PERSETUJUAN
Judul : PENERAPAN METODE CLUSTERING DATA
DENGAN C-MEANS UNTUK REKOMENDASI
PENERIMA BEASISWA PADA UNIVERSITAS
SUMATERA UTARA
Kategori : SKRIPSI
Nama : DESI FITRIANI
Nomor Induk Mahasiswa : 091402003
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI
Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
(FASILKOMTI) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Agustus 2013
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dedy Arisandi, ST, M.Kom Syahril Efendi, S.Si, M.IT NIP : 19790831 200912 1 002 NIP : 19671110 199602 1 001
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
iii
PERNYATAAN
PENERAPAN METODE CLUSTERING DATA DENGAN C-MEANS UNTUK REKOMENDASI PENERIMA BEASISWA
PADA UNIVERSITAS SUMATERA UTARA
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Agustus 2013
Desi Fitriani 091402003
PENGHARGAAN
Alhamdulillah segala puji dan syukur penulis sampaikan kehadirat Allah SWT beserta Nabi Besar Muhammad SAW yang telah memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara.
Ucapan terimakasih penulis sampaikan kepada:
1. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara.
2. Ketua dan Sekretaris Program Studi Teknologi Informasi, Prof. Dr. Opim Salim Sitompul, M.sc. dan Drs. Sawaluddin, M.IT.
3. Bapak Syahril Efendi, S.Si., M.IT selaku pembimbing satu dan Bapak Dedy Arisandi, ST., M.Kom selaku pembimbing dua yang telah banyak meluangkan waktu dan fikirannya, memotivasi, memberikan kritik dan saran kepada penulis.
4. Ibu Sarah Purnamawati, ST., M.Sc dan Bapak Baihaqi Siregar, S.Si., MT yang telah bersedia menjadi dosen penguji dan telah memberikan saran-saran yang baik bagi penulis dalam menyelesaikan skripsi ini.
5. Ayahanda Akhmad Bangun Nasution dan Ibunda Idawati Hasibuan yang telah memberikan dukungan, motivasi, dan pembelajaran bagi penulis dari kecil dan selalu sabar dalam mendidik penulis. Untuk adik penulis Saiful Anwar Nasution, Aisah Safitri, Akhmad Faisal Nasution dan Rahmat Halomoan Nasution yang selalu memberikan dukungan kepada penulis, terimakasih kepada Bapak Syamsul Bahri S.Pd yang telah memberikan dukungan dan motivasi kepada penulis.
6. Teman-teman penulis Fitrianti Pohan, Erni Fauziah Nasution, Riris Poppy Lestari, Nurul Azmi dan teman-teman Asrama Putri USU dan abangda Guntur Saputra S Hasibuan yang selalu mendukung penulis dengan sabar, selalu ada untuk penulis dalam keadaan apapun dan menjadi penyemangat penulis setelah kedua orang tua penulis.
7. Teman-teman seperjuangan yang selalu memberikan dukungan dan membantu
penulis selama belajar di Program Studi Teknologi Informasi yaitu Yuli Primadani, Aang Adyatma, Rian Haris Nasution, Adnan Buyung Nasution, Irwan Syahputra, Muhammad Rozy Lubis, Fuji Frilla Kurnia, Yayuk Anggraini dan teman-teman TA serta seluruh angkatan 09.
v
ABSTRAK
Universitas Sumatera Utara menawarkan beberapa jenis program beasiswa kepada mahasiswa berprestasi dan memerlukan bantuan ekonomi dalam menyelesaikan kuliahnya, oleh sebab itu diperlukan suatu informasi dalam bentuk rekomendasi program beasiswa. Manfaat sistem pendukung keputusan dapat diimplementasikan pada rekomendasi penerima beasiswa, teknik yang digunakan dalam aplikasi sistem pendukung keputusan ini adalah clustering data dengan c-means, dimana objek dari data yang tersedia akan dikelompokkan sedemikian rupa sehingga objek dalam satu cluster sangat mirip dan objek di berbagai cluster yang lain cukup berbeda. Clustering dengan c-means memiliki kemampuan untuk mengelompokan data mahasiswa, dan dapat meminimalisir data sesuai dengan kebutuhan program beasiswa yang ditawarkan. Setelah data mahasiswa diminimalisir, kemudian data dikelompokkan berdasarkan jarak kedekatan terhadap program beasiswa yang ditawarkan, sehingga diperoleh persamaan dan perbedaan dari beberapa cluster data dengan jarak minimal yang dimasukkan kedalam aplikasi. Aplikasi rekomendasi beasiswa memberikan informasi jenis beasiswa yang dapat diikuti oleh mahasiswa sesuai dengan syarat yang dibutuhkan oleh program beasiswa yang ditawarkan.
Kata kunci : sistem pendukung keputusan, clustering data, c-means, rekomendasi
APPLICATION OF METHODS CLUSTERING DATA WITH C-MEANS FOR RECOMMENDATIONS SCHOLARSHIP RECIPIENT
IN UNIVERSITAS SUMATERA UTARA
ABSTRACT
Universitas Sumatera Utara offers a few types of scholarship programe for achievement student and economic assistance required in completing college, therefore the required information in the form of a scholarship program recommendations. Benefits of decision support systems can be implemented on the recommendation of the scholarship recipients, the techniques used in the application of decision support system is a clustering of data with the c-means clustering, where the object of the available data will be grouped such that objects within a cluster are very similar and objects in different clusters others are quite different. C-means clustering with the ability to classify the student data, and can minimize the data according to the needs of scholarship programs offered. Once the student data is minimized, the data is grouped by distance proximity to the scholarship program offered, in order to obtain some of the similarities and differences of the data cluster with the minimum distance is entered into the application. Provide information on scholarship applications scholarship types that can be followed by students in accordance with the terms required by the scholarship program offered.
vii
BAB 2 LANDASAN TEORI 7
2.1 Sistem Pendukung Keputusan (SPK) 7
2.1.1 Nilai Guna dan Karakteristik Sistem Pendukung Keputusan 7
2.1.2 Komponen-komponen Sistem Pendukung Keputusan 9
2.1.3 Subsistem Manajemen Database 10
2.1.4 Subsistem Manajemen Basis Model 10
2.1.5 Subsistem Perangkat Lunak Penyelenggara Dialog 11
2.2 Beasiswa Universitas Sumatera Utara 12
2.2.1 Persyaratan Beasiswa Universitas Sumatera Utara 13
2.2.2 Syarat Khusus 13
2.2.3 Prosedur Untuk Mendapatkan Beasiswa Universitas Sumatera Utara 20
2.3 Data Mining 20
2.3.1 Teknik Data Mining 22
2.4 Metode Clustering 23
2.4.1 Analisa Cluster 23
2.4.2 Clustering dengan C-Means 24
2.4.3 Sifat Pengelompokan Clustering C-Means 26
2.4.4 Kelebihan dan Kekurangan C-Means Clustering 27
2.5 Pemrograman PHP dan MySQL 27
2.6 Data Flow Diagram (DFD) 29
2.7 Flowchart 29
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 30
3.1 Analisis Sistem 30
3.2 Analisis Data Sistem 30
3.3 Perancangan Sistem 33
3.3.1 Pengelompokan Data (Clustering Data) 35
3.3.2 Data Cleaning 35
3.3.3 Pembentukan Centroid Cluster 37
3.3.4 Clustering Dengan C-Means 40
3.4 Analisis Komponen Sistem 43
3.4.1 Data Flow Diagram (DFD) Level 0 43
3.4.2 Data Flow Diagram (DFD) Level 1 43
3.4.3 Data Flow Diagram (DFD) Level 2 44
3.5 Rancangan Antarmuka Pengguna (user interface) 46
3.5.1 Rancangan Form Utama 46
3.5.2 Rancangan Form Beasiswa 47
3.5.3 Rancangan Form Staff 47
3.5.4 Rancangan Form Peserta 49
3.5.5 Rancangan Form Pengumuman 49
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM 50
4.1 Implementasi Sistem 50
4.1.1 Lingkungan Implementasi 50
4.1.2 Implementasi Perancangan Antarmuka 50
4.1.3 Tampilan Implementasi Program 51
4.2 Pengujian Sistem 58
4.2.1 Rencana Pengujian Sistem 58
4.2.2 Hasil Pengujian Sistem 59
4.2.3 Hasil Pengujian Kinerja Sistem 64
BAB 5 KESIMPULAN DAN SARAN 65
5.1 Kesimpulan 65
5.2 Saran 65
DAFTAR PUSTAKA 67
LAMPIRAN A : Listing Program 69
ix
DAFTAR TABEL
Tabel 2.1 Jenis dan Syarat Beasiswa 13
Tabel 2.1 Jenis dan Syarat Beaiswa (Lanjutan) 14
Tabel 2.1 Jenis dan Syarat Beaiswa (Lanjutan) 15
Tabel 2.1 Jenis dan Syarat Beaiswa (Lanjutan) 16
Tabel 2.1 Jenis dan Syarat Beaiswa (Lanjutan) 17
Tabel 2.1 Jenis dan Syarat Beaiswa (Lanjutan) 18
Tabel 2.1 Jenis dan Syarat Beaiswa (Lanjutan) 19
Tabel 3.1 Data Mahasiswa yang Mendaftar Beasiswa 32
Tabel 3.2 Data Jenis Program Beasiswa di Universitas Sumatera Utara 34
Tabel 3.3 Nilai Numerik Tiap Fakultas 36
Tabel 3.4 Hasil Filterisasi Karakteristik Data Mahasiswa 36 Tabel 3.4 Hasil Filterisasi Karakteristik Data Mahasiswa (Lanjutan) 37
Tabel 3.5 Perbandingan Antara Tiap-tiap Centroid 39
Tabel 3.6 Jarak Data Umur ke Pusat Cluster 41
Tabel 4.1 Rencana Pengujian 59
Tabel 4.2 Hasil Pengujian 60
Tabel 4.2 Hasil Pengujian (Lanjutan) 61
Tabel 4.2 Hasil Pengujian (Lanjutan) 62
Tabel 4.2 Hasil Pengujian (Lanjutan) 63
DAFTAR GAMBAR
Gambar 2.1 Proses Knowledge Discovery In Database 21
Gambar 2.2 Flowchart Algoritma C-Means 25
Gambar 3.1 Flowchart Clustering 31
Gambar 3.2 Tahapan Pengelompokan Data 35
Gambar 3.3 Flowchart Clustering C-Means 40
Gambar 3.4 Diagram Konteks (DFD Level 0) 43
Gambar 3.5 Data Flow Diagram Level 1 43
Gambar 3.6 Data Flow Diagram Level 2 Mengelola Data Peserta 44 Gambar 3.7 Data Flow Diagram Level 2 SPK Rekomendasi Beasiswa 45
Gambar 3.8 Rancangan Form Utama 46
Gambar 3.9 Rancangan Form Beasiswa 47
Gambar 3.10 Rancangan Form Login Staff 48
Gambar 3.11 Rancangan Form Staff 48
Gambar 3.12 Rancangan Form Peserta 49
Gambar 3.13 Rancangan Form Pengumuman 49
Gambar 4.1 Menu Utama Program 51
Gambar 4.2 Menu Pendaftaran Beasiswa 52
Gambar 4.3 Tampilan Data Mahasiswa 52
Gambar 4.4 Menu Beasiswa 53
Gambar 4.5 Menu Login Staff 54
Gambar 4.6 Menu Staff Admin 55
Gambar 4.7 Menu Peserta 56
Gambar 4.8 Print Screen Hasil Laporan Dalam Bentuk Excel 56