuk ukuran database yang banyak dan padat, algoritma FP-Growth kurang baik. Sedangkan algoritma COFI-Tree baik untuk database yang padat maupun jarang tetapi pada database yang jarang dengan support rendah akan menurunkan performa, dan algoritma terbaik untuk semua jenis database adalah algoritma CT-PRO. 5) Implementasi Algoritma-algoritma Association Rules Sebagai Bagian dari Pengembangan Data Mining Algorithms Collection (Yova Ruldeviani dan Muhammad Fahrian, Konferensi Nasional Sistem dan Informatika, 2008) Pada penelitian ini telah diimplementasikan algoritma association rules yaitu Apriori, FP-Growth, CT-PRO, dan Apriori Cristian Borgelt sebagai bagian dari pengembangan data mining workbench. Dari hasil pengujian pada dataset chess, CT-PRO paling cepat dibandingkan dengan algoritma yang lain. Keunggulan CT-PRO adalah dari penggunaan memori yang lebih hemat dan digunakannya struktur data CFP-Tree yang memungkinkan Proses pencarian frequent item set menjadi lebih cepat. Pada support 80, algoritma FP-Growth lebih lambat jika dibandingkan dengan Apriori Christian Borgelt karena FP-Growth mengalami pertambahan ukuran FP-Tree di memori.

8 2.3 Rencana Penelitian Berdasarkan penelitian terkait tersebut, rencana pada penelitian ini adalah dengan menggunakan algoritma CT-PRO karena algoritma CT-PRO merupakan algoritma perbaikan dari algoritma yang sebelumnya. Atribut data siswa yang digunakan terdiri dari jenis kelamin, jarak rumah, pekerjaan orang tua, pengasilan orang tua, nilai ujian nasional SMP/sederajat dan nilai ujian nasional SMA/MA. Pola yang akan dilihat asosiasinya adalah pola antara data pribadi siswa dengan nilai ujian nasional SMA/MA. Oleh karena itu pada penelitian ini yang dihitung nilai confidence hanya pada pola yang mengandung nilai ujian nasional SMA/MA.