ANALISIS PERBANDINGAN ALGORITMA DECISION TREE DENGAN ALGORITMA RANDOM TREE UNTUK PROSES PRE PROCESSING DATA TESIS SAIFULLAH 117038036

(1)

ANALISIS PERBANDINGAN ALGORITMA DECISION TREE DENGAN ALGORITMA RANDOM TREE UNTUK

PROSES PRE PROCESSING DATA

TESIS

SAIFULLAH 117038036

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN

(2)

TESIS

Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Magister Teknik Informatika

SAIFULLAH 117038036

PROGRAM STUDI MAGISTER (S2) TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA MEDAN

(3)

PERSETUJUAN

Judul : ANALISIS PERBANDINGAN ALGORITMA

DECESION TREE DENGAN ALGORITMA RANDOM TREE UNTUK PROSES PRE PROCESSING DATA

Nama Mahasiswa : SAIFULLAH Nomor Induk Mahasiswa : 117038036

Program Studi : MAGISTER TEKNIK INFORMATIKA

Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI

UNIVERSITAS SUMATERA UTARA

Komisi Pembimbing :

Pembimbing 2 Pembimbing 1

Dr. Zakarias Situmorang Prof. Dr. Muhammad Zarlis

Diketahui/disetujui oleh Magister Teknik Informatika Ketua,

Prof. Dr. Muhammad Zarlis NIP : 195707011986011003

(4)

PERNYATAAN

TESIS

Saya mengakui semua karya tesis ini adalah hasil kerja saya sendiri kecuali kutipan dan ringkasan yang tiap bagiannya telah dijelaskan sumbernya.

Medan, 19 Desember 2013

(5)

PERNYATAAN PERSETUJUAN PUBLIKASI

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

Nama : SAIFULLAH

NIM : 117038036

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:

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 mempublikasikan 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, 19 Desember 2013

(6)

Telah diuji pada

Tanggal : 19 Desember 2013

PANITIA PENGUJI TESIS

Ketua : Prof. Dr. Muhammad Zarlis Anggota : 1. Dr. Zakarias Situmorang

2. Prof. Dr. Herman Mawengkang 3. Prof. Dr. Tulus

(7)

RIWAYAT HIDUP

DATA PRIBADI

Nama lengkap (berikut gelar) : Saifullah, S.Kom Tempat dan Tanggal Lahir : Kota Pari, 07 Mei 1979

Alamat Rumah : Jl. Tanah Jawa No. 42 Pematangsiantar Telepon / HP : 085296690027

Email

Instansi Tempat Bekerja : AMIK Tunas Bangsa

Alamat Kantor : Jl. Jendral Sudirman Blok A No. 1,2,3 Pematangsiantar

Telepon : (0622) 22431

DATA PENDIDIKAN

(8)

KATA PENGANTAR

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

Tesis dengan judul: “Analisis Perbandingan Algoritma Decision Tree Dengan Algoritma Random Tree Untuk Proses Pre Processing Data” adalah merupakan Tesis dan syarat untuk memperoleh gelar Magister Komputer dalam Program Studi Magister (S2) Teknik Informatika pada Program Pascasarjana Fasilkom-TI Universitas Sumatera Utara.

Dengan selesainya tesis ini, perkenankanlah penulis mengucapkan terima kasih yang sebesar-besarnya kepada:

Ketua Yayasan Muhammad Nasir AMIK Tunas Bangsa Pematangsiantar H. Maulia Ahmad Ridwan Syah yang telah memberikan izin, bantuan moril dan materil dan kesempatan kepada penulis untuk mengikuti pendidikan lanjutan pada Program Pascasarjana Fasilkom-TI Universitas Sumatera Utara.

Direktur AMIK Tunas Bangsa Pematangsiantar Rahmat Widia Sembiring SE, Msc.IT dan Plt. Direktur Dedy Hartma, ST, M.Kom yang telah memberikan izin, bantuan moril dan materil dan motivasi dalam penyelesaikan pendidikan Program Magister (S2).

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 Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, Prof. Dr. Muhammad Zarlis atas kesempatan yang diberikan kepada penulis menjadi mahasiswa Program Magister (S2) pada Program Pascasarjana Fasilkom Universitas Sumatera Utara.

(9)

Muhammad Zarlis, Sekretaris Program Studi Magister (S2) Teknik Informatika M. Andri Budiman, ST, M. Comp. Sc, M.EM beserta seluruh Staff dan Staff Pengajar pada Program Studi Magister (S2) Teknik Informatika Program Pascasarjana Fasilkom-TI Universitas Sumatera Utara, yang telah bersedia membimbing penulis, sehingga dapat menyelesaikan pendidika Pascasarjana.

Terimakasih yang tak terhingga dan penghargaan setinggi-tingginya kami ucapkan kepada Prof. Dr. Muhammad Zarlis selaku Pembimbing Utama dan Dr. Zakarias Situmorang selaku Pembimbing Anggota yang dengan penuh kesabaran membimbing, memotivasi, memberikan dukungan moril, 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 kami ucapkan kepada Prof. Dr. Herman Mawengkang, Prof. Dr. Tulus, dan Dr. Erna Budhiarti Nababan, M.IT sebagai pembanding, yang telah memberikan saran, masukan dan arahan yang baik demi penyelesaian tesis ini.

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

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

Anak tercinta, Inda Ramadhani yang selalu mendoakan, memberikan semangat, serta kesabarannya untuk menanti penulis pulang dalam masa pendidikan, budi baik ini tidak dapat dibalas hanya diserahkan kepada Allah SWT, Tuhan Yang maha Esa.

Rekan Mahasiswa baik yang senior maupun Angkatan ke Tiga Program Studi Magister (S2) Fasilkom-TI Universitas Sumatera Utara dan Rekan Sejawat di AMIK Tunas Bangsa Pematangsiantar yang telah banyak membantu penulis selama mengikuti perkuliahan.

(10)

Anda berikan untuk penulis turut menghantarkan penulis untuk menyelesaikan pendidikan yang ditempuh selama ini. Dengan segala kekurangan dan kerendahan hati, semoga kiranya Allah SWT Tuhan Yang Maha Kuasa membalas segala bantuan, kebaikan yang telah diberikan.

Medan, 19 Desember 2013 Penulis,

(11)

ABSTRAK

Pemrosesan data sangatlah dibutuhkan beberapa metode untuk mendapatkan hasil yang lebih baik. Perbandingan-perbandingan dari metode tersebut sangat dibutuhkan untuk pengolahan data yang lebih baik. Penelitian ini ditujukan dataset sebagai inputan preprocessing, dan selanjutnya digunakan pada aplikasi model aturan algoritma decision tree, random tree dan random forest, menggunakan software rapidminer. Pohon Keputusan digunakan untuk membuat model aturan yang akan dipilih dalam mengambil keputusan. Dari pendekatan preprocessing data dan model aturan yang didapat, dapat menjadi perhatian bagi pengambil keputusan untuk melihat dan mengambil keputusan variabel mana yang harus diperhatikan untuk mendukung peningkatan kinerja karyawan.

(12)

ANALYSIS OF THE COMPARISON OF ALGORITHM DECISION TREE WITH ALGORITHM RANDOM TREE

FOR DATA PRE-PROCESSING PROCESS

ABSTRACT

Data processing is needed several methods to get better results. Comparisons of these methods are needed to get better data processing. This research shows that a dataset as input preprocessing, and subsequently used in the application of the model rules of decision tree algorithm, random tree and random forest algorithm using the software RapidMiner. Decision trees are used to make the model rules to be selected in making decisions. From the data preprocessing approach and the model rules obtained can be a concern for decision makers to see and make decisions, which variables must be considered to support the improvement of employee performance.

(13)

DAFTAR ISI

2.6.1 Jenis-Jenis Metode Preprocessing Data 14

(14)

BAB IV HASIL DAN PEMBAHASAN 20

4.1. Pendahuluan 20

4.2 Hasil Percobaan 20

4.2.1 Diskripsi Sampel Data 21 4.2.2 Hasil Processing 22 4.2.2.1 Decision Tree 22 4.2.2.2 Random Tree 23 4.2.2.3 Random Forest 26 4.2.3 Preprocessing dengan Missing Value 39 4.2.3.1 Decision Tree 39 4.2.3.2 Random Tree 41 4.2.3.3 Random Forest 43

BAB V KESIMPULAN DAN SARAN 56

5.1. Kesimpulan 56

5.2. Saran 56

DAFTAR PUSTAKA 57

(15)

(16)

DAFTAR GAMBAR

Hal. Gambar 2.1. Bidang Ilmu Data Mining 5 Gambar 2.2. Proses dari Data Mining 7 Gambar 3.1. Alur Pre Processing data 17 Gambar 4.1. Model Preprocessing Handle missing value ascategory

dengan implentasi decision tree 22 Gambar 4.2. Hasil decision tree 22 Gambar 4.3. Rule decision tree dengan implentasi handle missing

value category 23

Gambar 4.4. Model Preprocessing handle missing value as category

dengan implementasi random tree 24 Gambar 4.5. Hasil random tree implentasi handle missing value as

category 24

Gambar 4.6. Rule random tree dengan implementasi handle missing

value as category 25

Gambar 4.7. Model 1 preprocessing handle missing value as category dengan implementasi random forest 26 Gambar 4.8. Model 1 handle missing value as category dengan

implementasi random forest 26 Gambar 4.9. Teks model 1 rule random forest dengan implentasi

handle missing value as category 27

Gambar 4.10. Model 2 handle missing value as category dengan

implementasi random forest 27

Gambar 4.11. Teks model 2 rule random forest dengan implementasi

implementasi random forest 28 Gambar 4.13. Teks model 3 rule random forest dengan implementasi

(17)

implementasi random forest 29 Gambar 4.15. Teks Model 4 rule random forest dengan implementasi

implementasi random forest 30 Gambar 4.17. Teks Model 5 rule random forest dengan implementasi

implementasi random forest 32 Gambar 4.19. Teks model 6 rule random forest dengan implementasi

handle missing value category 33

implementasirandom forest 36

Gambar 4.25. Teks Model 9 rule random forest dengan implementasi

hiandlemissing value as category 37

Gambar 4.28. Model preprocessingnya missing value replenishment

(18)

Gambar 4.29. Hasil decission tree implementasi missing value

replenishment 39

Gambar 4.30. Rule decision tree dengan implementasi missing

valuereplenishment 40

Gambar 4.31. Model Preprocessingmissingvaluereplenishment

dengan implementasi random tree 41 Gambar 4.32. Hasil random tree implementasi missing value

replenishment 41

Gambar 4.33. Rule random tree dengan implementasi missing

value replenishment 42

Gambar 4.34. Model Preprocessingnya Missing value replenisment

dengan implementasi random tree 43 Gambar 4.35. Model 1 Missing value replenishment dengan

missing value replenishment 44

Gambar 4.37. Model 2 Missing value replenishment dengan

(19)

Gambar 4.44. Teks Model 5 rule random forest dengan implementasi