IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DAN METODE TOPSIS ( TECHNIQUE FOR ORDERS PREFERENCE BY SIMILARITY TO IDEAL SOLUTION) DALAM PENENTUAN MUTU BERAS MISKIN (STUDI KASUS: BULOG ACEH) SKRIPSI Sisca Lidhya Sari 111421065 PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DAN METODE TOPSIS ( TECHNIQUE FOR ORDERS PREFERENCE BY SIMILARITY TO IDEAL SOLUTION) DALAM PENENTUAN MUTU BERAS MISKIN (STUDI KASUS: BULOG ACEH) SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Ilmu Komputer SISCA LIDHYA SARI 111421065 PROGRAM STUDI EKSTENSI S1 ILMU KOMPUTER FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014
PERSETUJUAN Judul : IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DAN METODE TOPSIS DALAM (TECHNIQUE FOR ORDERS PREFERENCE BY SIMILARITY TO IDEAL SOLUTION) DALAM PENENTUAN MUTU BERAS MISKIN (STUDI KASUS: BULOG ACEH) Kategori : SKRIPSI Nama : SISCA LIDHYA SARI Nomor Induk Mahasiswa : 111421065 Program Studi : EKSTENSI S1 ILMU KOMPUTER Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Ade Candra, ST, M.Kom Maya Silvi Lydia, B.Sc, M.Sc NIP. 19790904 200912 1 002 NIP. 19740127 200212 2 001 Diketahui/disetujui oleh Program Studi S1 Ilmu Komputer Ketua, Dr. Poltak Sihombing, M.Kom NIP. 19620317 199103 1 001
PERNYATAAN IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DAN METODE TOPSIS (TECHNIQUE FOR ORDERS PREFERENCE BY SIMILARITY TO IDEAL SOLUTION) DALAM PENENTUAN MUTU BERAS MISKIN (STUDI KASUS: BULOG ACEH) SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya. Medan, Februari 2014 SISCA LIDHYA SARI 111421065
PENGHARGAAN Alhamdulillah, puji syukur penulis panjatkan kehadirat Allah SWT, yang telah memberikan rahmat dan hidayah-nya serta segala sesuatunya dalam hidup. Sehingga penulis dapat menyelesaikan penyusunan skripsi ini, sebagai syarat untuk memperoleh gelar Sarjana Komputer, Program Studi S1 Ilmu Komputer Universitas Sumatera Utara. Skripsi ini penulis persembahkan kepada kedua orangtua tercinta, Papa Ansari dan Ibunda Dra. Rosniar yang tiada hentinya memberikan doa dan kasih sayangnya serta semangat dan motivasi selama penulisan skripsi ini. Selanjutnya ucapan terima kasih penulis sampaikan kepada semua pihak yang telah membantu penulis selama pengerjaan skripsi ini, antara lain kepada: 1. Bapak Dr. Poltak Sihombing, M.Kom sebagai Ketua Program Studi S1 Ilmu Komputer. 2. Ibu Maya Silvi Lydia, B.Sc, M.Sc selaku Sekretaris Program Studi Ilmu Komputer sekaligus pembimbing saya yang telah membimbing, mengarahkan, menasehati, memotivasi, dan menyemangati penulis agar dapat menyelesaikan skripsi ini. 3. Bapak Ade Candra, ST, M.Kom selaku pembimbing yang telah meluangkan waktu, tenaga, dan pikiran dalam membimbing, mengarahkan, menasehati, memotivasi, dan menyemangati penulis agar dapat menyelesaikan skripsi ini. 4. Bapak Drs. Marihat Situmorang, M.Kom dan Ibu Dian Rachmawati, S.Si, M.Kom sebagai dosen penguji yang telah memberikan kritik dan saran yang berguna bagi penulis. 5. Seluruh dosen dan Pegawai di lingkungan Departemen Ilmu Komputer, Fakultas Ilmu Komputer dan Teknologi Informasi USU khususnya Kak Eka, Bang Manaf, Bang Fadli, Bang Zaki yang telah membantu penulis selama masa perkuliahan.
6. Kepala UPGB dan karyawan Bulog Aceh yang telah banyak membantu penulis selama penelitian skripsi ini. 7. Cutbang tersayang Randhy Ramadhani dan Adik terkasih Rizky Ramadiana Sari yang telah memberikan semangat kepada penulis. 8. Andria Rezki S.Kom, yang selalu memberikan semangat dan dukungan penuh kepada penulis guna meraih sarjana. 9. Teman-teman seangkatan Ekstensi S1 Ilmu Komputer tahun 2011, Maya, Wita, Zhe, Yuyun, Aim, Della dan Yolan serta teman teman yang lain yang sama-sama berjuang meraih gelar Sarjana. 10. Teman-teman terbaik penulis FERNANDO: Fidyatunnisa ST, M. Heru A. Junaidi, ST, Fairuzziana S.Psi, dan Cut Lina Keumala Sari, S.Pd yang telah banyak mendukung penulis hingga meraih sarjana. Semoga Allah SWT memberikan limpahan karunia semua pihak yang membantu penulis dalam menyelesaikan skripsi ini. Akhirnya penulis berharap bahwa skripsi ini bermanfaat terutama kepada penulis maupun para pembaca serta semua pihak akademisi yang tertarik mengembangkannya. Penulis menyadari bahwa skripsi ini masih jauh dari kesempurnaan, oleh karena itu penulis menerima saran dan kritik demi kesempurnaan skripsi ini sehingga bermanfaat bagi semua pihak. Medan, Februari 2014 Penulis Sisca Lidhya Sari
ABSTRAK Penyaluran beras kepada masyarakat miskin menjadi salah satu pokok kegiatan operasi utama Perusahaan Bulog guna memajukan kesejahteraan masyarakat Indonesia. Dalam kinerjanya penentuan keputusan terhadap mutu beras untuk penerima beras miskin sering kali menjadi persoalan yang rumit. Untuk mengatasi masalah-masalah tersebut perlu dilakukan langkah yang efektif agar suatu keputusan dapat diambil. Salah satu cara yang dapat dilakukan adalah dengan melakukan proses klasifikasi dan mencari hasil terbaik dari data yang telah ada menggunakan perangkat lunak untuk mendapatkan solusi optimal atas suatu permasalahan dengan menggunakan Algoritma K-Nearest Neighbor dan metode techniuqe for orders preference by similarity to ideal solution (TOPSIS). Dengan adanya aplikasi ini dapat memudahkan pihak perusahaan Bulog dalam menentukan mutu beras terbaik yang akan disalurkan ke masyarakat miskin. Waktu yang dibutuhkan untuk proses mining antara K-Nearest Neighbor dan TOPSIS terlihat algoritma Nearest Neigbor lebih sederhana proses perhitungannya terhadap data beras dibanding dengan Metode Topsis, namun membutuhkan waktu yang lebih lama karena harus dilakukan proses training secara berulang untuk setiap data yang akan diprediksi sedangkan Topsis lebih cepat kinerjanya dibandingkan dengan K-Nearest Neighbor. Kata Kunci: Penentuan Mutu Beras, K-Nearest Neighbor, Technique for Orders Preference by Similarity to Ideal Solution (TOPSIS)
IMPLEMENTATION OF K-NEAREST NEIGHBOR ALGORITHM AND TECHNIQUE FOR ORDERS PREFERENCE BY SIMILARITY TO IDEAL SOLUTION (TOPSIS) METHOD IN DETERMINING RICE QUALITY FOR ECONOMICALLY DISADVANTAGED GROUP OF PEOPLE ABSTRACT Rice distribution for economically disadvantaged group of people is one of the main operational activities of Bulog Company to advance Indonesian society welfare. Decision making for rice quality for the addressee often became a complicated problem. Overcoming those problems takes an effective step in order to take a decision. One way to do so is to perform the classification process and search for the best result using the existing data. The use of software can be an optimal solution of the problem by using K- Nearest Neighbor Algorithm and Techniuqe for orders preference by similarity to ideal solution (TOPSIS) method. This application will ease Perum Bulog to determine the best rice quality to be distributed to the economically disadvantaged group of people. The time required data mining process between K- Nearest Neighbor Algorithm and TOPSIS method generated data defined seen that K- Nearest Neighbor simpler than TOPSIS, but it took a lot of time by processing of data training repeatedly for data to be predicted, while TOPSIS faster than K- Nearest Neighbor. Keywords : Rice quality, K-Nearest Neighbor, Technique for Orders Preference by Similarity to Ideal Solution (TOPSIS).
DAFTAR ISI Halaman Persetujuan Pernyataan Penghargaan Abstrak Abtract Daftar Isi Daftar Tabel Daftar Gambar ii iii iv vi vii viii x xi Bab 1 Pendahuluan 1 1.1 Latar Belakang 1 1.2 Rumusan Masalah 2 1.3 Batasan Masalah 2 1.4 Tujuan Penelitian 3 1.5 Manfaat Penelitian 3 1.6 Metode Penelitian 3 1.7 Sistematika Penulisan 4 Bab 2 Tinjauan Pustaka 6 2.1 Konsep Sistem Pendukung Keputusan 6 2.1.1 Tahap-Tahap dalam Pengambilan Keputusan 8 2.1.2 Kerangka Kerja pengambilan Keputusan 9 2.1.3 Karakteristik Sistem Pendukung Keputusan 11 2.1.4 Sistem Pendukung Keputusan Database 12 2.2. Konsep Algoritma K - Nearest Neighbor 13 2.3. Metode TOPSIS 16 2.3.1.Prosedur dan langkah- langkah metode TOPSIS 17 2.3.2 Ilustrasi Metode TOPSIS 19 2.3 Penelitian Terdahulu 23 Bab 3 Analisis dan Perancangan Sistem 26 3.1 Analisis 26 3.1.1 Analisis Masalah 26 3.2 Analisis Kebutuhan Sistem 27 3.2.1 Analisis Fungsional Sistem 27 3.2.2 Analisis Non- Fungsional Sistem 28 3.3. Perancangan Sistem 29 3.3.1 Use case diagram 30 3.3.2 Diagram Activity 31
3.3.3 Flowchart K-nearest Neighbor 34 3.3.4 Flowchart Metode TOPSIS 36 3.4 Rancangan Database 37 3.5 Pembuatan Rancangan Tampilan Aplikasi 38 3.5.1 Rancangan Jendela Utama 38 3.5.2 Rancangan Form Data User 40 3.5.3 Rancangan Form Data Mitra Beras 41 3.5.4 Rancangan Form Parameter 40 3.5.5 Rancangan Form K-Nearest Neighbor 42 3.5.6 Rancangan Form Proses Metode TOPSIS 43 Bab 4 Implementasi Dan Pengujian 46 4.1 Implementasi 46 4.1.1 Implementasi Algoritma K-Nearest Neighbor 46 4.1.2 Implementasi Metode TOPSIS 53 4.1.3 Perbandingan Algoritma K-Nearest Neighbor dan TOPSIS 69 4.2 Pengujian 69 4.2.1 Tampilan Halaman Login 70 4.2.2 Tampilan Jendela Utama 71 4.2.3 Tampilan Form Data User 71 4.2.4 Tampilan Form Data Mitra 72 4.2.5 Tampilan Form Klasifikasi Data K-Nearest Neighbor 74 4.2.6 Tampilan Form Metode TOPSIS 76 Bab 5 Kesimpulan Dan Saran 79 5.1 Kesimpulan 79 5.2 Saran 80 Daftar Pustaka Lampiran A: Listing Program Lampiran B: Curriculum Vitae
DAFTAR TABEL Halaman 2.1 Alternatif kecocokan pada setiap kriteria 20 2.2 Bobot Kriteria 20 3.1 Tabel Mitra 32 3.2 Tabel Parameter 38 3.3 Tabel User 37 4.1 Data Testing dan Data Training 45 4.2 Nilai Hasil Pengujian Data Beras 47 4.3 Cluster Data Training 49 4.4 Perthitungan Data Training dan Data Testing 50 4.5 Hasil perhitungan data testing 51 4.6 Data Beras dan Kriteria 52 4.7 Nilai Normalisasi 1 55 4.8 Nilai Ternormalisasi Terbobot 56 4.9 Nilai Solusi Ideal Positif dan Negatif 58 4.10 Jarak alternatif A + 60 4.11 Jarak alternatif A - 62 4.12 Jarak solusi ideal positif A - dan A + 63 4.13 Hasil Nilai Terbaik 65
DAFTAR GAMBAR Halaman 2.1 Fase Proses Pengambilan Keputusan 9 2.2 Ilustrasi Solusi pada KNN 14 3.1 Diagram Ishikawa 27 3.2 Use Case Diagram pada Sistem 30 3.3 Diagram Activity Sistem 32 3.4 Diagram Activity algortima K-Nearest Neighbor 33 3.5 Diagram Activity Metode TOPSIS 34 3.6 Flowchart Perhitungan K-Nearest Neighbor 35 3.7 Flowchart Perhitungan TOPSIS 36 3.8 Rancangan Jendela Utama 39 3.9 Rancangan Form Data User 40 3.10 Rancangan Form Data Mitra Beras 41 3.11 Rancangan Form Parameter 42 3.12 Rancangan Form Klasifikasi Data K-Nearest Neighbor 43 3.13 Rancangan Form Metode Topsis 44 4.11 Form Pengisian Data Beras dan Kriteria 66 4.1 Tampilan Halaman login 67 4.2 Tampilan Jendela Utama Aplikasi 67 4.3 Tampilan Form Data User 68 4.4 Tampilan Menambah Data User 68 4.5 Tampilan Form Data Mitra 69 4.6 Tampilan Form Tambah Data Mitra 69 4.7 Tampilan Form Klasifikasi Data K-Nearest Neighbor 70 4.8 Form Tampilan Hasil Nilai Pembagian Kelas 71 4.9 Form Hasil Klasifikasi Data 72 4.10 Form Tampilan Metode TOPSIS 73