PENCARIAN ASSOCIATION RULES PADA DATA LULUSAN MAHASISWA PERGURUAN TINGGI MENGGUNAKAN ALGORITMA FP-GROWTH SKRIPSI SHARFINA FAZA

Transkripsi

1 PENCARIAN ASSOCIATION RULES PADA DATA LULUSAN MAHASISWA PERGURUAN TINGGI MENGGUNAKAN ALGORITMA FP-GROWTH SKRIPSI SHARFINA FAZA PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA 2015

2 PENCARIAN ASSOCIATION RULES PADA DATA LULUSAN MAHASISWA PERGURUAN TINGGI MENGGUNAKAN ALGORITMA FP-GROWTH SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi SHARFINA FAZA PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA 2015

3 ii PERSETUJUAN Judul Kategori Nama : PENCARIAN ASSOCIATION RULES PADA DATA._LULUSAN MAHASISWA PERGURUAN TINGGI._MENGGUNAKAN ALGORITMA FP-GROWTH : SKRIPSI : SHARFINA FAZA Nomor Induk Mahasiswa : Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI..UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Dedy Arisandi, ST.,M.Kom Dr. Erna Budhiarti Nababan, M.IT NIP NIP. Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Muhammad Anggia Muchtar, ST., MM.IT NIP

4 iii PERNYATAAN PENCARIAN ASSOCIATION RULES PADA DATA LULUSAN MAHASISWA PERGURUAN TINGGI MENGGUNAKAN ALGORITMA FP-GROWTH SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing telah disebutkan sumbernya. Medan, 15 Januari 2015 Sharfina Faza

5 iv UCAPAN TERIMA KASIH Puji dan syukur penulis panjatkan kepada Allah SWT yang telah memberikan rahmat, karunia, taufik dan hidayah-nya, serta segala sesuatu dalam hidup, sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi (S1)Teknologi Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi. Ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu penulis dalam menyelesaikan skripsi ini baik secara langsung maupun tidak langsung. Pada kesempatan ini penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada: 1. Keluarga penulis, Ayahanda Ir. Silmi, MT., Ibunda Ir. Rina Anugrahwaty, MT., Kakak penulis Insidini Fawwaz, S.Kom, dan adik penulis Faizzufar Taqy beserta keluarga besar yang selalu memberikan dukungan, perhatian serta doa kepada penulis sehingga dapat menyelesaikan skripsi ini. 2. Ibu Dr. Erna Budhiarti Nababan, M.IT. selaku Dosen Pembimbing I dan Bapak Dedy Arisandi, ST., M.Kom, selaku Dosen Pembimbing II yang telah banyak meluangkan waktunya serta memberikan bimbingan dan dukungan kepada penulis dalam penyusunan dan penulisan skripsi ini. 3. Bapak Romi Fadillah Rahmat, B.Comp.Sc., M.Sc. selaku Dosen Penguji I dan Bapak Dani Gunawan, ST., MT. selaku Dosen Penguji II yang telah memberikan kritik dan saran yang membangun dalam penyempurnaan skripsi ini. 4. Bapak Muhammad Anggia Muchtar, ST., MM.IT. selaku Ketua Program Studi S1 Teknologi Informasi dan Bapak Mohammad Fadly Syahputra, B.Sc., M.Sc.IT. selaku Sekretaris Program Studi S1 Teknologi Informasi. 5. Seluruh Dosen Program Studi S1 Teknologi Informasi yang telah memberikan ilmu yang bermanfaat bagi penulis dari awal perkuliahan. 6. Teman-teman penulis, Rahma Diana, Dian Puspitasari Sebayang, Nurul Putri Ibrahim, Rini Jannati, Maslimona Harimita Ritonga, Tri Annisa, Novi, Amel, dan Andrew yang telah memberikan semangat dan menjadi teman diskusi penulis dalam menyelesaikan skripsi ini. 7. Seluruh staf TU (Tata Usaha) serta pegawai di Program Studi S1 Teknologi Informasi 8. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat penulis ucapkan satu per satu yang telah membantu penyelesaian skripsi ini. Penulis menyadari bahwa skripsi ini masih terdapat kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang bersifat membangun demi kesempurnaan skripsi ini. Akhir kata penulis ucapkan terima kasih.

6 v ABSTRAK Beragamnya atribut pada data lulusan mahasiswa membuat pihak perguruan tinggi sulit mencari dan mengetahui kombinasi atribut yang sering muncul dan memiliki keterhubungan tinggi antar atribut. Association rules mining merupakan teknik data mining untuk menentukan hubungan diantara data atau bagaimana suatu kelompok data mempengaruhi suatu kelompok data lain. Dengan kata lain, dapat dicarinya keterhubungan antar data pada data skala besar. Algoritma Frequent Pattren-Growth (FP-Growth) adalah salah satu teknik association rules mining untuk menentukan himpunan item yang paling sering muncul (frequent itemset) dalam sekumpulan data dalam bentuk FP-Tree. Dari hasil pencarian association rules pada data lulusan mahasiswa perguruan tinggi didapat kombinasi atribut yang sering muncul dan memiliki keterhubungan tinggi adalah kombinasi dari jenis sekolah SMA/MA Negeri Luar Medan, jalur masuk SNMPTN, nilai IPK antara 3.00 s/d 3.49, dan lama studi lebih dari 4 tahun. Kata kunci: Data mining, association rules, algoritma FP-Growth.

7 vi SEARCHING ASSOCIATION RULES OF DATA GRADUATE STUDENTS UNIVERSITY USING FP-GROWTH ALGORITHM ABSTRACT The attribute diversity of data graduate students makes it difficult for the university to find and know combination of attributes that apperar most frequently and have high connectivity between attributes. Association rules mining is a data mining techniques to determine a relationship between data or how a group of data affects another group of data. In other words, it can be find a connectivity between data in large scale of data. Frequent pattren-growth Algorithm (FP-Growth) is one of the association rules mining techniques to determine a set of items that appear most frequently (frequent itemset) in a set of data in the form FP-Tree. From the results of searching association rules of data graduate students university, combination of attributes that appear most frequently and have high connectivity obtained is a combination of the type of State Senior High School Outside Medan, university entrance test SNMPTN, GPA between , and times of study more than 4 years. Key words : Data mining, association rules, FP-Growth algorithm.

8 vii DAFTAR ISI Hal. PERSETUJUAN ii PERNYATAAN iii UCAPAN TERIMA KASIH iv ABSTRAK v ABSTRACT vi DAFTAR ISI vii DAFTAR TABEL x DAFTAR GAMBAR xi BAB 1 PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Sistematika Penulisan 6 BAB 2 LANDASAN TEORI Data Mining Knowledge discovery in database (KDD) Teknik data mining Association Rule Mining Algoritma FP-Growth Pencarian association rules dengan algoritma FP-Growth Penelitian Terdahulu 17 BAB 3 ANALISIS DAN PERANCANGAN SISTEM Data yang Digunakan Praproses Data 21

9 viii Penentuan atribut Pengelompokan atribut Pemrosesan Data Data mining Analisis frequent itemset Pembentukan association rules Pencocokan saran Analisis Komponen Sistem Data Flow Diagram (DFD) DFD level DFD level DFD level Flowchart Sitemap aplikasi Database Relationship Perancangan Sistem 43 BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM Implementasi Sistem Spesifikasi software dan hardware yang digunakan Implementasi Perancangan Antarmuka Halaman home pengguna sebagai user Halaman home pengguna sebagai admin Halaman input lulusan mahasiswa Halaman daftar lulusan mahasiswa Halaman parameter Halaman jumlah mahasiswa Pengujian Sistem Rencana pengujian sistem Kasus dan hasil pengujian sistem Pengujian kinerja sistem 56 BAB 5 KESIMPULAN DAN SARAN Kesimpulan 73

10 ix 5.2 Saran 73 DAFTAR PUSTAKA 74 LAMPIRAN A : SURAT KETERANGAN PENGAMBILAN DATA 76

11 x DAFTAR TABEL Hal. Tabel 2.1 Penelitian Terdahulu 18 Tabel 3.1 Jumlah lulusan mahasiswa per fakultas 20 Tabel 3.2 Pengelompokan prestasi keberhasilan 22 Tabel 3.3 Jumlah lulusan mahasiswa berdasarkan prestasi 22 Tabel 3.4 Data Lulusan mahasiswa 24 Tabel 3.5 Kode untuk setiap item atribut 25 Tabel 3.6 Data lulusan mahasiswa dengan itemset 25 Tabel 3.7 Nilai support per item 26 Tabel 3.8 Data itemset lulusan mahasiswa 27 Tabel 3.9 Nilai support dari suffix M 31 Tabel 3.10 Nilai support dari suffix N 32 Tabel 3.11 Nilai support dari suffix O 32 Tabel 3.12 Nilai confidence dari frequent itemset 32 Tabel 4.1 Rencana pengujian 54 Tabel 4.2 Hasil pengujian 55 Tabel 4.3 Nilai support tertinggi 60

12 xi DAFTAR GAMBAR Hal. Gambar 2.1 Proses KDD (Han & Kamber 2006) 8 Gambar 2.2 Arsitektur sistem data mining (Han & Kamber 2006) 9 Gambar 2.3 Transaction data set (Tan, et al. 2005) 14 Gambar 2.4 Tree setelah membaca TID1 (Tan, et al. 2005) 14 Gambar 2.5 Tree setelah membaca TID2 (Tan, et al. 2005) 15 Gambar 2.6 Tree setelah membaca TID10 (Tan, et al. 2005) 15 Gambar 2.7 Tree yang mengandung suffix e (Tan, et al. 2005) 16 Gambar 2.8 Tree yang mengandung suffix d (Tan, et al. 2005) 16 Gambar 3.1 Proses analisis association rules 19 Gambar 3.2 Tree setelah pembacaan itemset-1 28 Gambar 3.3 Tree setelah pembacaan itemset-2 28 Gambar 3.4 Tree setelah pembacaan itemset-3 29 Gambar 3.5 Tree setelah pembacaan itemset Gambar 3.6 Conditional FP-tree dengan suffix M 30 Gambar 3.7 Conditional FP-tree dengan suffix N 30 Gambar 3.8 Conditional FP-tree dengan suffix O 30 Gambar 3.9 DFD level 0 36 Gambar 3.10 DFD level 1 37 Gambar 3.11 DFD level 2 : proses management data mahasiswa 38 Gambar 3.12 DFD level 2 : proses management parameter 38 Gambar 3.13 DFD level 2 : proses management pengguna 39 Gambar 3.14 DFD level 2 : proses pencarian association rules 39 Gambar 3.15 Flowchart association rules dengan algoritma FP-growth 40 Gambar 3.16 Sitemap aplikasi 41 Gambar 3.17 Database relationship 42 Gambar 3.18 Rancangan tampilan home pengguna sebagai user 43 Gambar 3.19 Rancangan tampilan hasil proses pencarian 43

13 xii Gambar 3.20 Rancangan tampilan halaman info 44 Gambar 3.21 Rancangan tampilan home pengguna sebagai admin 45 Gambar 3.22 Rancangan tampilan input lulusan mahasiswa 45 Gambar 3.23 Rancangan tampilan daftar lulusan mahasiswa 46 Gambar 3.24 Rancangan tampilan parameter data 47 Gambar 3.25 Rancangan tampilan jumlah mahasiswa 47 Gambar 3.26 Rancangan tampilan kelola pengguna 48 Gambar 4.1 Halaman home pengguna sebagai user 50 Gambar 4.2 Halaman home pengguna sebagai admin 51 Gambar 4.3 Halaman input lulusan mahasiswa 51 Gambar 4.4 Halaman daftar lulusan mahasiswa 52 Gambar 4.5 Halaman parameter 53 Gambar 4.6 Halaman jumlah mahasiswa 53 Gambar 4.7 Proses pencarian association rules 57 Gambar 4.8 Hasil uji coba pencarian 57 Gambar 4.9 Hasil proses pencarian 58 Gambar 4.10 Hasil pencarian fakultas kedokteran 61 Gambar 4.11 Hasil pencarian fakultas kedokteran gigi 62 Gambar 4.12 Hasil pencarian fakultas farmasi 62 Gambar 4.13 Hasil pencarian fakultas kesehatan masyarakat 63 Gambar 4.14 Hasil pencarian fakultas keperawatan 64 Gambar 4.15 Hasil pencarian fakultas MIPA 65 Gambar 4.16 Hasil pencarian fakultas Ilkom-Ti 66 Gambar 4.17 Hasil pencarian fakultas teknik 66 Gambar 4.18 Hasil pencarian fakultas psikologi 67 Gambar 4.19 Hasil pencarian fakultas pertanian 68 Gambar 4.20 Hasil pencarian fakultas hukum 69 Gambar 4.21 Hasil pencarian fakultas ilmu budaya 70 Gambar 4.22 Hasil pencarian fakultas ekonomi 70 Gambar 4.23 Hasil pencarian fakultas ilmu sosial dan politik 71