Analisis Kinerja Metode Gabungan Genetic Algorithm dan K-Means Clustering dalam Penentuan Nilai Centroid

(1)

ANALISIS KINERJA METODE GABUNGAN GENETIC ALGORITHM

DAN K-MEANS CLUSTERING DALAM PENENTUAN NILAI

CENTROID

TESIS

ADYA ZIZWAN PUTRA

147038003

PROGRAM STUDI S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

(2)

ANALISIS KINERJA METODE GABUNGAN GENETIC ALGORITHM

DAN K-MEANS CLUSTERING DALAM PENENTUAN NILAI

CENTROID

TESIS

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah

Magister Teknik Informatika

ADYA ZIZWAN PUTRA

147038003

PROGRAM STUDI S2 TEKNIK INFORMATIKA

FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

(3)

PERSETUJUAN

Judul Tesis : Analisis Kinerja Metode Gabungan Genetic Algorithm dan

K-Means Clustering dalam Penentuan Nilai Centroid

Kategori : Tesis

Nama Mahasiswa : Adya Zizwan Putra

Nomor Induk Mahasiswa : 147038003

Program Studi : Magister (S2) Teknik Informatika

Fakultas : Ilmu Komputer dan Teknologi Informasi

Universitas Sumatera Utara

Komisi Pembimbing :

Pembimbing 2, Pembimbing 1,

Dr. Erna Budhiarti Nababan, M.IT Prof. Dr. Muhammad Zarlis, M.Sc

Diketahui/disetujui oleh

Program Studi S2 Teknik Informatika

Ketua,

Prof. Dr. Muhammad Zarlis, M.Sc

(4)

PERNYATAAN

ANALISIS KINERJA METODE GABUNGAN GENETIC ALGORITHM

DAN K-MEANS CLUSTERING DALAM PENENTUAN NILAI

CENTROID

TESIS

Saya mengakui bahwa tesis ini adalah hasil karya saya sendiri, kecuali beberapa kutipan

dan ringkasan yang masing-masing telah disebutkan sumbernya.

Medan, 24 Juli 2017

Adya Zizwan Putra

(5)

PERNYATAAN PERSETUJUAN PUBLIKASI

KARYA ILMIAH UNTUK KEPENTINGAN

AKADEMIS

Sebagai sivitas akademika Universitas Sumatera Utara, saya yang bertanda tangan di

bawah ini :

Nama : Adya Zizwan Putra

NIM : 147038003

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 :

ANALISIS KINERJA METODE GABUNGAN GENETIC ALGORITHM

DAN K-MEANS CLUSTERING DALAM PENENTUAN NILAI

CENTROID

Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non Eksklusif

ini, Universitas Sumatera Utara berhak menyimpan mengalih media, memformat,

mengelola dalam bentuk database, merawat dan memplubikasikan tesis saya tanpa

meminta izin dari saya selama tetap mencantumkan nama saya sebagai penulis dan

sebagai pemegang dan/ atau sebagai pemilik hak cipta.

Demikian pernyataan ini dibuat dengan sebenarnya.

Medan, 24 Juli 2017

Adya Zizwan Putra

(6)

Telah diuji pada

Tanggal : 24 Juli 2017

______________________________________________________________________ __

PANITIA PENGUJI TESIS

Ketua : Prof. Dr. Muhammad Zarlis

Anggota : 1. Dr. Erna Budhiarti Nababan

2. Prof. Dr. Saib Suwilo

3. Dr. Syahril Efendi

(7)

RIWAYAT HIDUP

DATA PRIBADI

Nama Lengkap (berikut gelar) : Adya Zizwan Putra, S.Kom

Tempat dan Tanggal Lahir : Medan, 3 Mei 1991

Alamat Rumah : Jl. Nangka No.9 A Medan

Telepon/ Faks/ HP : 0811802006

E-mail : putrazizwanadya@gmail.com

Instansi Tempat Bekerja : PT Bank Mandiri (Persero) Tbk.

Alamat Kantor : Jl. Pulau Pinang No 1 Medan

DATA PENDIDIKAN

SD : SD Negeri 060837 Medan TAMAT : 2003

SLTP : SLTP Negeri 7 Medan TAMAT : 2006

SLTA : SLTA Negeri 7 Medan TAMAT : 2009

D3 : D3 Teknik Informatika USU TAMAT : 2011

(8)

UCAPAN TERIMA KASIH

Alhamdulillah, segala puji dan syukur saya ucapkan kehadiran Tuhan Yang Maha Esa,

atas berkat rahmat-Nya, saya dapat menyelesaikan Tesis ini dalam kurun waktu yang

telah ditetapkan

Ucapan terima kasih juga saya sampaikan kepada pihak-pihak yang telah membantu

saya selama penulisan Tesis ini, sehingga Tesis ini dapat terselesaikan dengan baik. Pada

kesempatan kali ini, saya ingin mengucapkan terima kasih yang sebesar-besarnya

kepada :

1. Bapak Prof. Dr. Runtung Sitepu, SH, M.Hum selaku Rektor Universitas Sumatera

Utara.

2. Bapak Prof. Dr. Opim Salim Sitompul, M.Sc selaku Dekan Fakultas Ilmu Komputer

dan Teknologi Informasi.

3. Bapak Prof. Dr. Muhammad Zarlis selaku Ketua Program Studi Magister Teknik

Informatika, beserta Bapak Dr. Syahril Efendi, S.Si, M.IT Selaku Sekretaris

Program Studi Magister Teknik Informatika, beserta seluruh Staf Pengajar

Program Studi Magister Teknik Informatika Program Pascasarjana Fakultas Ilmu

Komputer Universitas Sumatera Utara.

4. Bapak Prof. Dr. Muhammad Zarlis selaku Pembimbing Pertama, dan juga Bapak

Dr. Erna Budhiarti Nababan, M.IT selaku Pembimbing Kedua, yang telah

membimbing saya hingga tesis ini dapat terselesaikan dengan baik.

5. Bapak Prof. Dr. Saib Suwilo selaku Penguji Pertama, dan juga Bapak Dr. Syahril

Efendi, S.Si, M.IT selaku Penguji Kedua yang telah memberikan saran dan masukan

serta arahan yang baik dalam penyelesaian tesis ini.

6. Orangtua laki-laki saya Alm. Aziz Usman NST, orangtua perempuan saya Sufriyati,

kakak perempuan saya Atika Ziyani Pratiwi NST yang telah mendukung saya dan

mendoakan saya sehingga tesis ini terselesaikan dengan baik.

7. Semua pihak yang terlibat langsung ataupun tidak langsung yang tidak dapat saya

(9)

Saya menyadari masih banyak kekurangan dalam penulisan Tesis ini, oleh karena itu

saya mengharapkan kritik dan saran dari para pembaca sebagai masukan bagi penelitian

ini, agar penelitian ini dapat bermanfaat lebih baik lagi bagi saya ataupun bagi para

peneliti selanjutnya.

Medan, 24 Juli 2017

Penulis

(10)

ABSTRAK

Penentuan Centroid pada Algoritma K-Means mempengaruhi secara langsung kualitas

dari hasil clustering. Penentuan centroid dengan menggunakan bilangan acak memiliki

banyak kelemahan. Algoritma GenClust yang menggabungkan pemakaian Algoritma

Genetika dan K-Means menggunakan algoritma genetika untuk menentukan centroid dari

tiap cluster. Penggunaan algoritma GenClust menggunakan kromosom 50% yang

diperoleh melalui perhitungan deterministik dan 50% diperoleh dari pembangkitan

bilangan acak. Penelitian ini akan memodifikasi penggunaan algoritma GenClust dimana

kromosom yang digunakan 100% diperoleh melalui perhitungan deterministik. Hasil

penelitian ini akan menghasilkan perbandingan kinerja yang dinyatakan dalam Mean

Square Error yang dipengaruhi oleh penentuan centroid pada metode K-Means dengan

menggunakan metode GenClust, metode GenClust yang dimodifikasi dan juga K-Means klasik.

(11)

PERFORMANCE ANALYSIS OF COMBINED METHODS OF

GENETIC ALGORITHM AND K-MEANS CLUSTERING IN

DETERMINING THE VALUE OF CENTROID

ABSTRACT

The determination of Centroid on K-Means Algorithm directly affects the quality of the clustering results. Determination of centroid by using random numbers has many weaknesses. The GenClust algorithm that combines the use of Genetic Algorithms and K-Means uses a genetic algorithm to determine the centroid of each cluster. The use of the GenClust algorithm uses 50% chromosomes obtained through deterministic calculations and 50% is obtained from the generation of random numbers. This study will modify the use of the GenClust algorithm in which the chromosomes used are 100% obtained through deterministic calculations. The results of this study will result in performance comparisons expressed in Mean Square Error influenced by centroid determination on K-Means method by using GenClust method, modified GenClust method and also classic K-Means.

(12)

DAFTAR ISI

DAFTAR GAMBAR xiv

DAFTAR TABEL xv

BAB I PENDAHULUAN 1

1.1 Latar Belakang 1

1.2 Rumusan Masalah 3

1.3 Batasan Masalah 3

1.4 Tujuan Penelitian 4

1.5 Manfaat Penelitian 4

1.6 Sistematika Penulisan 4

BAB II TINJAUAN PUSTAKA 6

2.1 Data Mining 6

2.2 Metode pada Data Mining 7

2.3 Clustering 7

2.4 K-Means 9

2.5 Algoritma Genetika 9

2.6 GenClust 10

2.7 UCI Machine Learning Repository 12

2.8 Penelitian-Penelitian Terkait 12

2.8.1. Penelitian Terdahulu 12

2.8.2. Perbedaan dengan Penelitian Terdahulu 14

BAB III METODOLOGI PENELITIAN 16

3.1 Pendahuluan 16

3.2 Data yang Digunakan 17

(13)

BAB IV HASIL DAN PEMBAHASAN 29

4.1 Pendahuluan 29

4.2 Hasil Pengujian dengan Menggunakan Algoritma K-Means

Klasik 29

4.2.1 Pengujian dengan Jumlah Iterasi Sebanyak 50 30

4.3 Hasil Pengujian dengan Menggunakan Algoritma GenClust 35

4.4 Hasil Pengujian dengan Menggunakan Algoritma GenClust

yang Telah Dimodifikasi 41

4.5 Pembahasan 47

BAB V KESIMPULAN DAN SARAN 49

5.1 Kesimpulan 49

(14)

DAFTAR GAMBAR

Hal.

Gambar 2.1. Proses di dalam Knowledge Discovery in Database 6

Gambar 2.2. Diagram Blok dari Algoritma Genetika 10

Gambar 2.3. Tahapan Proses dari Algoritma GenClust 11

Gambar 3.1. Metode Penelitian 17

Gambar 3.2. Tahapan Proses Algoritma K-Means 18

Gambar 3.3. Tahapan Penentuan Nilai Centroid K-Means dengan

Algoritma GenClust 19

Gambar 3.4. Penentuan Nilai Centroid K-Means dengan

Algoritma GenClust yang Dimodifikasi 28

Gambar 4.1. Hasil Pengujian dengan Menggunakan Algoritma K-Means

Klasik 34

Gambar 4.2. Hasil Pengujian dengan Menggunakan Algoritma GenClust 40

Gambar 4.3. Hasil Pengujian dengan Menggunakan Algoritma GenClust

(15)

DAFTAR TABEL

Hal.

Tabel 2.1. Penelitian Terdahulu 13

Tabel 3.1. Contoh Data pada Iris Data Set 21

Tabel 3.2. Kromosom yang Dibangkitkan dengan Bilangan Acak 22

Tabel 3.3. Kromosom yang Diperoleh dari Perhitungan Deterministik 27

Tabel 4.1. Pengujian dengan Menggunakan Algoritma K-Means Klasik

dengan Jumlah Iterasi Sebesar 50 30

Tabel 4.4. Hasil Pengujian dengan Menggunakan Algoritma

K-Means Klasik 33

Tabel 4.5. Pengujian dengan Menggunakan Algoritma GenClust dengan

Menggunakan Jumlah Iterasi Sebesar 50 35

Tabel 4.8. Hasil Pengujian dengan Menggunakan Algoritma GenClust 39

Tabel 4.9. Pengujian dengan Menggunakan Algoritma GenClust yang Telah

Dimodifikasi dengan Menggunakan Jumlah Iterasi Sebesar 50 42

Tabel 4.12. Hasil Pengujian dengan Menggunakan Algoritma GenClust

yang Telah Dimodifikasi 45

Tabel 4.13. Hasil Pengujian dengan Menggunakan Algoritma K-Means Klasik

Algoritma GenClust, dan Algoritma GenClust yang Telah

Dimodifikasi 47