BAB V ANALISA HASIL DAN PEMBAHASAN
A. Percobaan Jenis I
1. Percobaan dengan Dataset I
Dataset I merupakan dataset nilai akademik mahasiswa yang dinyatakan berhasil dengan nilai tiap matakuliah A atau B. Pada Dataset I ini input minimum support hanya berkisar 0.4 s.d 0.65 karena dengan minimum support yang lebih kecil aturan asosiasi yang dihasilkan sangat banyak dan hasilnya kurang begitu bermakna. Contoh format Dataset I adalah sebagai berikut :
Nim Kode _mtk Mtk Nilai
2101 MAK 205 Struktur Data A 2101 MAK 103 Algoritma dan Pemrograman I B 2101 MAK 104 Algoritma Dan Pemrograman II B
2101 MAK 209 Basis Data I B
2101 MAK 221 Grafika Komputer Lanjut B 2101 MAK 411 Kompresi Data B 2101 MAK 413 Konsep Bahasa Pemrograman B 2101 MAK 313 Pemrosesan Citra B 2101 MAK 301 Rekayasa Perangkat Lunak II B 2101 MAK 214 Sistem Cerdas B 2101 MAK 418 Teknologi Multimedia B 2102 MAK 217 Analisis Algoritma A
2102 MAK 209 Basis Data I A
2102 MAK 309 Robotika A
2102 MAK 104 Algoritma Dan Pemrograman II B 2102 MAK 406 Algoritma Genetika B 2102 MAK 303 Basis Data II B 2102 MAK 413 Konsep Bahasa Pemrograman B 2102 MAK 210 Pengantar Grafika Komputer & Multimedia B 2102 MAK 416 Pengenalan Pola B 2102 MAK 215 Rekayasa Perangkat Lunak I B 2102 MAK 301 Rekayasa Perangkat Lunak II B 2102 MAK 214 Sistem Cerdas B 2102 MAK 205 Struktur Data B
dst dst dst dst
a). Percobaan I.1.a
Minimum Support : 0.4
Menghasilkan frequent 1_itemset yang terdiri dari 16 itemset yaitu sebagai berikut :
No Frequent 1-itemset Count Support
1. {Algoritma dan Pemrograman I } 79 0.58
2. {Algoritma dan Pemrograman II} 50 0.36
3. {Analisis Algoritma} 96 0.70
4. {Basis Data I} 47 0.34
5. {Basis Data II} 75 0.55
6. {Grafika Komputer Lanjut } 42 0.31
7. {Kompresi Data} 35 0.26
8. {Konsep Bahasa Pemrograman} 66 0.48
9. {Pemrograman Client Server} 74 0.54
10. {Pengantar Grafika Komputer & Multimedia} 105 0.77
11. {Rekayasa Perangkat Lunak I} 54 0.39
12. {Rekayasa Perangkat Lunak II} 50 0.36
13. {Sistem Basis Data Terdistribusi} 41 0.30
14. {Sistem Cerdas} 91 0.66
15. {Struktur Data} 79 0.58
16. {Teknologi Multimedia} 47 0.34
Dari frequent 1_itemset diatas dapat dibentuk frequent 2_itemset dan frequent 3_itemset sebagai berikut :
No Frequent 2-itemset Count Support
1. {1,2} 63 0.46
2 .
{1,6} 68 0.50
3. {1,7} 56 0.41
Tabel 5.2 Frequent 1_itemset dengan minsup 0.4 pada dataset I
4. {2,3} 64 0.47 5. {2,5} 64 0.47 6. {2,6} 79 0.58 7. {2,7} 76 0.55 8. {2,8} 61 0.45 9. {3,6} 64 0.47 10. {3,7} 63 0.46 11. {3,8} 55 0.40 12. {5,6} 60 0.44 13. {5,7} 58 0.42 14. {6,7} 74 0.54 15. {6,8} 64 0.47 16. {7,8} 61 0.45
No Frequent 3-itemset Count Support
1. {1,2,6} 57 0.42
2. {2,3,7} 67 0.42
3. {2,6,7} 65 0.47
Pada percobaan ini iterasi berhenti pada frequent 3_itemset kemudian dari frequent itemset di atas terbentuk aturan asosiasi yang kuat (strong association rule) sebagai berikut :
No Aturan Aturan asosiasi Confid
ence 1. Algoritma dan Pemrograman I Algoritma dan Pemrograman II 0.80 2. Algoritma dan Pemrograman II Algoritma dan Pemrograman I 0.66 3. Algoritma dan Pemrograman I Grafika Komputer Lanjut 0.87 4. Grafika Komputer Lanjut Algoritma dan Pemrograman I 0.65
5. Algoritma dan Pemrograman I Kompresi Data 0.71
6. Kompresi Data Algoritma dan Pemrograman I 0.62
7. Algoritma dan Pemrograman II Analisis Algoritma 0.67 8. Analisis Algoritma Algoritma dan Pemrograman II 0.86
9. Algoritma dan Pemrograman II Basis Data II 0.67
Tabel 5.5 Aturan asosiasi dengan minsup 0.4 dan minconf 0,5 pada dataset I Tabel 5.4 Frequent 3_itemset dengan minsup 0.4 pada dataset I
10. Basis Data II Algoritma dan Pemrograman II 0.87 11. Algoritma dan Pemrograman II Grafika Komputer Lanjut 0.83 12. Grafika Komputer Lanjut Algoritma dan Pemrograman II 0.76
13. Algoritma dan Pemrograman II Kompresi Data 0.78
14. Kompresi Data Algoritma dan Pemrograman II 0.83
15. Algoritma dan Pemrograman II Konsep Bahasa Pemrograman 0.64 16. Konsep Bahasa Pemrograman Algoritma dan Pemrograman II 0.78
17. Analisis Algoritma Grafika Komputer Lanjut 0.86
18. Grafika Komputer Lanjut Analisis Algoritma 0.61
19. Analisis Algoritma Kompresi Data 0.84
20. Kompresi Data Analisis Algoritma 0.69
21. Analisis Algoritma Konsep Bahasa Pemrograman 0.73
22. Konsep Bahasa Pemrograman Analisis Algoritma 0.69
23. Basis Data II Grafika Komputer Lanjut 0.81
24. Grafika Komputer Lanjut Basis Data II 0.57
25. Basis Data II Kompresi Data 0.78
26. Kompresi Data Basis Data II 0.63
27. Grafika Komputer Lanjut Kompresi Data 0.70
28. Kompresi Data Grafika Komputer Lanjut 0.81
29. Grafika Komputer Lanjut Konsep Bahasa Pemrograman 0.61 30. Konsep Bahasa Pemrograman Grafika Komputer Lanjut 0.82
31. Kompresi Data Konsep Bahasa Pemrograman 0.68
32. Konsep Bahasa Pemrograman Kompresi Data 0.78
33. Algoritma dan Pemrograman I Algoritma dan Pemrograman II & Grafika Komputer Lanjut
0.72 34. Algoritma dan Pemrograman II Algoritma dan Pemrograman I &
Grafika Komputer Lanjut
0.60 35. Grafika Komputer Lanjut Algoritma dan Pemrograman I &
Algoritma dan Pemrograman II
0.55 36. Algoritma dan Pemrograman I & Algoritma dan Pemrograman II
Grafika Komputer Lanjut
0.91 37. Algoritma dan Pemrograman I & Grafika Komputer Lanjut
Algoritma dan Pemrograman II
0.84 38. Algoritma dan Pemrograman II& Grafika Komputer Lanjut
Algoritma dan Pemrograman I
0.72 39. Algoritma dan Pemrograman II Analisis Algoritma & Kompresi
Data
0.60 40. Analisis Algoritma Algoritma dan Pemrograman II & Kompresi
Data
0.76 41. Kompresi Data Algoritma dan Pemrograman II&Analisis
Algoritma
42. Algoritma dan Pemrograman II&Analisis Algoritma Kompresi Data
0.89 43. Algoritma dan Pemrograman II&Kompresi Data Analisis
Algoritma
0.76 44. Analisis Algoritma&Kompresi Data Algoritma dan
Pemrograman II
0.91 45. Algoritma dan Pemrograman II Grafika Komputer Lanjut &
Kompresi Data
0.67 46. Grafika Komputer Lanjut Algoritma dan Pemrograman II &
Kompresi Data
0.61 47. Kompresi Data Algoritma dan Pemrograman II & Grafika
Komputer Lanjut
0.71 48. Algoritma dan Pemrograman II & Grafika Komputer Lanjut
Kompresi Data
0.81 49. Algoritma dan Pemrograman II&Kompresi Data
Grafika Komputer Lanjut
0.85 50. Grafika Komputer Lanjut &Kompresi Data Algoritma dan
Pemrograman II
0.87
Dari aturan asosiasi yang terbentuk terdapat beberapa aturan yang janggal misalnya aturan Analisis Algoritma Grafika Komputer Lanjut, karena pada kenyataannya matakuliah Analisa Algoritma diambil bersamaan dengan matakuliah Grafika Komputer Lanjut. Hal itu diduga karena karena pola pada dataset bersifat menyebar.
b). Percobaan I.1.b
Minimum support : 0.45
Menghasilkan frequent 1_itemset yang terdiri dari 8 itemset yaitu sebagai berikut:
No Frequent 1-itemset Count Support
1. {Algoritma dan Pemrograman I } 79 0.58
2. {Analisis Algoritma} 96 0.70
3. {Basis Data II} 75 0.55
4. {Konsep Bahasa Pemrograman} 66 0.48
5. {Pemrograman Client / Server} 74 0.54
6. {Pengantar Grafika Komputer dan Multimedia} 105 0.77
7. {Sistem Cerdas} 91 0.66
8. {Struktur Data} 79 0.58
Dari frequent 1_itemset diatas dapat dibentuk frequent 2_itemset dan frequent 3_itemset sebagai berikut :
No Frequent 2-itemset Count Support
1. {1,2} 63 0.46 2 . {1,6} 68 0.50 3. {2,3} 64 0.47 4. {2,5} 64 0.47 5. {2,6} 79 0.58 6. {2,7} 76 0.55 7. {3,6} 64 0.47 8. {3,7} 63 0.46 9. {6,7} 74 0.54 10. {6,8} 64 0.47
No Frequent 3-itemset Count Support
1. {2,6,7} 65 0.47
Tabel 5.6 Frequent 1_itemset dengan minsup 0.45 pada dataset I
Tabel 5.7 Frequent 2_itemset dengan minsup 0.45 pada dataset I
Pada percobaan ini iterasi berhenti pada frequent 3_itemset kemudian dari frequent itemset diatas terbentuk aturan asosiasi yang kuat (strong association rule) sebagai berikut:
No Aturan
Aturan asosiasi Confidence
1 Algoritma dan Pemrograman I Analisis Algoritma 0.80 2 Analisis Algoritma Algoritma dan Pemrograman I 0.66 3 Algoritma dan Pemrograman I Pengantar Grafika
dan Multimedia
0.87 4 Pengantar Grafika dan Multimedia Algoritma dan
Pemrograman I
0.65
5 Analisis Algoritma Basis Data II 0.67
6 Basis Data II Analisis Algoritma 0.86
7 Analisis Algoritma Pemrograman Client/server 0.67 8 Pemrograman Client/server Analisis Algoritma 0.87 9 Analisis Algoritma Pengantar Grafika dan
Multimedia
0.83 10 Pengantar Grafika dan Multimedia Analisis
Algoritma
0.76
11 Analisis Algoritma Sistem Cerdas 0.78
12 Sistem Cerdas Analisis Algoritma 0.83
13 Basis Data II Pengantar Grafika dan Multimedia 0.86 14 Pengantar Grafika dan Multimedia Basis Data II 0.61
15 Basis Data II Sistem Cerdas 0.84
16 Sistem Cerdas Basis Data II 0.69
17 Pengantar Grafika dan Multimedia Sistem Cerdas 0.70 18 Sistem Cerdas Pengantar Grafika dan Multimedia 0.81 19 Pengantar Grafika dan Multimedia Struktur Data 0.61 20 Struktur Data Pengantar Grafika dan Multimedia 0.82 21 Analisis Algoritma Pengantar Grafika dan
Multimedia & Sistem Cerdas
0.67 22 Pengantar Grafika dan Multimedia Analisis
Algoritma & Sistem Cerdas
0.61 23 Sistem Cerdas Analisis Algoritma & Pengantar
Grafika dan Multimedia
0.71 24 Analisis Algoritma & Pengantar Grafika dan
Multimedia Sistem Cerdas
0.81 Tabel 5.9 aturan asosiasi dengan minsup 0.45 dan minconf 0.5 pada dataset I
25 Analisis Algoritma & Sistem Cerdas Pengantar Grafika dan Multimedia
0.85 26 Pengantar Grafika dan Multimedia & Sistem Cerdas
Analisis Algoritma
0.87
c). Percobaan I.1.c
Minimum support : 0.5
Menghasilkan frequent 1_itemset yang terdiri dari 7 itemset yaitu sebagai berikut:
No Frequent 1-itemset Count Support
1. {Algoritma dan Pemrograman I } 79 0.58
2. {Analisis Algoritma} 96 0.70
3. {Basis Data II} 75 0.55
4. {Pemrograman Client / Server} 74 0.54
5. {Pengantar Grafika Komputer dan Multimedia} 105 0.77
6. {Sistem Cerdas} 91 0.66
7. {Struktur Data} 79 0.58
Dari frequent 1_itemset diatas dapat dibentuk frequent 2_itemset sebagai berikut :
No Frequent 2-itemset Count Support
1. {2,5} 79 0.58
2 .
{2,6} 76 0.55
3. {5,6} 74 0.54
Pada percobaan ini iterasi berhenti pada frequent 2_itemset kemudian dari frequent itemset diatas terbentuk aturan asosiasi yang kuat (strong association rule) sebagai berikut:
Tabel 5.10 Frequent 1_itemset dengan minsup 0.5 pada dataset I
Tabel 5.11 Frequent 2_itemset dengan minsup 0.5 pada dataset I
d). Percobaan I.1.d
Minimum support : 0.55
Menghasilkan frequent 1_itemset yang terdiri dari 6 itemset yaitu sebagai berikut:
No Frequent 1-itemset Count Support
1. {Algoritma dan Pemrograman I } 79 0.58
2. {Analisis Algoritma} 96 0.70
3. {Basis Data II} 75 0.55
4. {Pengantar Grafika Komputer dan Multimedia} 105 0.77
5. {Sistem Cerdas} 91 0.66
6. {Struktur Data} 79 0.58
Dari frequent 1_itemset diatas dapat dibentuk frequent 2_itemset sebagai berikut :
No Frequent 2-itemset Count Support
1. {2,4} 79 0.58
No Aturan
Aturan asosiasi Confidence 1 Analisis Algoritma Pengantar Grafika
Komputer dan Multimedia
0.83 2 Pengantar Grafika Komputer dan Multimedia
Analisis Algoritma
0.76
3 Analisis Algoritma Sistem Cerdas 0.78
4 Sistem Cerdas Analisis Algoritma 0.83
5 Pengantar Grafika Komputer dan Multimedia
Sistem Cerdas
0.70 6 Sistem Cerdas Pengantar Grafika Komputer
dan Multimedia
0.81
Tabel 5.13 Frequent 1_itemset dengan minsup 0.55 pada dataset I
2 .
{2,5} 76 0.55
Dari frequent 1_itemset diatas dapat dibentuk strong association rule sebagai berikut :
e). Percobaan I.1.e
Minimum Support : 0.6
Terdapat frequent 1_itemset sebanyak 3 yaitu sebagai berikut :
No Frequent 1-itemset Count Support
1. {Analisis Algoritma} 96 0.70
2. {Pengantar Grafika Komputer dan Multimedia} 105 0.77
3. {Sistem Cerdas} 91 0.66
Dari frequent 1_itemset diatas tidak terbentuk frequent 2_ itemset sehingga tidak akan terbentuk aturan asosiasi yang kuat karena sebuah aturan asosiasi terbentuk dari paling sedikit 2 itemset.
f). Percobaan I.1.f
Minimum support: 0.65 No
Aturan
Aturan asosiasi Confidence 1 Analisis Algoritma Pengantar Grafika
Komputer dan Multimedia
0.83 2 Pengantar Grafika Komputer dan Multimedia
Analisis Algoritma
0.76
3 Analisis Algoritma Sistem Cerdas 0.78
4 Sistem Cerdas Analisis Algoritma 0.83
Tabel 5.16 Tabel frequent 1_itemset dengan minsup 0.6 pada dataset I Tabel 5.15 Aturan asosiasi dengan minsup 0.55 dan minconf 0.5 pada dataset I
Terdapat frequent 1_itemset sebanyak 3 yaitu sebagai berikut :
No Frequent 1-itemset Count Support
1. {Analisis Algoritma} 96 0.70
2. {Pengantar Grafika Komputer dan Multimedia} 105 0.77
3. {Sistem Cerdas} 91 0.66
Dari frequent 1_itemset diatas tidak terbentuk frequent 2_ itemset sehingga tidak akan terbentuk aturan asosiasi yang kuat karena sebuah aturan asosiasi terbentuk dari paling sedikit 2 itemset.