Analisa Performansi menggunakan Algoritma Decision Tree

ANALISA PERFORMANSI MENGGUNAKAN

ALGORITMA DECISSION TREE

TESIS

Oleh

MARIES SWENDY

097038001/ TINF

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

MEDAN

ANALISA PERFORMANSI MENGGUNAKAN

ALGORITMA DECISSION TREE

TESIS

Diajukan Sebagai Salah Satu Syarat Untuk Memperoleh Gelar

Magister Komputer Dalam Program Studi Magister Teknik

Informatika Pada Program Pascasarjana Fakultas MIPA

Universitas Sumatera Utara

Oleh

MARIES SWENDY

097038001/ TINF

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA MEDAN

PENGESAHAN TESIS

Menyetujui Komisi Pembimbing,

Dr. Erna Budhiarti Nababan, MIT Prof Dr Drs Iryanto M.Si

Anggota Ketua

Ketua Program Studi Dekan

Prof. Dr. Muhammad Zarlis Dr. Sutarman, M.Sc

NIP : 19570701 198601 1 003 NIP : 19631026 199103 1 001 Judul Tesis :

_{ANALISA PERFORMANSI}

MENGGUNAKAN

ALGORITMA

DECISSION TREE

Nama Mahasiswa : MARIES SWENDY Nomor Induk Mahasiswa : 097038001

Program Studi : Magister (S2) Teknik Informatika

PERNYATAAN ORISINALITAS

ANALISA PERFORMANSI MENGGUNAKAN ALGORITMA DECISSION TREE

TESIS

Dengan ini penulis nyatakan bahwa penulis mengakui semua karya tesis ini adalah hasil karya penulis sendiri kecuali kutipan dan ringkasan yang tiap bagiannya telah dijelaskan sumbernya dengan benar.

Medan, 20 Januari 2012

PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertandatangan di bawah ini:

Nama Mahasiswa : MARIES SWENDY

Nomor Induk Mahasiswa : 097038001

Program Studi : Magister (S2) Teknik Informatika Jenis Karya Ilmiah : TESIS

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada Universitas Sumatera Utara Hak Bebas Royalti Non-Eksklusif (Non-Exclusive

Royalty Free Right) atas Tesis saya yang berjudul :

ANALISA PERFORMANSI MENGGUNAKAN ALGORITMA DECISSION TREE

Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non-Eksklusifini, Universitas Sumatera Utara berhak menyimpan, mengalih media, memformat, mengelola dalam bentuk database, merawat dan mempublikasikan Tesis saya tanpa meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan sebagai pemegang dan atau sebagai pemilik hak cipta.

Medan, 20 Januari 2012

Telah diuji pada

Tanggal : 20 Januari 2011

PANITIA PENGUJI TESIS

Ketua : Prof. Drs Iryanto, M.Si

Anggota : 1. Dr. Erna Budhiarti Nababan, MIT 2. Prof.Dr.Opim Salim Sitompul 3 . Prof. Dr. Muhammad Zarlis

DATA PRIBADI

RIWAYAT HIDUP

Nama Lengkap MARIES SWENDY

Tempat dan Tanggal Lahir Medan, 28 Maret 1985

Alamat Rumah Jl. Gelatik IX No. 205 Perumnas Mandala Medan 20226

Email gtalkmaries@gmail.com

Instansi Tempat Bekerja PT. Telekomunikasi Indonesia, Tbk. Alamat Kantor Jl.Putri Hijau No. 1 Medan

DATA PENDIDIKAN

i

KATA PENGANTAR

Puji syukur penulis panjatkan kehadirat Allah SWT Tuhan Yang Maha Esa atas segala limpahan erkah, rahmat dan karunia-Nya sehingga Tesis ini dapat diselesaikan melalui bimbingan, arahan dan bantuan yang diberikan berbagai pihak khususnya pembimbing, pembanding, para dosen, teman mahasiswa, khususnya mahasiswa Program Studi Magister (S2) Teknik Informatika di FMIPA Universitas Sumatera Utara.

Tesis yang berjudul: “Analisa Performansi menggunakan Algoritma

Decision Tree” adalah merupakan Tesis dan syarat untuk memperoleh gelar Magister Komputer dalam Program Studi Magister (S2) Teknik Informatika pada Program Pascasarjana FMIPA Universitas Sumatera Utara. Penulis mengucapkan terima kasih yang sebesar-besarnya kepada:

Orangtua tercinta Ayahanda dan Ibunda serta semua keluarga yang senantiasa mendoakan, dan memberikan dorongan kepada penulis.

Rektor Universitas Sumatera Utara, Prof. Dr. dr. Syahril Pasaribu, DTM&H, M,Sc (CTM), Sp. A(K) atas kesempatan yang diberikan kepada penulis untuk mengikuti dan menyelesaikan pendidikan Program Magister (S2).

Dekan FMIPA Universitas Sumatera Utara, Dr. Sutarman, M.Sc atas kesempatan yang diberikan kepada penulis menjadi mahasiswa Program Magister (S2) pada Program Pascasarjana FMIPA Universitas Sumatera Utara.

Ketua Program Studi Magister (S2) Teknik Informatika, Prof. Dr. Muhammad Zarlis, Sekretaris Program Studi Magister (S2) Teknik Informatika M. Andri Budiman, ST, M. Comp. Sc, M.EM beserta seluruh Staff Pengajar pada Program Studi Magister (S2) Teknik Informatika Program Pascasarjana FMIPA Universitas Sumatera Utara, yang telah bersedia membimbing penulis, sehingga dapat menyelesaikan pendidikan tepat pada waktunya.

ii

kesabaran membimbing, memberikan dukungan moril, memotivasi kritik dan saran serta memberikan bahan-bahan yang berkaitan dengan penyusunan tesis ini sehingga penulis dapat menyelesaikan tesis ini dengan baik.

Terimakasih yang tak terhingga dan penghargaan setinggi-tingginya penulis ucapkan kepada Prof. Dr. Muhammad Zarlis, Prof. Dr. Opim, M.Sc dan M. Andri Budiman, ST, M. Comp. Sc, M.EM sebagai pembanding, yang telah memberikan kritik dan saran serta arahan yang baik demi penyelesaian tesis ini.

Seluruh Staf Pengajar dan Administrasi, Program Studi Magister (S2) Teknik Informatika Program Pascasarjana FMIPA Universitas Sumatera Utara yang telah memberikan bantuan dan pelayanan yang baik kepada penulis selama mengikuti perkuliahan.

Rekan Mahasiswa Angkatan Pertama Program Studi Magister (S2) Teknik Informatika Komputer FMIPA Universitas Sumatera Utara yang telah banyak membantu penulis selama mengikuti perkuliahan.

Kepada semua pihak yang tidak dapat penulis sebutkan satu persatu dalam tesis ini, terima kasih atas segala bantuan yang diberikan. Sekecil apapun bantuan yang diberikan kepada penulis turut menghantarkan penulis untuk menyelesaikan pendidikan yang ditempuh selama ini. Dengan segala kekurangan dan kerendahan hati, semoga segala bantuan yang diberikan mendapat balasan oleh Allah SWT Tuhan Yang Maha Kuasa.

Penulis menyadari bahwa tesis ini masih jauh dari sempurna, untuk itu sangat diharapkan masukan, kritik dan saran agar tesis ini bisa lebih baik lagi di masa yang akan datang serta dapat memberi manfaat.

Medan, Januari 2012 Penulis,

iii

ABSTRAK

Penerapan data mining dalam mengambil informasi yang lebih berguna dibandingkan dengan peggunaan basis data konvensional dengan kebutuhan tambahan berupa analisa pemikiran dari user/ pelaku sistem dari sebuah organisasi/ perusahaan. Tesis ini mengusulkan sebuah tools tools yang dapat melakukan monitoring dan tracking performansi melalui model aturan keterhubungan data survei, data hasil audit dengan data revenue pada organisasi/ perusahaan. Faktor-faktor mana yang lebih dominan yang mempengaruhi growth

revenue sebagai variabel tingkat kinerja organisasi/ performansi perusahaan

tersebut. Penggunaan variabel tersebut dengan sistem skala dapat membantu menentukan tingkat performansi yang beragam pada data growth revenue untuk perhitungan pada algoritma pohon klasifikasi dan regresi (CART).

Kata Kunci: decision tree, regresi, performansi, pohon klasifikasi dan regresi

iv

PERFORMANCE ANALYSIS USING DECISION TREE ALGORITHMS

ABSTRACT

Data mining have been implemented to get the information more usefull then using conventional database combine with using human analysis as the user from the organization/ company systems. This Thesis proposes a tools to monitoring and tracking performance from the connectedness rule model of the results of survey, audit data and revenue’s data in organization/ company systems. The more dominant factors that influence the growth revenue as the variable of organization/ company performance. The Variabel using scale system to helps finding kind of performance level in growth revenue using classification and regression tree (CART)

v

BAB I PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Perumusan Masalah 3

1.3. Batasan Masalah 4

1.4 Tujuan Penelitian 4

1.5 Manfaat Penelitian 5

1.6 Metodologi Penelitian 5 1.7 Sistematika Penulisan 6

BAB II TINJAUAN PUSTAKA 8

2.1 Pengertian Data Mining 8 2.2 Tahapan Data Mining 10 2.3 Teknik Data Mining 13

2.4 Kernel K-Mean 17

vi

BAB III METODOLOGI 33

3.1. Selection Data 33

3.1.1 Data Revenue 34

3.1.2 Data Customer Satisfaction Index (CSI) 35 3.1.3 Data Kriteria Baldridge 37 3.2 Preprocessing Data 39

3.2.1 Data Revenue 40

3.2.2 Data Customer Satisfaction Index (CSI) 41 3.2.3 Data Kriteria Baldridge 42 3.2.4. Validasi Data 42

3.3 Transformasi Data 47

3.3.1 Clustering pada data Revenue 48 3.3.2 Penggabungan Data 51

3.3.3 Data Mining 52

BAB IV HASIL DAN PEMBAHASAN 57

4.1. Pendahuluan 57

4.2 Hasil Percobaan 58

4.2.1Cronbach’s Alpha 58 4.2.2 Teknik Analisis Regresi Linear Berganda 59 4.3 Percobaan Data Keseluruhan 62

BAB V KESIMPULAN DAN SARAN 71

5.1. Kesimpulan 71

5.2 Saran 71

DAFTAR PUSTAKA 72

vii

DAFTAR TABEL

Nomor J u d u l Halaman

2.1 Tabel Perbandingan Penelitian yang Relevan 30

3.1 Atribut Data Revenue 35

3.2 Atribut Data CSI 37

3.3 Atribut Data Kriteria Baldridge 39 3.4 Data yang tidak memenuhi syarat 40

3.5 Data Growth Revenue 41

3.6 Data CSI 42

3.7 Data Kriteria Baldridge 42 3.8 Signifikan dan Reliabilitas Statistik Sampel

Data Uner 1 Sumatera 43

viii

DAFTAR GAMBAR

Nomor J u d u l Halaman

1.1 Kerangka pemikiran penelitian 6

2.1 Proses Data Mining 11

2.2 Alur produksi data mining 12 2.3 Penggolongan teknik data mining 13 2.4 Tahapan Teknik Klasifikasi 14 2.5 Tahapan Teknik Asosiasi 15

2.6 Proses clustering 16

2.7 Diagram CART 21

2.8 Struktur Administrasi MBNQA 26 2.9 Kerangka Kerja MBCfPE 27 3.1 Flowchart KDD process 33 3.2 Capture Hasil Kluster dengan Kernel K-Mean 50 3.3 Capture Diagram Hasil Kluster dengan Kernel K-Mean50

3.4 Algoritma CART 53

3.5 Grafik Decision tree pada data sampel 54 3.6 Profil Predikat pada data sampel 56 4.1 Proses penginputan Data Keseluruhan 63 4.2 Proses Linkage Data Keseluruhan 64 4.3 Tampilan Proses pada tab XML di Rapidminer 65 4.4 Tampilan Pohon pada tab XML di Rapidminer 66

4.5 Decision tree Data Keseluruhan 67