HALAMAN JUDUL
TESIS - PM 147501
KAJIAN KOMPARASI PENERAPAN ALGORITMA
C4.5 DAN NAÏVE BAYES SEBAGAI PENUNJANG
KEPUTUSAN PINJAMAN UANG (STUDI KASUS DI
KOPERASI KARYAWAN PT. KARYAMITRA
BUDISENTOSA PANDAAN PASURUAN)
AKAS BAGUS SETIAWAN 09211650053034
DOSEN PEMBIMBING
Dr.Eng. Febriliyan Samopa, S.Kom, M.Kom
PROGRAM MAGISTER
BIDANG KEAHLIAN MANAJEMEN TEKNOLOGI INFORMASI FAKULTAS BISNIS DAN MANAJEMEN TEKNOLOGI
INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA
HALAMAN JUDUL
THESIS - PM 147501
COMPARATIVE STUDY OF IMPLEMENTATION
C4.5 AND NAÏVE BAYES ALGORITHM’S AS
SUPPORTING MONEY LOAN DECISIONS (CASE
STUDY AT EMPLOYEES 'COOPERATION OF
KARYAMITRA BUDISENTOSA PANDAAN
PASURUAN)
Akas Bagus Setiawan 09211650053034
SUPERVISOR
Dr.Eng. Febriliyan Samopa, S.Kom, M.Kom
MAGISTER PROGRAM
MANAGEMENT OF INFORMATION AND TECHNOLOGY FACULTY OF BUSINESS AND MANAGEMENT TECHNOLOGY INSTITUT TEKNOLOGI SEPULUH NOPEMBER
SURABAYA 2018
i
LEMBAR PENGESAHAN
Tesis disusun untuk memenuhi salah satu syarat memperoleh gelar Magister Manajemen Teknologi (M.MT.)
di
Institut Teknologi Sepuluh Nopember Oleh:
AKAS BAGUS SETIAWAN
NRP. 09211650053034
Tanggal Ujian : 16 Mei 2018 Periode Wisuda : September 2018 Disetujui oleh:
1 Dr. Eng. Febriliyan Samopa, S.Kom., M.Kom. NIP. 197411232006041001
(Pembimbing)
2. Dr. Tech. Ir. V. Hari Ginardi, M.Sc. NIP. 196505181992031003
(Penguji)
3. Faizal Mahananto, S.Kom, M.Kom., Ph.D. NIPH. 5200201301010
(Penguji)
Dekan Fakultas Bisnis dan Manajemen Teknologi,
Prof. Dr. Ir. Udisubakti Ciptomulyono, M.Eng.Sc. NIP. 195903181987011001
ii
iii
KAJIAN KOMPARASI PENERAPAN ALGORITMA C4.5 DAN
NAÏVE BAYES SEBAGAI PENUNJANG KEPUTUSAN
PINJAMAN UANG (STUDI KASUS DI KOPERASI
KARYAWAN PT. KARYAMITRA BUDISENTOSA PANDAAN
Nama : Akas Bagus Setiawan
NRP : 9116205334
Pembimbing : Dr.Eng. Febriliyan Samopa, S.Kom, M.Kom
ABSTRAK
Sistem peminjaman uang di koperasi karyawan PT. Karyamitra Budisentosa mempunyai peran yang sentral karena anggota dari koperasi sendiri sebanyak 100 anggota dan perlu di analisa siapa saja anggota yang layak untuk diberi pinjaman. Resiko dari sistem peminjaman yang tak berjalan lancar akan menyebabkan kredit macet, maka akan mengganggu sistem keuangan dan proses bisnis yang ada di koperasi tersebut. adapun kredit macet berdasarkan data yang telah dikumpulkan dari tahun 2013 hingga 2017 yaitu sebesar 57,69% pada 2013, 50% pada 2014, 52,38% pada 2015, 71,4% pada 2016 dan 72,72% pada 2017 yang terjadi pada Koperasi Karyawan PT. Karyamitra Budisentosa jika dibandingkan dengan kredit yang berstatus lunas.
Penelitian ini menggunakan alat bantu RapidMiner 8.0 yang merupakan
machine learning untuk mempelajari Data history dengan metode C4.5 dan Naïve Bayes kemudian dari kedua metode tersebut diambil nilai AUC (Area Under Cover) yang paling tinggi, nilai AUC merupakan interpretasi rata-rata sensitifitas
untuk semua nilai spesifitas (akurasi, presisi, recall) yang mungkin. Nilai AUC dipakai untuk mengukur uji diagnostik secara umumdalam menganalisa data
history, Naïve Bayes adalah metode yang menghitung probabilitas dari tingkat
kemunculan data yang satu terhadap data yang lain. Algoritma C4.5 adalah salah satu dari sebagian algoritma dalam metode decision tree yang mengubah data menjadi pohon keputusan, untuk kemudian dapat disimpulkan menjadi rule-rule.
Berdasarkan perbandingan hasil pengujian melalui berbagai skenario terhadap kedua metode tersebut, metode Naïve Bayesmemperoleh pencapaian nilai AUC rata-rata sebesar 0,866 berdasarkan 4 model sampling sedangkan metode C4.5 dengan pencapaian nilai rata-rata AUCsebesar 0,786 berdasarkan 4 model sampling masing-masing metode diuji menggunakan skenario uji 5-fold dengan Cross Validation sehingga Naïve Bayes merupakan metode terbaik yang direkomendasikan dalam bentuk sebuah Decision Suport System, dimana pada penelitian ini diberikan juga model dasar dalam penerapan metode Naïve Bayes kedalam sistem pendukung keputusan yang diajukan kepada manajemen.Koperasi Karyawan PT. Karyamitra Budisentosa
Kata Kunci :Algoritma C4.5, Naïve Bayes, AUC, Pinjaman uang, RapidMiner 8.0, machine learning, data history
iv
v
COMPARATIVE STUDY OF IMPLEMENTATION
ALGORITHM C4.5 AND NAÏVE BAYES AS SUPPORT FOR
MONEY DECISIONS (CASE STUDY IN EMPLOYEES
'COOPERATION OF KARYAMITRA BUDISENTOSA
PANDAAN PASURUAN)
Name : Akas Bagus Setiawan Student ID : 9116205334
Supervisor : Dr.Eng. Febriliyan Samopa, S.Kom, M.Kom
ABSTRACT
Money lending system in the cooperative employees of PT. Karyamitra Budisentosa has a central role because members of the co-operatives themselves are 100 members and need to be analyzed by whom members are eligible to be loaned. The risk of a non-performing loan system will cause bad debts, it will disrupt the financial system and business processes that exist in the cooperative. while non-performing loans based on data collected from 2013 to 2017 amounted to 57.69% in 2013, 50% in 2014, 52.38% in 2015, 71.4% in 2016 and 72.72% in 2017 which occurred on Employee Cooperative PT. Karyamitra Budisentosa when compared with credit with the status paid off.
This research uses the tool of RapidMiner 8.0 which is machine learning to study the data history with method C4.5 and Naïve Bayes then from both methods is taken the highest AUC (Area Under Cover) value, the AUC value is the interpretation of the average sensitivity for all Specificity values (accuracy, precision, recall) are possible. The AUC value is used to measure the general diagnostic test in analyzing the data history, Naïve Bayes is a method that calculates the probability of the rate of occurrence of data on one another. The C4.5 algorithm is one of several algorithms in the decision tree method that converts data into decision tree, to then be inferred into rule-rule.
Based on the comparison of test results through various scenarios on both methods, Naïve Bayes method obtained an average AUC value of 0.866 based on 4 sampling models while the C4.5 method with an average AUC value of 0.786 based on 4 sampling models of each method tested using a 5-fold test scenario with Cross Validation so Naïve Bayes is the best recommended method in the form of a Decision Suport System, which in this study is also provided a basic model in applying the Naïve Bayes method into the decision support system submitted to management of Cooperative Employee PT. Karyamitra Budisentosa
Keywords: Algorithm C4.5, Naïve Bayes, AUC, Loan money, RapidMiner 8.0, machine learning, data history
vi
vii
KATA PENGANTAR
Puji dan syukur penulis panjatkan kehadirat Tuhan Yesus Kristus atas berkat dan karunia-Nya sehingga penulis dapat menyelesaikan Tesis yang berjudul “KAJIAN KOMPARASI PENERAPAN ALGORITMA C4.5 DAN
NAÏVE BAYES SEBAGAI PENUNJANG KEPUTUSAN PINJAMAN UANG
(STUDI KASUS DI KOPERASI KARYAWAN PT. KARYAMITRA BUDISENTOSA PANDAAN PASURUAN)”.Tesis ini diajukan untuk memenuhi prasyarat untuk menyelesaikan studi magister di Program Studi Magister Manajemen Teknologi, Konsentrasi Manajemen Teknologi Informasi, Institut Teknologi Sepuluh Nopember Surabaya.Dalam penyelesaian Tesis ini, penulis telah mendapatkan banyak dukungan moral maupun material dari banyak pihak. Atas bantuan yang telah diberikan penulis ingin menyampaikan penghargaan dahn ucapan terima kasih yang sebesar-besarnya kepada:
1. Bapak Prof. Ir. Joni Hermana, M.Sc.ES, Ph.D selaku Rektor Institut Teknologi Sepuluh Nopember, yang telah memberikan kesempatan untuk menimba ilmu di Institut Teknologi Sepuluh Nopember, Fakultas Bisnis dan Manajemen Teknologi, Program StudiMagister Manajemen Teknologi.
2. BapakProf. Dr. Ir. Udisubakti Ciptomulyono, M.Eng.Scselaku Dekan Fakultas Bisnis dan Manajemen Teknologi.
3. Bapak Dr.Tech. Ir. R. V. Hari Ginardi, M.Sc. selaku Kepala Program StudiPascasarjana Manajemen Teknologi sekaligus dosen wali yang selalu memberikan arahan dan semangat dalam menyelesaikan perkuliahan diProgram StudiMagister Manajemen Teknologi.
4. Bapak Dr.Eng. Febriliyan Samopa, S.Kom, M.Kom Selaku Pembimbing Tesis yang yang telah meluangkan waktu, tenaga dan pikiran dalam memberikan bimbingan, masukan, pengarahan, dan ilmu pengetahuan.
5. Seluruh dosen pengajar yang telah memberikan pengajarandan ilmu yang begitu banyak. Serta seluruh karyawan MMT-ITS, terkhusus Mas Reval yang telahbanyak membantu dalam berbagai hal selama masa perkuliahan. Terima kasihatas ilmu yang telah diajarkan kepada penulis.
viii
6. Bapak Agus Siswanto selaku Ketua Unit Koperasi Simpan Pinjam Karyawan PT. Karyamitra Budisentosa, yang telah meluangkan waktu untuk membantu penyelesaian penelitian ini dengan memberikan informasi dan data-data yang dibutuhkan.
7. Kedua orang tua, Bapak Drs. Imam Widayat dan Ibu Mudji Astutik, S.Pd yang selalu memberikan dukungan baik melalui doa ataupun material untuk kesuksesan dan kelancaran penelitian ini.
8. Sahabat SQUIDWARD (Penghuni 5 Bangku Pojok: Septiyansyah Argi Gumilar, Adhitya Wiratama, Ganda Neswara, Alif Aziz Mujahidin, dan Riza Akhsani Setyo Prayoga) yang selalu berjuang bersama dalam menempuh perkuliahan di MMT-MTI-ITS.
9. Teman-teman MTI angkatan 2016, khususnya forum Bimbingan Tesis Pak Iyan (Pak Ferry, Mas Rendris, Mas Samsul, dan Mas Vierdan). Juga Mas Gusde dan Mas Djoko yang selalu memotivasi, mengingatkan, memberi masukan, dan selalu memberi suntikan semangat kepada penulis dalam penyusunan Tesis ini.
10. Semua pihak yang tidak dapat disebutkan satu persatu, yang telah banyak memberikan berbagai macam bantuan dalam penyusunan Tesis ini.
Akhir kata, penulis berharap Penelitian dalam rangka Tesis ini dapat memberikan manfaat kepada pembaca mengenai kajian komparasi antara metode C4.5 dan Naïve Bayes terhadap data simpan pinjam dikoperasi karyawan.Penulis menyadari bahwa proposal ini masih jauh dari kesempurnaan dan memiliki banyak kekurangan.Oleh karena itu, dengan kerendahan hati penulis mengharapkan masukan dan saran yang membangun dari pembaca untuk perbaikan ke depan.
Surabaya, Mei 2018 Akas Bagus Setiawan.
ix
DAFTAR ISI
LEMBAR PENGESAHAN ... i
ABSTRAK ... iii
ABSTRACT ... v
KATA PENGANTAR ... vii
DAFTAR ISI ... ix
DAFTAR GAMBAR ... xi
DAFTAR TABEL ... xiii
BAB I PENDAHULUAN ... 1 1.1 Latar Belakang ... 1 1.2 Perumusan Masalah ... 4 1.3 Batasan Masalah... 5 1.4 Tujuan Penelitian ... 5 1.5 Manfaat Penelitian ... 5 1.6 Sistematika Penulisan ... 6
BAB II KAJIAN PUSTAKA DAN DASAR TEORI ... 7
2.1 Pengertian Koperasi ... 7
2.2 Pengertian Pinjaman... 9
2.3 Sejarah Koperasi Karyawan Karyamitra Budisentosa ... 10
2.3.1 Visi Misi dan Tujuan Organisasi... 11
2.3.2 Sasaran Pelaksanaan & Pengembangan Organisasi : ... 12
2.3.3 Sistem dan Pola Pelaksanaan Organisasi ... 12
2.3.4 Struktur Organisasi ... 12
2.4 Sistem Pendukung Keputusan (SPK) ... 17
2.5 Data mining (Penambangan Data) ... 19
2.6 Decision tree (Pohon Keputusan) ... 23
2.7. Algoritma C4.5 ... 26
2.8 Naïve Bayes ... 32
2.9 Confusion Matrix ... 35
2.10 RapidMiner ... 39
BAB III METODOLOGI PENELITIAN... 43
3.1 Kerangka Konsep Penelitian ... 43
BAB IV PEMBAHASAN ... 49
x
4.2 Implementasi C4.5 dan Naïve Bayespada RapidMiner ... 52
4.3 Pelatihan, pengujian dan hasil pola ... 54
4.4 Analisa T-Test ... 63
4.5 Perancangan Metode Terpilih ... 66
BAB V PENUTUP ... 75
5.1 Kesimpulan ... 75
5.2 Saran ... 76
DAFTAR PUSTAKA ... 77
LAMPIRAN ... 79
Lampiran 1: Struktur Organisasi ... 79
Lampiran 2 : Dataset 2013... 81
Lampiran 3 : Dataset 2014... 95
Lampiran 4 : Dataset 2015... 101
Lampiran 5 : Dataset 2016... 105
Lampiran 6 : Dataset 2017... 107
Lampiran 7 : Data Training ... 111
Lampiran 8 : Dataset... 119
Lampiran 9 :Contoh perhitungan metode C4.5 dan Naïve Bayes... 123
xi
DAFTAR GAMBAR
Gambar 2.1 Model Pohon keputusan (Pramudiono, 2008) ... 26
Gambar 2.2 Pohon Keputusan Hasil Perhitungan Node 1 (Pramudiono, 2008) ... 30
Gambar 2.3 Pohon Keputusan Hasil Perhitungan Node 1.1 ... 31
Gambar 2.4 Pohon Keputusan Akhir ... 32
Gambar 2.5 Hasil confusion Matrix c45 (Sumber:Dhika. 2015) ... 37
Gambar 2.6 Hasil Confusion Matrix Naïve Bayes (Sumber:Dhika. 2015) ... 37
Gambar 2.7 Grafik ROC metode C45 (Sumber:Dhika. 2015) ... 38
Gambar 2.8 Grafik ROC metode Naïve Bayes (Sumber:Dhika. 2015)... 38
Gambar 3.1 Metodologi Penelitian ... 43
Gambar 3.2 Flowchart Algoritma C4.5 ... 46
Gambar 3.3 Flowchart Algoritma Naïve Bayes ... 46
Gambar 4.1 Gambaran umum proses pengolahan Data mining ... 52
Gambar 4.2 Gambaran proses pengolahan data di RapidMiner 8.0 ... 53
Gambar 4.3 Urutan proses pengolahan data di RapidMiner 8.0 ... 54
Gambar 4.4 Grafik Nilai Rata-rata Hasil Uji Metode C4.5 ... 58
Gambar 4.5 Grafik Nilai Rata-rata Hasil Uji Metode Naïve Bayes ... 58
Gambar 4.6 Nilai rata-rata AUC dari metode C4.5 dan Naïve-Bayes ... 59
Gambar 4.7 Hasil pohon keputusan dari RapidMiner 8.0 ... 61
Gambar 4.8 Hasil simple distribution dari RapidMiner 8.0 ... 62
Gambar 4.9 Hasil ROC dari C4.5 yang dihasilkan oleh RapidMiner 8.0 skenario uji 5-fold linear sampling ... 63
Gambar 4.10 Hasil ROC dari Naïve Bayes yang dihasilkan oleh RapidMiner 8.0 skenario uji 5-fold linear sampling ... 64
Gambar 4.11 Grafik Perbandingan Uji Performansi Skenario 5-Fold Linear Sampling ... 65
Gambar 4.12 Usecase Diagram... 67
Gambar 4.13 Activity Diagram Training ... 68
Gambar 4.14 Activity Diagram Testing ... 69
xii
Gambar 4.16 Activity Diagram Naïve Bayes ... 72 Gambar 4.17 ClassDiagram ... 73
xiii
DAFTAR TABEL
Tabel 2.1 Jabatan dan fungsi pengurus ... 15
Tabel 2.2 Contoh perhitungan C4.5 ... 26
Tabel 2.3 Perhitungan Node 1 ... 29
Tabel 2.4 Perhitungan Node 1.1 ... 30
Tabel 2.5 Perhitungan Node 1.1.2 ... 31
Tabel 2.6 Dataset mahasiswa ... 34
Tabel 2.7 Data Testing perhitungan Naïve Bayes ... 34
Tabel 2.8 Tabel confusion matrix ... 36
Tabel 2.9 Perbandingan hasil pengolahan data (Sumber: Dhika. 2015) ... 37
Tabel 2.10 Tabel AUC (Sumber:Dhika. 2015) ... 38
Tabel 2.11 Tabel perbandingan AUC dengan Accuracy ... 38
Tabel 3.1 Atribut Dataset ... 45
Tabel 4.1 Distribusi Data Variabel Masukan ... 50
Tabel 4.2 Hasil Prosesntase Uji Performa Linear Sampling ... 55
Tabel 4.3 Hasil Prosentase Uji Performa Shuffled Sampling ... 56
Tabel 4.4 Hasil Prosentase Uji PerformaStratified Sampling ... 56
Tabel 4.5 Hasil Prosentase Uji PerformaAutomatic Sampling... 57
Tabel 4.6 x-Validation untuk C4.5 skenario uji 5-fold linear sampling ... 63
Tabel 4.7 x-Validation untuk Naïve Bayes skenario uji 5-fold linear sampling .. 64
Tabel 4.8 Perbandingan nilai akurasi, presisi, recall dan AUC metode C4.5 dan Naïve Bayes ... 64
xiv
1
BAB I
PENDAHULUAN
Pada Bab1 inidijelaskan tentang pendahuluan yang memiliki kaitan dengan penelitian yang terdiri dari latar belakang, perumusan masalah, batasan masalah, tujuan penelitian dan manfaat penelitian.
1.1 Latar Belakang
Gerakan koperasi bermula pada abad ke-20 yang pada umumnya merupakan hasil dari usaha yang tidak spontan dan tidak dilakukan oleh orang-orang yang sangat kaya.Koperasi tumbuh dari kalangan rakyat, ketika penderitaan dalam lapangan ekonomi dan sosial yang ditimbulkan oleh sistem kapitalisme semakin memuncak. Beberapa orang yang penghidupannya sederhana dengan kemampuan ekonomi terbatas, terdorong oleh penderitaan dan beban ekonomi yang sama, secara spontan mempersatukan diri untuk menolong dirinya sendiri dan manusia sesamanya. (Hendrojogi, 1997)
Di Indonesia koperasi-koperasi terus mengalami peningkatan dari definisi dan ketentuan koperasi bahwa koperasi Indonesia dalam konteks umum bertujuan untuk kesejahteraan dan kemanfaatan anggota serta mewujudkan masyarakat yang maju, adil dan makmur berlandaskan Pancasila dan UUD 1945.Fokus pemerintah terhadap pendirian koperasi menyebabkan pertumbuhan koperasi yang luar biasa di seluruh kepulauan Indonesia.Padahal, jumlah koperasi dan anggotanya meningkat 2 kali lipat pada akhir tahun 2001 dibandingkan dengan Desember 1998.Yang paling dominan adalah koperasi kredit, dan jumlah koperasi yang masih terkait dengan program pemerintah tinggal 25%.Berdasarkan pasal 2, PP 60/1959 ada 7 jenis koperasi. Yaitu,
1. Koperasi Desa 2. Koperasi Pertanian 3. Koperasi Perternakan 4. Koperasi Perikanan
2 6. Koperasi Simpan Pinjam
7. Koperasi Konsumsi (Hendrojogi, 1997)
Dari ke-7 jenis koperasi diatas salah satunya adalah Koperasi yang bergerak di bidang simpan pinjam uang untuk karyawan yang bekerja pada sebuah instansi, proses bisnis dari Koperasi simpan pinjam adalah untuk memberikan pinjaman dana kepada karyawannya untuk berbagai keperluan dari yang bersangkutan. Namun dalam melaksanakan peminjaman uang perlu di analisis dengan tepat, dalam proses bisnis di koperasi simpan pinjam, manajemen selalu dihadapkan oleh berbagai macam masalah dari berbagai macam bidang. Masalah-masalah yang dihadapi oleh manajemen memiliki tingkat kesulitan dan kompleksitas yang sangat bervariasi, mulai dari masalah yang teramat sederhana dengan sedikit faktor-faktor yang terkait sampai dengan masalah yang sangat rumit dengan banyak sekali faktor-faktor yang terkait dan perlu untuk diperhitungkan terutama dalam menentukan kelayakan pemberian pinjaman kepada anggota koperasi untuk meminimalisir terjadinya kredit macet dikemudian hari yang berdampak pada pendapatan koperasi itu sendiri (Ellias, 2010).
Untuk menghadapi masalah-masalah ini, teknologi dan ilmu pengetahuan dapat membantu manajemen dalam menyelesaikan masalah-masalah tersebut. Sistem terkomputerisasi dengan didukung sistem pendukung keputusan adalah salah satu solusi yang dapat diterapkan pada sebuah perusahaan untuk memperkirakan apakah suatu pengajuan hipotek oleh nasabah merupakan suatu kredit yang baik atau buruk dengan menerapkan Datamining sebagai penggerak sistem pendukung keputusan ( Hijriyani, 2016).
Dalam Data Mining ada beberapa teknik pengolahan data yaitu: deskripsi, estimasi, prediksi, klasifikasi, klasterisasi, dan asosiasi. Adapun pohon keputusan C4.5 dan metode Naïve Bayes merupakan dua dari beberapa pola pikir sebuah sistem dengan teknik pengklasifikasian dari Data Mining, pohon keputusan C4.5 dan pola pikir Naïve Bayes adalah metode yang dikembangkan untuk membantu mencari dan membuat keputusan untuk masalah.
3
Pengambilan keputusan yang terbaik dari berbagai faktor yang mempengaruhi suatu masalah dan mencari penyelesaian terbaik dengan memperhitungkan faktor-faktor dan resiko akan keputusan yang akan diambil.
Penelitian sebelumnya tentang algoritma klasifikasi antara decision tree C4.5, dan Naïve Bayes yang digabungkan dengan metode seleksi fitur forward
selection untuk kasus ketepatan pemilihan konsentrasi mahasiswa didapatkan
tingkat akurasi tertinggi dengan algoritma terpilih C4.5 dengan nilai akurasi sebesar 84,98% (Supriyanti, 2015).
Hasil penelitian lain menyatakan bahwa tingkat akurasi algoritma C4.5 sebesar 90.00%, nilai tersebut lebih besar dibandingkan dengan akurasi algoritma Naïve Bayes yang hanya memperoleh tingkat akurasi sebesar 70.00%. Tingkat akurasi pada algoritma C4.5 lebih besar dalam melakukan proses prediksi kelayakan pemberian kredit dikarenakan pada algoritma C4.5 mampu melakukan prediksi dengan benar pada sebuah data yang juga positif benar pada data yang sebenarnya, hal ini dibuktikan dengan dinilai precision dari algoritma C4.5 sebesar 86.67%, nilai tersebut lebih besar jika dibandingkan dengan nilai precision dari algoritma Naïve Bayes yang hanya sebesar 79.71%. Selain itu kemampuan pada algoritma C4.5 dalam memprediksi data yang relevan juga sangat baik, hal itu dibuktikan dengan perolehan nilai recall sebesar 100.00% (Cipta, 2017).
Ironisnya hasil dari penelitian lain yang dilakukan, berdasarkan dari nilai akurasi maupun recallnya, naive bayes lebih tinggi dibandingkan dengan decision tree (C.45) yaitu dengan nilai accuracy 75,66% untuk decision tree dan 76,97% untuk naive bayes. Untuk nilai recall-nya naive bayes lebih unggul yaitu 96,89% dibandingkan decision tree (C.45) 89,78%. Meskipun dalam penelitian ini tingkat
Precision-nya lebih tinggi decision tree yaitu 85,23% dibandingkan naive bayes
84,17%. Hasil akhir dari penelitian ini adalah metode naive bayes lebih baik digunakan dari pada metode decision tree (C.45) dengan nilai total 250,67% untuk decision tree (C.45) dan 258.03% untuk naive bayes dengan dataset dari puskesmas Kartasura tentang data tumbuh kembang anak balita (Listiana, 2015).
4
Hal yang melatar belakangi penulis memilih peminjaman uang di koperasi adalah adanya kredit macet berdasarkan data yang telah dikumpulkan.
Data yang dikumpulkan dari tahun 2013 hingga 2017 yaitu sebesar 57,69% pada 2013, 50% pada 2014, 52,38% pada 2015, 71,4% pada 2016 dan 72,72% pada 2017 yang terjadi pada Koperasi Karyawan PT. Karyamitra Budisentosa jika dibandingkan dengan kredit yang berstatus lunas. Melihat masalah-masalah yang ada maka dalam penelitian ini akan dikaji metode dalam pengambilan keputusan dengan algoritma C4.5 dan Naïve Bayes untuk menetukan pemilihan karyawan yang layak mendapatkan pinjaman uang di Koperasi Karyawan PT. Karyamitra Budisentosa. Hal yang mendasari penelitian ini menggunakan metode C4.5 adalah adanya kontinuitas dari beberapa atribut yang ada dalam dataset, sehingga dirasa perlu dikomparasikan dengan metode klasifikasi lain yaitu Naïve Bayes, kemudian dari penelitian terhadap metode C4.5 dan Naïve Bayes menggunakan data simpan pinjam selama 5 tahun dari 2013 hingga 2017 akan dipilih salah satu metode dari C4.5 dan Naïve Bayes berdasarkan nilai akurasi, precision, recall dan AUC (Area Under Curve) dengan hasil yang terbaik diantara dua metode klasifikasi dari hasil uji terhadap data yang telah disiapkan. Kemudian akan disampaikan kepada manajemen untuk dijadikan saran dalam membangun sistem pendukung keputusan peminjaman uang agar meminimalisir permasalahan kredit macet yang mungkin terjadi sehingga mengganggu proses bisnis dan managerial terutama di Koperasi Karyawan PT. Karyamitra Budisentosa.
1.2 Perumusan Masalah
Adapun rumusan masalah yang berhubungan dengan sistem penunjang keputusan untuk pinjaman uang karyawan menggunakan metode C4.5 dan Naïve
Bayes antara lain:
1. Berapakah nilai tingkat akurasi, precision dan recall-nya, dari algoritma C4.5 dan Naïve Bayes terhadap data simpan pinjam di Koperasi Karyawan PT. Karyamitra Budisentosa Pandaan?
5
2. Manakah metode yang terbaik untuk menentukan kelayakan pemberian kredit kepada karyawan di Koperasi Karyawan PT. Karyamitra Budisentosa Pandaan?
1.3 Batasan Masalah
Adapun untuk memperjelas arah pembahasan dan penelitian, maka penulis membagi beberapa batasan menjadi beberapa bagian:
1. Pelaksanaan penelitian ini bertempat di Koperasi Karyawan PT. Karyamitra Budisentosa Pandaan.
2. Data yang diteliti adalah data simpan pinjam yang terjadi selama 5 tahun dari tahun 2013 hingga 2017.
3. Metode yang akan dipakai adalah komparasi antara algoritma C4.5 dengan Naïve Bayes.
4. Software pembantu yang digunakan dalam membantu proses penelitian
ini dengan toolsRapidMiner. 1.4 Tujuan Penelitian
Adapun tujuan dari penulis sendiri dalam kajian komparasi menggunakan metode C4.5 dan Naïve Bayes terhadap data simpan pinjaman uang dalam hal ini adalah:
1. Mengetahui nilai tingkat akurasi, precision dan recall-nya, dari algoritma C4.5 dan Naïve Bayes terhadap data simpan pinjam di Koperasi Karyawan PT. Karyamitra Budisentosa Pandaan.
2. Menemukan metode terbaik untuk rekomendasi pembangunan sistem penunjang keputusan yang dapat mempermudah seorang Manajer dalam menentukan peminjaman uang karyawan secara cepat dan tepat. 1.5 Manfaat Penelitian
Manfaat dari hasil penelitian yang dilakukan dalam kajian komparasi menggunakan metode C4.5 dan Naïve Bayes terhadap data simpan pinjaman uang yaitu:
6
1. Secara teoritis mengetahui metode terbaik dari perbandingan atara metode C4.5 dan Naïve Bayes untuk menentukan kelayakan karyawan yang mendapatkan pinjaman uang di Koperasi Karyawan PT. Karyamitra Budisentosa Pandaan.
2. Secara praktis mengurangi resiko kemungkinan terjadinya kredit macet di Koperasi Karyawan PT. Karyamitra Budisentosa Pandaan dengan memberikan masukan untuk membangun sistem informasi dengan metode yang terbaik dari kajian komparasi ini.
1.6 Sistematika Penulisan
Sistematika penulisan yang digunakan dalam penelitian ini adalah seperti berikut ini :
BAB I membahas tentang pendahuluan terkait penelitian yang terdiri dari latar belakang, perumusan masalah, batasan masalah, tujuan penelitian dan manfaat penelitian.
BAB II membahas mengenai kajian pustaka dan dasar teori yang berkaitan mengenai penelitian ini.Kajian pustaka dan dasar teori berfungsi sebagai sumber untuk memahami permasalahan dan menyelesaikan permasalahan yang berkaitan dengan penelitian.
BAB III membahas mengenai proses-proses atau tahapan-tahapan penelitian yang digunakan untuk mencapai tujuan dalam penelitian.
BAB IV membahas mengenai pengerjaan penelitian sebagaimana yang telah ditetapkan dalam metodologi penelitian.
BAB V memberikan kesimpulan dari pembahasan yang telah dilakukan dalam penelitian ini.
7
BAB II
KAJIAN PUSTAKA DAN DASAR TEORI
Bab 2menjelaskan mengenai kajian pustaka dan dasar teori yang berkaitan mengenai penelitian ini.Kajian pustaka dan dasar teori berfungsi sebagai sumber untuk memahami permasalahan dan menyelesaikan permasalahan yang berkaitan dengan penelitian.
2.1 Pengertian Koperasi
Koperasi adalah suatu perserikatan dengan tujuan berusaha bersama yang terdiri atas mereka yang lemah dan diusahakan selalu dengan semangat tidak memikirkan dari sendiri sedemikian rupa, sehingga masing-masing sanggup menjalankan kewajibannya sebagai anggota dan mendapat imbalan sebanding dengan pemanfaatan mereka terhadap organisasi. (Hendrojogi, 1997)
Menurut Prof. R.S. Soeriaatmadja Koperasi adalah suatu badan usaha yang secara sukarela dimiliki dan dikendalikan oleh anggota yang adalah juga pelanggannya dan dioperasikan oleh mereka dan untuk mereka atas dasar nir laba atau dasar biaya. (Hendrojogi, 1997)
Sebagai koperasi, ada beberapa peraturan dan syarat yang harus diikuti oleh koperasi masing-masing.Menurut pasal 37 dalam Undang-Undang no.12 tahun 1967, pemerintah berkewajiban untuk memberikan bimbingan, pengawasan, perlindungan dan fasilitas terhadap koperasi serta memampukannya untuk melaksanakan pasal 33 UUD 1945. (Hendrojogi, 1997)
Menurut Hendrojogi, Koperasi adalah perkumpulan otonom dari orang-orang yang bergabung secara sukarela untuk menemuhi kebutuhan dan aspirasi ekonomi, sosial dan budaya mereka yang sama melalui pemisahan yang dimiliki dan diawasi secara demokratis.” (Hendrojogi, 1997)
Yang penting juga adalah mempertinggi taraf hidup anggotanya, meningkatkan produksi dan mewujudkan pendapatan yang adil dan kemakmuran yang merata.Selanjutnya, koperasi Indonesia wajib memiliki dan berlandaskan
8
nilai-nilai menolong diri-sendiri, bertanggung jawab kepada dirisendiri, demokrasi, persamaan, keadilan dan solidaritas (Hendrojogi, 1997).
Menurut Undang-undang No. 25 tahun 1992 Pasal 4 dijelaskan bahwa koperasi memiliki fungsi dan peranan antara lain yaitu mengembangkan potensi dan kemampuan ekonomi anggota dan masyarakat, berupaya mempertinggi kualitas taraf hidup seorang manusia, memperkokoh perekonomian rakyat, mengembangkan perekonomian nasional, serta mengembangkan kreativitas dan jiwa berorganisasi bagi pelajar bangsa (Soetrisno, 2001).
1. Ketentuan dan prinsip koperasi juga cukup banyak dan berasal dari UU no. 79 tahun 1958. Prinsip-prinsip koperasi sebagai berikut:
2. Berasas kekeluargaan (gotong-royong)
3. Bertujuan mengembangkan kesejahteraan anggotanya pada khususnya dan kesejahteraan masyarakat dan daerah bekerjanya pada umumnya
4. Dengan berusaha:
5. Mewajibkan dan mengingatkan anggotanya untuk menyimpan secara teratur
6. mendidik anggotanya ke arah kesadaran (berkoperasi)
7. menyelenggarakan salah satu atau beberapa usaha dalam lapangan perekonomian
8. Keanggotaan berdasar sukarela mempunyai kepentingan, kewajiban dan hak yang sama, dapat diperoleh dan akhiri setiap waktu dan menurut kehendak yang berkepentingan, setelah syarat-syarat dalam anggaran dasar terpenuhi (Soetrisno, 2001).
Undang-undang tersebut diperbarui pada tahun 1992 dengan UU no.25, pasal 33 yang menetapkan yang berikut:
1. Keanggotaan bersifat sukarela dan terbuka 2. Pengelolaan dilakukan secara demokratis
3. Pembagian sisa hasil usaha (SHU) dilakukan secara adil 4. Pemberian balas jasa yang terbatas terhadap modal 5. Kemandirian (Soetrisno, 2001).
9
Bisa dilihat dari definisi dan ketentuan koperasi bahwa koperasi Indonesia dalam konteks umum bertujuan untuk kesejahteraan dan kemanfaatan anggota, mewujudkan masyarakat yang maju, adil dan makmur berlandaskan Pancasila dan UUD 1945 (Soetrisno, 2001).
Fokus pemerintah terhadap pendirian koperasi menyebabkan pertumbuhan koperasi yang luar biasa di seluruh kepulauan Indonesia.Padahal, jumlah koperasi dan anggotanya meningkat 2 kali lipat pada akhir tahun 2001 dibandingkan dengan Desember 1998.Yang paling dominan adalah koperasi kredit, dan jumlah koperasi yang masih terkait dengan program pemerintah tinggal 25%.Berdasarkan pasal 2, PP 60/1959 ada 7 jenis koperasi. Yaitu,
1. Koperasi Desa 2. Koperasi Pertanian 3. Koperasi Perternakan 4. Koperasi Perikanan
5. Koperasi Kerajinan/Industri 6. Koperasi Simpan Pinjam
7. Koperasi Konsumsi (Soetrisno, 2001). 2.2 Pengertian Pinjaman
Secara sederhana, pinjaman dapat diartikan sebagai barang atau jasa yang menjadi kewajiban pihak yang satu untuk dibayarkan kepada pihak lain sesuai dengan perjanjian tertulis ataupun lisan, yang dinyatakan atau diimplikasikan serta wajib dibayarkan kembali dalam jangka waktu tertentu (Yudiviantho, 2010).
Menurut Bambang Riyanto “Rentabilitas Ekonomi adalah perbandingan antara laba usaha dengan modal sendiri dan modal asing yang digunakan untuk menghasilkan laba tersebut dan dinyatakan dalam persentase“.Keadaan tersebut terjadi apabila tingkat pengembaliannya berjalan dengan lancar.Begitupun sebaliknya, jika terjadi piutang tak tertagih maka terjadi penurunan laba dan tentu saja terjadi penurunan terhadap persentase rentabilitas ekonomi (Bambang, 2001).
10
Adapun Ninik Widiyanti menjelaskan” Bahwa pemberian pinjaman dalam bentuk uang atau barang dapat mempengaruhi rentabilitas” (Wijayanti, 2000).
Dari penjelasan diatas dapat disimpulkan bahwa pemberian pinjaman dapat mempengaruhi tinggi rendahnya tingkat rentabilitas ekonomi.
2.3 Sejarah Koperasi Karyawan Karyamitra Budisentosa
Koperasi Karyawan karyamitra Budisentosa merupakan koperasi simpan pinjam yang berada di bawah PT. karyamitra Budisentosa Pandaan.Koperasi ini terletak di Kecamatan Pandaan Kabupaten Pasuruan dan melayani nasabah atau karyawan PT. karyamitra Budisentosa. Koperasi Karyawan Karyamitra Budisentosa berdiri pada tahun 2005 di lingkungan PT. Karyamitra Budisentosa, dari kesepakatan para pimpinan guna meningkatkan pelayanan kesejahteraan karyawannya, jumlah anggota baru pada saat itu sekitar 30 orang. Ruang lingkup usaha pada saat itu terbatas dalam bidang simpan pinjam.Walaupun belum berbadan hukum, koperasi karyawan ini berjalan mulus dan perhatian terhadap anggota koperasi cukup tinggi.
Setelah berjalan cukup lama dan dipandang perlu untuk melakukan penataan dengan harapan koperasi dapat berkembang lebih baik, pihak perusahaan mengeluarkan SK Direksi No. 17/A-II/DIR-KMBS/2002 dibentuklah Tim Penataan Koperasi Karyawan Karyamitra Budisentosa yang diketuai oleh Bapak Ali Nurwidjaya.
Melalui serangkataian rapat dengan mengacu kepada masukan – masukan dari pengarahan Direksi/ Pimpinan Umum, para Deputy Direksi, unsur pimpinan Karyamitra Budisentosa berhasil menyusun Anggaran Dasar dan Anggaran Rumah Tangga Koperasi Karyawan Karyamitra Budisentosa.
Pada tahun 2010, kegiatan Koperasi karyawan Karyamitra Budisentosa mulai meningkat.Mengacu kepada program kerja pengurus serta dukungan dan perhatian Direksi PT. Karyamitra Budisentosa dengan memberikan peluang untuk berkiprah dalam berbagai bidang usaha, sehingga kemungkinan untuk tumbah dan berkembangnya Koperasi karyawan Karyamitra Budisentosa ini semakin cerah.
11
Adapun sumbangan PT. Karyamitra Budisentosa kepada Koperasi karyawan Karyamitra Budisentosa, antara lain:
1. Pemberian peluang usaha.
2. Penggunaan fasilitas dan pemakaian asset perusahaan serta sarana kerjanya.
Mengkaryakan karyawan PT. Karyamitra Budisentosa ke Koperasi karyawan Karyamitra Budisentosa, dengan fasilitas gaji dan jaminan lainnya secara penuh.
Pemberian pinjaman modal dalam keadaan koperasi mengalami kekurangan dana. Pengelolaan Koperasi karyawan Karyamitra Budisentosa lebih diarahkan pada oraganisasi yang sehat, tenaga kerja yang terampil, peluang usaha yang baik dan administrasi yang baik.Untuk itulah pengurus berupaya melakukan pembenahan organisasi yang dapat menunjang keberhasilan manajemen dan laju pertumbuhan Koperasi karyawan Karyamitra Budisentosa Pandaan.
2.3.1 Visi Misi dan Tujuan Organisasi
Visi :
Menjadi Koperasi Karyawan berkualitas tingkat nasional Misi :
1. Memberi layanan prima
2. Menyediakan produk dan jasa yang lengkap sesuai kebutuhan anggota 3. Membantu menciptakan peluang usaha bagi anggota
4. Menjalankan manajemen organisasi yang transfaran dan akuntabel dengan didukung sistem informasi yang handal
Tujuan :
Meningkatkan kesejahteraan anggota dengan layanan terbaik, serta peningkatan sumber daya anggota, pengurus dan pengelola secara profesional.
12
2.3.2 Sasaran Pelaksanaan & Pengembangan Organisasi :
Sasaran Pelaksanaan & pengembangan organisasi Koperasi karyawan adalah meningkatkan kesejahteraan & layanan anggota serta peningkatan kemampuan sumberdaya manusia secara profesional & proporsional yang diwujudkan dalam program kerja yang terintegrasi. Sasaran pelaksanaan & pengembangan organisasi tersebut dicapai melalui:
1. Konsolidasi Organisasi
2. Tertib Administrasi Organisasi 3. Tertib Administrasi Keanggotaan
4. Tertib Tata Kelola Bidang Karyawan dan teknologi
5. Mempertahankan & melaksanakan unit-unit usaha yang sudah ada 6. Menciptakan & mengembangkan peluang usaha
7. Menambah hubungan dengan pihak luar 8. Meningkatkan keuntungan dan permodalan 2.3.3 Sistem dan Pola Pelaksanaan Organisasi
Sistem dan pola pelaksanaan kerja organisasi Koperasi karyawan tetap dibawah tanggungjawab Ketua, dimana pelaksanaanya dapat diserahkan dan dipercayakan kepada sekretaris dan Bendahara dan Manager Pengelola sesuai dengan bidang tugasnya dan secara operasional dikerjakan oleh para pengelola dan pelaksana Koperasi karyawan Karyamitra Budisentosa Pandaan.
2.3.4 Struktur Organisasi
Dilihat dari segi organisasi, koperasi adalah wadah atau tempat orang bekerjasama melakukan kegiatan-kegiatan dengan menggunakan dana, alat-alat dan teknologi dalam upaya mencapai tujuan yang telah ditetapkan.
Struktur organsasi merupakan pengaturan atau pengorganisasian dalam upaya pencapaian tujuan koperasi. Pada prinsipnya struktur organisasi mempunyai dua maksud, yaitu:
1. Untuk jaringan otoritas atau wewenang (kekuasaan) 2. Untuk jaringan komunikasi.
13
Dengan adanya struktur organisasi yang jelas akan dapat memberikan pengertian yang mudah mengenai organisasi yang bersangkutan. Selain itu para karyawan dapat mengetahui dengan pasti apa yang harus mereka lakukan dan untuk siapa mereka bekerja serta dapat mengetahui dengan jelas dari siapa menerima perintah atau mempertanggungjawabkan pekerjaan.
Menurut Undang – undang No. 25 tahun 1992 tentan Perkoperasian Pasal 21, perangkat organisasi koperasi terdiri dari:
1. Rapat anggota 2. Pengurus 3. Pengawas
Demikian pula halnya dengan Koperasi karyawan Karyamitra Budisentosa Pandaan yang memiliki struktur organisasi yang dapat dijadikan pedoman untuk mengetahui jenjang hierarkis, ukuran besarnya organisasi dan struktur tugas serta tanggung jawab.Untuk memberikan gambaran mengenai struktur organisasi Koperasi karyawan Karyamitra Budisentosa dapat dilihat pada lampiran 1. Dari lampiran tersebut terlihat bahwa struktur organisasi Koperasi karyawan Karyamitra Budisentosa Pandaan pada dasarnya sama dengan struktur organisasi koperasi lainnya, yang terdiri dari Rapat Anggota (RA), Pengurus dan Pengawas yang lazim disebut sebagai alat perlengkapan koperasi. Untuk menyesuaikan dengan kegiatan dari masing – masing organsasi, maka struktur yang berlaku ditambah unsur – unsur lainnya seperti: Manajer (Ketua Unit), Staf Tata Usaha dan Sekretaris serta BPP (Badan Pelindung dan Penasihat) Koperasi.
Untuk lebih jelasnya rincian mengenai masing – masing unit kelengkapan organisasi tersebut, maka dapat dilihat pada penjelasan sebagai berikut:
1. Rapat anggota.
Rapat anggota merupakan kekuasaan tertinggi yang terdapat di koperasi yang pelaksanaannya diadakan sekurang – kurangnya satu kali dalam setahun.
Sebagai pemegang kekuasaan tertinggi, Rapat Anggota mencerminkan kebulatan keinginan para anggota yang harus dilaksanakan koperasi dalam bentuk
14
pelayanannya terhadap anggota.Menurut Anggaran Dasar yang terdapat di Koperasi karyawan Karyamitra Budisentosa, bahwa Rapat Anggota dapat dinyatakan sah jika hadir lebih dari separuh jumlah anggota koperasi.
Sedangkan keputuasn Rapat Anggota sejauh mungkin diambil berdasarkan hikmah kebijaksanaan dalam permusyawatan, dan jika tidak tercapai kata mufakat, maka keputusan diambil berdasarkan suara terbanyak dari anggota yang hadir. Adapun bagi anggota yang tidak dapat hadir dalam rapat ini, maka anggota tersebut tidak dapat mewakilkan suaranya kepada orang lain.
Adapun Rapat Anggota yang sudah dilakukan oleh Koperasi karyawan Karyamitra Budisentosa Pandaan terdiri dari:
1. Rapat Anggota Tahunan Koperasi karyawan Karyamitra Budisentosa Pandaan.
2. Rapat Anggota Tahunan Luar Biasa tentang kelembagaan organisasi dan keuangan.
3. Rapat Anggota Koperasi karyawan Karyamitra Budisentosa Pandaan memutuskan dan menetapkan hal – hal sebagai berikut:
4. Anggaran Dasar Koperasi karyawan Karyamitra Budisentosa Pandaan. 5. Kebijaksanaan umum di bidang organisasi, manajemen dan usaha
Koperasi karyawan Karyamitra Budisentosa.
6. Pemilihan, pengangkatan, pemberhentian pengurus dan pengawas.
7. Rencana kerja, Rencana Anggaran Pendapatan dan Belanja Koperasi karyawan Karyamitra Budisentosa, serta pengesahan laporan keuangan. 8. Pengesahan pertanggungjawaban pengurus dalam pelaksanaan tugasnya 9. Pembagian Sisa Hasil Usaha (SHU).
Melihat dari usaha di atas, maka Koperasi karyawan Karyamitra Budisentosa telah melaksanakan Rapat Anggota menurut Undang – undang No. 25 tahun 1992 tentang Perkoperasian.
2. Pengurus.
Pengurus Koperasi karyawan PT. Karyamitra Budisentosa dipilih untuk masa jabatan tiga tahun dan dapat dipilih kembali setelah masa jabatannya
15
berakhir.Pengurus diangkat dan diberhentikan dari dan oleh anggota dalam Rapat Anggota Tahunan.
Adapun syarat – syarat yang harus dipenuhi untuk memegang jabatan sebagai pengurus adalah.
1. Memiliki pengetahuan dan paham akan pengertian perkoperasian 2. Memiliki sifat jujur dan keterampilan kerja
3. Dapat memimpin suatu organisasi dan perusahaan serta mampu menyelenggarakan administrasi koperasi.
4. Melakukan segala perbuatan hukum untuk dan atas nama koperasi dan mewakili koperasi ini dihadapan dan di luar pengadilan.
5. Melaksanakan segala ketentuan dalam Anggaran Dasar (AD), Anggaran Rumah Tangga (ART), peraturan-peraturan khusus dan keputusan-keputusan Rapat Anggota.
6. Melaporkan kepada anggota kejadian yang berkaitan dengan jalannya koperasi
7. Melaporkan kepada pejabat yang ditunjuk tentang keadaan serta perkembangan organisasi koperasi dan usaha-usahanya sekurang-kurangnya dua kali dalam setahun.
Pengurus Koperasi karyawan Karyamitra Budisentosa Pandaan dalam melaksanakan mekanisme kerja yang efektif dan efisien, maka diatur pembagian tugas, wewenang dan tanggungjawab pengurus yang termuat dalam Anggaran Rumah Tangga yang tersusun sebagai berikut:
Tabel 2.1Jabatan dan fungsi pengurus
Jabatan Fungsi
Ketua
1. Merupakan penanggung jawab umum dalam memimpin dan mengelola organisasi dan badan - badan usaha milik negara.
2. Memimpin dan mengawasi kegiatan dibidang perdagangan umum dan usaha - usaha lainnya.
3. Mengadakan hubungan dengan lembaga/ badan tertentu dalam usaha mencari atau mendapatkan kredit untuk kepentingan organisasi.
16
Jabatan Fungsi
organisasi di dalam maupun di luar pengadilan.
5. Melakukan tugas lainya yang diberikan oleh pengurus baik yang bersifat rutin maupun yang bersifat insidentil dan khusus.
Sekretaris
1. Bertanggung jawab dalam penyelenggaran administrasi atau ketatausahaan organisasi.
2. Jika dipandang perlu, dapat mewakili ketua dalam memberikan persetujuan pembayaran untuk transaksi yang bernilai kurang dari Rp 500.000,-.
3. Mengatur kegiatan dalam bidang pengelolaan keuangan, niaga, umum dan tugas – tugas lainya yang diberikan pengurus baik yang bersifat rutin maupun khusus.
4. Sekretaris adalah pembantu utama ketua Koperasi karyawan Karyamitra Budisentosa yang bertugas memberikan bantuan administrasi dan ketatausahaan kepada ketua.
Bendahara
1. Menerima dan menyimpan semua pendapatan yang sudah ditentukan di Bank.
2. Menyelenggarakan administrasi keuangan untuk mencatat semua transaksi yang terjadi setiap bulannya. 3. Melakukan pemeriksaan dengan teliti terhadap
kelengkapan bukti – bukti sahnya pembayaran sebelum menandatangani kuitansi pembayaran.
4. Melakukan kas opname setiap mingggu sekurang – kurangnya tiap bulan dan sewaktu – waktu jika dipandang perlu.
5. Melaporkan setiap minggu atau setiap bulan keadaan kas kepada ketua untuk bahan penyusunan cash flow.
6. Menyetujui pembayaran transaksi atau pemberian pinjaman yang dilakukan dengan menggunakan cek/ giro.
Dalam menyelenggarakan tugasnya sehari – hari, bendahara Koperasi karyawan Karyamitra Budisentosa Pandaan bekerjasama dengan ketua dan sekretaris dalam menyelesaikan pekerjaannya.
Kepengurusan Koperasi karyawan Karyamitra Budisentosa dari sejak diresmikannya sampai sekarang senantiasa dipilih dari dan oleh anggota dalam Rapat Anggota yang susunan kepengurusan berlangsung paling lama dua masa jabatan berturut – turut.
17
Setiap penggantian pengurus tidak pernah terjadi penggantian pengurus secara total.
Artinya setiap penggantian pengurus selalu terdapat pengurus lama yang dipilih kembali dengan demikian kesinambungan program pembinaan Koperasi karyawan Karyamitra Budisentosa dapat dipertahankan ekistensinya.
2.4 Sistem Pendukung Keputusan (SPK)
Sistem Pendukung Keputusan adalah sebuah sistem yang mampu memberikan kemampuan pemecahan masalah maupun kemampuan pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak terstruktur.Sistem ini digunakan untuk membantu pengambilan keputusan dalam situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun tahu secara pasti bagaimana keputusan seharusnya dibuat (Turban, 2001).
SPK bertujuan untuk menyediakan informasi, membimbing, memberikan prediksi serta mengarahkan kepada pengguna informasi agar dapat melakukan pengambilan keputusan dengan lebih baik
Decision Support Systems (DSS) atau sistem pendukung keputusan adalah
serangkaian kelas tertentu dari sistem informasi terkomputerisasi yang mendukung kegiatan pengambilan keputusan bisnis dan organisasi.Suatu DSS yang dirancang dengan benar adalah suatu sistem berbasis perangkat lunak interaktif yang dimaksudkan untuk membantu para pengambil keputusan mengkompilasi informasi yang berguna dari data mentah, dokumen, pengetahuan pribadi, danmodel bisnis untuk mengidentifikasikan dan memecahkan berbagai masalah dan mengambil keputusan. Adapun konsep dari DSS ada 3 yaitu:
1. Masalah Terstruktur, merupakan suatu masalah yang memiliki struktur masalah pada 3 tahap pertama, yaitu intelijen, rancangan dan pilihan.
2. Masalah Tak Terstruktur, merupakan masalah yang sama sekali tidak memiliki struktur pada 3 tahap diatas.
3. Masalah Semi-Terstruktur, merupakan masalah yang memiliki struktur hanya pada satu atau dua tahap.
18
Adapun tujuan dari membangun sebuah DSS adalah:
1. Membantu manajer membuat keputusan untuk memecahkan masalah semi terstruktur.
2. Mendukung penilaian manajer bukan mencoba menggantikannya.
3. Meningkatkan effektifitas pengambilan keputusan manajer daripada efisiensinya.
Jenis Keputusan yang dibuat pada dasarnya dikelompokkan dalam 2 jenis, antara lain:
1. Keputusan Terprogram
Keputusan ini bersifat berulang dan rutin, sedemikian hingga suatu prosedur pasti telah dibuat menanganinya sehingga keputusan tersebut tidak perlu diperlakukan
2. Keputusan Tak Terprogram
Keputusan ini bersifat baru, tidak terstruktur dan jarang konsekuen.Tidak ada metode yang pasti untuk menangani masalah ini karena belum ada sebelumnya atau karena sifat dan struktur persisnya tak terlihat atau rumit atau karena begitu pentingnya sehingga memerlukan perlakuan yang sangat khusus.
Istilah DSS kadang digunakan untuk menggambarkan sembarang sistem yang terkomputerisasi.DSS digunakan untuk definisi yang lebih sempit, dan digunakan istilah Management Support System(MSS) sebagai payung untuk menggambarkan berbagai tipe sistem pendukung. Adapun alasan perusahaan menggunakan DSS adalah:
1. Perusahaan beroperasi pada ekonomi yang tak stabil.
2. Perusahaan dihadapkan pada kompetisi dalam dan luar negeri yang meningkat.
3. Perusahaan menghadapi peningkatan kesulitan dalam hal melacak jumlah operasi-operasi bisnis.
4. Sistem komputer perusahaan tak mendukung peningkatan tujuan perusahaan dalam hal efisiensi, profitabilitas, dan mencari jalan masuk di pasar yang benar-benar menguntungkan (Nurhayati, 2014).
19
Berdasarkan pengertian dan jenis dari sistem pendukung keputusan atau DSS maka dapat disimpulkan bahwa Sebuah sistem yang dapat menampilkan kemungkinan solusi dalam bentuk informasi atau grafik.
Solusi bersumber dari informasi yang sudah ada sebelumnya.Informasi yang ditampilkan berupa rekomendasi dan sistem bersifat aktif dalam berpikir out
of the box. Sistem ini sebatas pendukung keputusan saja, artinya masih
membutuhkan pimpinan/pengambil keputusan untuk menentukan keputusan yang diambil, misalnya dengan sistem pakar, kecerdasan buatan atau penambangan data, dalam penelitian ini akan dibahas mengenai penambangan data atau data
mining.
2.5 Data mining (Penambangan Data)
Data mining adalah sebuah proses untuk menemukan pola atau
pengetahuan yang bermanfaat secara otomatis dalam data yang berjumlah banyak dengan menggunakan teknik atau metode tertentu.(Han, 2006)
Menurut Han, dan Kamber (2006) data mining merupakan pemilihan atau “menambang” pengetahuan dari jumlah data yang banyak. Data mining sering dianggap sebagai bagian dari Knowledge Discovery in Database (KDD) yaitu sebuah proses mencari pengetahuan yang bermanfaat dari data, proses Knowledge
Discovery, prosesnya terdiri dari:
1. Data cleaning
Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data seperti kesalahan cetak (tipografi).
2. Data integration
Pada tahap data integration dilakukan pengecekan kombinasi data terhadap data yang berasal dari banyak sumber.
3. Data selection
Pemilihan (selection) data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi. Data hasil seleksi yang
20
akandigunakan untuk proses data mining disimpan dalam suatu berkas terpisah dari basis data operasional.
4. Data transformation
Merupakan proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses data mining. Proses ini merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis data. Kadang-kadang transformasi data dan konsolidasi dilakukan sebelum proses seleksi data, khususnya dalam kasus data warehousing. Reduksi data juga dapat dilakukan untuk mendapatkan representasi yang lebih kecil dari data asli tanpa mengorbankan integritasnya.
5. Data mining
Pemilihan tujuan dari proses KDD misalnya klasifikasi, regresi, clustering, dan sebagainya. Proses data mining adalah proses mencari pola atau informasi menarik dalam data terpilih menggunakan teknik dan metode tertentu. Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dan proses KDD secara keseluruhan.
6. Pattern evalution
Proses yang mengidentifikasi pola yang benar-benar menarik yang mewakili pengetahuan berdasarkan beberapa ukuran tindakan meliputi hipotesa sebelumnya.
7. Knowledge presentation
Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan.(Han, 2006)
Menurut Han dan Kamber, tugas data mining berdasarkan fungsinya dikategorikan menjadi dua yaitu deskriptif dan prediktif.Data mining secara deskriptif bertugas mengkarakteristik properti data pada basis data, sedangkan tugas data mining prediktif yaitu membuat prediksi berdasarkan kesimpulan dari data yang ada untuk dijadikan informasi yang bernilai. Fungsionalitas data mining dideskripsikan sebagai berikut :
21 1. Asosiasi
Asosiasi adalah proses menemukan aturan asosiasi yang didapatkan dari frekuensi suatu atribut pada sekumpulan data
2. Deskripsi Konsep / Kelas
Deskripsi konsep / kelas memberikan ringkasan yang jelas dan tepat dari sekumpulan data.Deskripsi dapat diperoleh dari karakteristik data dan diskriminasi data atau kedua-duanya.
3. Klasifikasi
Klasifikasi merupakan proses pencarian sekumpulan model atau fungsi yang menggambarkan dan membedakan kelas atau konsep data dengan maksud menggunakan model tersebut sebagai prediksi terhadap kelas atau obyek dimana label kelas tersebut tidak diketahui.
4. Analisa Klaster
Berbeda dengan klasifikasi, klasterisasi merupakan unsupervised learning. Dalam klasterisasi, label kelas tidak didefinisikan terlebih dahulu.
5. Analisa Outlier
Outlier adalah objek data yang tidak memenuhi model dan persyaratan
secara umum. Obyek data outlier berbeda dan tidak konsisten dengan data set yang ada. Kebanyakan metode data mining menganggap outlier sebagai sampah. (Han, 2006)
Menurut Han dan Kamber, data preprocessing merupakan proses persiapan data yang dilakukan dengan tujuan menyesuaikan kondisi data agar sesuai dengan kebutuhan pada proses analisis (data mining). Data preprocessing memakan waktu paling lama diantara proses-proses pencarian pengetahuan (knowledge discovery).Data preprocessing diperlukan karana data yang dimiliki sering kali tidak lengkap, tidak konsisten, banyak terjadi perulangan data yang tidak perlu, dan memuat anomali atau error. Metode pada data
22 1. Pembersihan Data (Data Cleaning)
Data cleaning bertujuan melengkapi atau menghapus data yang tidak
lengkap, menghilangkan data noise, mengidentifikasi atau menghapus anomali, dan mengatasi masalah konsisten data.
2. Integrasi Data (Data Integration)
Integrasi data adalah suatu teknik mengkombinasikan data dari beberapa sumber dalam satu tempat penyimpanan, misalnya gudang data (data warehouse). Sumber tersebut bisa berupa multiple database, data cube atau file-file.
3. Transformasi Data (Data Transformation)
Data mentah perlu dilakukan proses transformasi untuk meningkatkan performanya. Dalam transformasi data, data diubah menjadi bentuk yang bisa ditambang.
4. Reduksi Data (Data Reduction)
Data yang kompleks akan membutuhkan waktu yang lama untuk menambang. Teknik reduksi data sangat membantu mereduksi data yang kompleks tanpa mengurangi integritas dari data yang asli dan tidak mengurangi kualitas informasi yang dihasilkan. (Hijriyani, 2016)
Data mining dibagi menjadi beberapa kelompok berdasarkan tugas yang dapat dilakukan, yaitu (Hijriyani, 2016).
1. Deskripsi
Terkadang peneliti dan analisis secara sederhana ingin mencoba mencari cara untuk menggambarkan pola dan kecendrungan yang terdapat dalam data.
2. Estimasi
Estimasi hampir sama dengan klasifikasi, kecuali variabel target estimasi lebih ke arah numerik dari pada ke arah kategori. Model dibangun menggunakan
record lengkap yang menyediakan nilai dari variabel target sebagai nilai prediksi.
Selanjutnya, pada peninjauan berikutnya estimasi nilai dari variabel target dibuat berdasarkan nilai variabel prediksi.
23 3. Prediksi
Prediksi hampir sama dengan klasifikasi dan estimasi, kecuali bahwa dalam prediksi nilai dari hasil akan ada di masa mendatang.
4. Klasifikasi
Dalam klasifikasi, terdapat target variabel kategori. Contoh lain klasifikasi dalam bisnis dan penelitian adalah: Menentukan apakah suatu transaksi kartu kredit merupakan transaksi yang curang atau bukan.
5. Pengklusteran
Pengklusteran merupakan pengelompokan record, pengamatan, atau memperhatikan dan membentuk kelas objek-objek yang memiliki kemiripan. Kluster adalah kumpulan record yang memiliki kemiripan suatu dengan yang lainnya dan memiliki ketidakmiripan dengan record dalam kluster lain. Pengklusteran berbeda dengan klasifikasi yaitu tidak adanya variable target dalam pengklusteran.Pengklusteran tidak mencoba untuk melakukan klasifikasi, mengestimasi, atau memprediksi nilai dari variabel target. Akan tetapi, algoritma pengklusteran mencoba untuk melakukan pembagian terhadap keseluruhan data menjadi kelompok-kelompok yang memiliki kemiripan (homogen), yang mana kemiripan dengan record dalam kelompok lain akan bernilai minimal.
6. Asosiasi
Tugas asosiasi dalam data mining adalah menemukan atribut yang muncul dalam suatu waktu.Dalam dunia bisnis lebih umum disebut analisis keranjang belanja.
Untuk mendukung penelitian ini penulis menggunakan Algoritma C4.5
Decision Tree dan Naïve Bayes sebagai pembandingnya.
2.6 Decision tree (Pohon Keputusan)
Pohon Keputusan (Decision Tree) merupakan metode klasifikasi dan prediksi yang sangat kuat dan terkenal.Metode pohon keputusan mengubah fakta yang sangat besar menjadi pohon keputusan yang merepresentasikan aturan.Aturan dapat dengan mudah dipahami dengan bahasa alami.
24
Aturan ini juga dapat diekspresikan dalam bentuk bahasa basis data seperti
SQL untuk mencari record pada kategori tertentu.
Pohon keputusan juga berguna untuk mengeksplorasi data, menemukan hubungan tersembunyi antara sejumlah calon variabel input dengan sebuah variabel target. Karena pohon keputusan memadukan antara eksplorasi data dan pemodelan, pohon keputusan ini sangat bagus sebagai langkah awal dalam proses pemodelan bahkan ketika dijadikan sebagai model akhir dari beberapa teknik lain(J R Quinlan, 1993).
Dalam situasi lain kemampuan untuk menjelaskan alasan pengambilan keputusan adalah sesuatu yang sangat penting. Misalnya pada perusahaan asuransi ada larangan resmi untuk mendeskriminasi berdasarkan variabel-variabel tertentu.Perusahaan asuransi dapat mencari sendiri keadaan yang mencerminkan bahwa mereka tidak menggunakan deskriminasi yang ilegal dalam memutuskan seseorang diterima atau ditolak.Sebuah pohon keputusan adalah sebuah struktur yang dapat digunakan untuk membagi kumpulan data yang besar menjadi himpunan-himpunan record yang lebih kecil dengan menerapkan serangkaian aturan keputusan. Anggota himpunan hasil menjadi mirip satu dengan yang lain dengan masing-masing rangkaian pembagian. Sebuah model pohon keputusan terdiri dari sekumpulan aturan untuk membagi sejumlah populasi yang heterogen menjadi lebih kecil, lebih homogen dengan memperhatikan pada variabel tujuannya.Sebuah pohon keputusan mungkin dibangun dengan seksama secara manual, atau dapat tumbuh secara otomatis dengan menerapkan salah satu atau beberapa algoritma pohon keputusan untuk memodelkan himpunan data yang belum terklasifikasi (Scott, 2016).
Variabel tujuan biasanya dikelompokkan dengan pasti dan model pohon keputusan lebih mengarah pada perhitungan probabilitas dari masing-masing
record terhadap kategori-kategori tersebut, atau untuk mengklasifikasi record
dengan mengelompokkannya dalam satu kelas. Pohon keputusan juga dapat digunakan untuk mengestimasi nilai dari variabel kontinyu, meskipun ada beberapa teknik yang lebih sesuai untuk kasus ini. (Scott, 2016)
25 Kelebihan dari metode pohon keputusan adalah:
1. Daerah pengambilan keputusan yang sebelumnya kompleks dan sangat global, dapat diubah menjadi lebih simpel dan spesifik
2. Eliminasi perhitungan-perhitungan yang tidak diperlukan, karena ketika menggunakan metode pohon keputusan maka sampel diuji hanya berdasarkan kriteria atau kelas tertentu
3. Fleksibel untuk memilih fitur dari node internal yang berbeda, fitur yang terpilih akan membedakan suatu kriteria dibandingkan kriteria yang lain dalam node yang sama. Kefleksibelan metode pohon keputusan ini meningkatkan kualitas keputusan yang dihasilkan jika dibandingkan ketika menggunakan metode penghitungan satu tahap yang lebih konvensional 4. Dalam analisis multivarian, dengan kriteria dan kelas yang jumlahnya
sangat banyak, seorang penguji biasanya perlu mengestimasikan baik itu distribusi dimensi tinggi ataupun parameter tertentu dari distribusi kelas tersebut. Metode pohon keputusan dapat menghindari munculnya permasalahan ini dengan menggunakan kriteria yang jumlahnya lebih sedikit pada setiap node internal tanpa banyak mengurangi kualitas keputusan yang dihasilkan. (Scott, 2016)
Kekurangan pada pohon keputusan adalah:
1. Terjadi overlapping terutama ketika kelas-kelas dan kriteria yang digunakan jumlahnya sangat banyak. Hal tersebut juga dapat menyebabkan meningkatnya waktu pengambilan keputusan dan jumlah memori yang diperlukan
2. Pengakumulasian jumlah kesalahan dari setiap tingkat dalam sebuah pohon keputusan yang besar
3. Kesulitan dalam mendesain pohon keputusan yang optimal
4. Hasil kualitas keputusan yang didapatkan dari metode pohon keputusan sangat tergantung pada bagaimana pohon tersebut didesain. (Scott, 2016)
Algoritma Decision Tree C4.5 merupakan pengembangan dari ID3.Pohon keputusan adalah model prediksi menggunakan struktur pohon atau struktur berhirarki. (Scott, 2016)
26 2.7. Algoritma C4.5
Di akhir tahun 1970 hingga di awal tahun 1980-an, J. Ross Quinlan seorang peneliti di bidang machine learning mengembangkan sebuah model pohon keputusan yang dinamakan ID3 (Iterative Dichotomiser), walaupun sebenarnya proyek ini telah dibuat sebelumnya oleh E.B. Hunt, J. Marin, dan P.T. Stone. Kemudian Quinlan membuat algoritma dari pengembangan ID3 yang dinamakan C4.5. (J R Quinlan, 1993)
Algoritma C4.5 juga bisa disebut sebuah struktur pohon dimana terdapat
Node internal yang mendeskripsikan atribut-atribut, setiap cabang tersebut untuk
menggambarkan hasil dari atribut yang diuji, dan setiap daun (terminal node) menggambarkan kelas.Node tertinggi disebut akar.(Pramudiono 2008)
Gambar 2.1Model Pohon keputusan (Pramudiono, 2008)
Dalam memudahkan penjelasan mengenai Algoritma C4.5 berikut ini
Disertakan contoh kasus yang dituangkan dalam Tabel 2.2
27
Dalam kasus yang tertera pada Tabel 2.2, akan dibuat pohon keputusan untuk menentukan main tenis atau tidak dengan melihat keadaan cuaca (outlook), temperatur(temperature), kelembaban (humidity) dan keadaan angin (windy). (Pramudiono 2008)
Secara umum Algoritma C4.5, untuk membangun pohon keputusan adalah sebagai berikut:
1. Pilih atribut sebagai akar.
2. Buat cabang untuk masing-masing nilai. 3. Bagi kasus dalam cabang.
4. Ulangi proses untuk masing-masing cabang sampai semua kasus pada cabang memiliki kelas yang sama. (Pramudiono 2008)
Untuk memilih atribut sebagai akar, didasarkan pada nilai gain tertinggi dari atribut-atribut yang ada.Untuk menghitung Gain digunakan rumus seperti tertera dalam Rumus 1. (Pramudiono 2008)
Gain(S,A)=Entrophy(S)-∑_(i=1)^n▒〖(|Si|)/(|S|)*Enterophy (Si)…..(1)〗 1. Dengan:
2. S: Himpunan kasus 3. A: Atribut
4. n: Jumlah partisi atribut A
5. |Si|: Jumlah kasus pada partisi ke-i 6. |S| : Jumlah Kasus dalam S
Sedangkan perhitungan nilai entrophy dapat dilihat pada rumus 2 berikut: Enterophy (S)=∑_(i=1)^n▒〖-pi*〖log〗_2 pi…..(2)〗 Dengan:
1. S: Himpunan kasus
2. Pi: Proporsi dari Si terhadap S 3. n: Jumlah partisi atribut A
Setelah diketahui Gain, Enterophy dicari nilai Gain Ratio menggunakan rumus 3 berikut:
28
Gain Ratio(S,A)=(Gain(S,A))/(Splitinfo(S,A))….(3) Dimana rumus Splitinfo berdasar persamaan 4 berikut:
Splitinfo(S,A)=-∑_(i=1)^i▒〖Si/S 〖log〗_2 Si/S〗…..(4) Dengan:
1. S: Himpunan kasus 2. A: Atribut
3. Si: Jumlah kasus pada partisi ke-i 4. S : Jumlah Kasus dalam S
Seperti yang telah dijelaskan bahwa C4.5 merupakan pengembangan dari
ID3. Namun memiliki beberapa perbedaan antara
lain :
1. Mampu menangani atribut dengan tipe diskrit atau kontinu. 2. Mampu menangani atribut yang kosong (missing value) 3. Bisa memangkas cabang.
Berikut ini adalah penjelasan lebih rinci mengenai masing-masing langkah dalam pembentukan pohon keputusan dengan menggunakan Algoritma C4.5 untuk menyelesaikan permasalahan. (Pramudiono 2008)
Dalam menghitung jumlah kasus, jumlah kasus untuk keputusan Yes, jumlah kasus untuk keputusan No, dan Entrophy dari semua kasus dan kasus yang dibagi berdasarkan atribut Outlook, Temperature, Humidity dan Windy.Setelah itu lakukan penghitungan Gain untuk masing-masing atribut.Hasil perhitungan ditunjukkan oleh Tabel 2.3. (Pramudiono 2008)
29
Tabel 2.3Perhitungan Node 1
Baris Total kolom Entropy pada Tabel 2.3 dihitung dengan rumus 2, sebagai berikut:
Enterophy(Total)=(-4/14 log_2x (4/14))+(-10/14 log_2x (10/14))
Enterophy(Total)=0.863120569
Sedangkan nilai Gain pada baris Outlook dihitung dengan menggunakan rumus 1, sebagai berikut:
Gain(Total;Outlook)=Enterophy(Total)-∑_(i-1)^1▒|Outlook|_x/|Total| Enterophy(〖Outlook〗_1)
Gain(Total;Outlook)=0.863120569-(4/14 x_0+ (5/14 x_0.723+(5/14 x_0.97 ))
Sehingga didapat Gain (Total, Outlook) = 0.258521037
Dari hasil pada tabel 2 dapat diketahui bahwa atribut dengan gain tertinggi adalah humidity yaitu sebesar 0.37. Dengan demikian humidity dapat menjadi node akar.Ada 2 nilai atribut dari humidity yaitu high dan normal. Dari kedua nilai atribut tersebut, nilai atribut normal sudah mengklasifikasikan kasus menjadi 1 yaitu keputusan-nya yes, sehingga tidak perlu dilakukan perhitungan lebih lanjut, tetapi untuk nilai atribut high masih perlu dilakukan perhitungan lagi. Dari hasil tersebut dapat digambarkan pohon keputusan sementara seperti gambar 2.2
30
Gambar 2.2Pohon Keputusan Hasil Perhitungan Node 1 (Pramudiono, 2008)
Kemudian dilakukan perhitungan jumlah kasus, jumlah kasus untuk keputusan Ya, jumlah kasus untuk keputusan Tidak, dan Entrophy dari semua kasus dan kasus yang dibagi berdasarkan atribut cuaca, temperatur dan angin yang dapat menjadi node akar dari nilai atribut tinggi. Setelah itu lakukan penghitungan
Gain untuk masing-masing atribut. Hasil perhitungan ditunjukkan oleh Tabel 2.4
Tabel 2.4Perhitungan Node 1.1
Dari hasil pada Tabel 2.4 dapat diketahui bahwa atribut dengan Gain tertinggi adalah cuaca yaitu sebesar 0.699.Dengan demikian cuaca dapat menjadi node cabang dari nilai atribut tinggi.Ada 3 nilai atribut dari cuaca yaitu mendung, hujan dan cerah.dari ketiga nilai atribut tersebut, nilai atribut mendung sudah mengklasifikasikan kasus menjadi 1 yaitu keputusannya Ya dan nilai atribut cerah sudah mengklasifikasikan kasus menjadi satu dengan keputusan Tidak, sehingga tidak perlu dilakukan perhitungan lebih lanjut, tetapi untuk nilai atribut hujan masih perlu dilakukan perhitungan lagi. Pohon keputusan yang terbentuk sampai tahap ini ditunjukkan pada Gambar 2.3 berikut:
31
Gambar 2.3Pohon Keputusan Hasil Perhitungan Node 1.1
Menghitung jumlah kasus, jumlah kasus untuk keputusan Ya, jumlah kasus untuk keputusan Tidak, dan Entrophy dari semua kasus dan kasus yang dibagi berdasarkan atribut temperatur dan angin yang dapat menjadi node cabang dari nilai atribut hujan. Setelah itu lakukan penghitungan Gain untuk masing-masing atribut. Hasil perhitungan ditunjukkan oleh Tabel 2.5
Tabel 2.5Perhitungan Node 1.1.2
Dari hasil pada Tabel 2.5 dapat diketahui bahwa atribut dengan Gain tertinggi adalah angin yaitu sebesar 1.Dengan demikian angin dapat menjadi node cabang dari nilai atribut hujan. Ada 2 nilai atribut dari angin yaitu Tidak dan Ya. Dari kedua nilai atribut tersebut, nilai atribut Tidak sudah mengklasifikasikan kasus menjadi 1 yaitu keputusannya Ya dan nilai atribut Ya sudah mengklasifikasikan kasus menjadi satu dengan keputusan Tidak, sehingga tidak perlu dilakukan perhitungan lebih lanjut untuk nilai atribut ini. Pohon keputusan yang terbentuk sampai tahap ini ditunjukkan pada Gambar 2.4
