• Tidak ada hasil yang ditemukan

METODE PENGURUTAN OBJEK DENGAN PENGELOMPOKAN DATA BERDASARKAN KUANTIL SKRIPSI INDAH WULANDARI

N/A
N/A
Protected

Academic year: 2019

Membagikan "METODE PENGURUTAN OBJEK DENGAN PENGELOMPOKAN DATA BERDASARKAN KUANTIL SKRIPSI INDAH WULANDARI"

Copied!
12
0
0

Teks penuh

(1)

METODE PENGURUTAN OBJEK DENGAN PENGELOMPOKAN

DATA BERDASARKAN KUANTIL

SKRIPSI

INDAH WULANDARI

110803044

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(2)

METODE PENGURUTAN OBJEK DENGAN PENGELOMPOKAN

DATA BERDASARKAN KUANTIL

SKRIPSI

Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Sains

INDAH WULANDARI

110803044

DEPARTEMEN MATEMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SUMATERA UTARA

(3)

PERSETUJUAN

Judul : METODE PENGURUTAN OBJEK DENGAN PENGELOMPOKAN DATA BERDASARKAN KUANTIL

Kategori : SKRIPSI

Nama : INDAH WULANDARI Nomor Induk Mahasiswa : 110803044

Program Studi : SARJANA (S1) MATEMATIKA Departemen : MATEMATIKA

Pembimbing 2 Pembimbing 1

Dr. Open Darnius, M.Sc Dr. Pasukat Sembiring, M.Si NIP. 19641014 199103 1 004 NIP. 19531113 198503 1 002

Diketahui/Disetujui oleh

Departemen Matematika FMIPA USU Ketua,

Prof. Dr. Tulus, M.Si

(4)

PERNYATAAN

METODE PENGURUTAN OBJEK DENGAN PENGELOMPOKAN DATA BERDASARKAN KUANTIL

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2015

(5)

PENGHARGAAN

Puji dan syukur kehadirat Allah SWT yang telah senantiasa memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan penyusunan skripsi yang berjudul Metode Pengurutan Objek dengan Pengelompokan Data

Berdasarkan Kuantil ini dengan baik dan lancar.

Penulisan skripsi ini dapat terselesaikan berkat bantuan banyak pihak. Oleh karena itu, dalam kesempatan ini penulis ingin mengucapkan terima kasih sebanyak-banyaknya kepada:

1. Bapak Dr. Open Darnius, M.Sc dan Bapak Dr. Pasukat Sembiring, M.Si selaku Dosen Pembimbing yang selalu memotivasi dan membimbing penulis dalam menyelesaikan skripsi ini.

2. Bapak Drs. Henry Rani Sitepu, M.Si dan Bapak Drs. Pengarapen Bangun M.Si selaku Dosen Penguji yang telah memberikan kritik dan saran yang membangun terhadap skripsi ini.

3. Bapak Prof. Dr.Tulus.Vordipl.Math.,M.Si.,Ph.D dan Ibu Dr. Mardiningsih, M.Si sebagai Ketua dan Sekretaris Departemen Matematika FMIPA USU. 4. Dr. Sutarman, M.Sc sebagai Dekan Fakultas Matematika dan Ilmu

Pengetahuan Alam Universitas Sumatera Utara.

5. Yang teristimewa kepada kedua orangtua tercinta yaitu Bapak Paidi dan Ibu Intan Liana dan adik-adik tersayang Diah Ayu Ningrum, M.Ikhsan Fadilla, Akbar Gibrani serta keluarga dekat tersayang yang senantiasa memberikan do’a dan motivasi bagi penulis sehingga penulis selalu bersemangat.

(6)
(7)

METODE PENGURUTAN OBJEK DENGAN PENGELOMPOKAN DATA BERDASARKAN KUANTIL

ABSTRAK

Pengurutan data merupakan salah satu operasi penting dalam pengolahan data. Pada dasarnya terdapat dua macam kondisi pengurutan data, yaitu pengurutan secara menaik (ascending) dan pengurutan secara menurun (descending). Tujuan pengurutan data adalah untuk lebih mempermudah proses pencarian data pada saat dibutuhkan. Selain itu, pengurutan data juga bertujuan untuk mendapatkan peringkat, misalnya dalam menentukan objek unggulan, dan lain sebagainya. Metode kuantil adalah metode dengan memisahkan atau membagi data menjadi kuantil-kuantil tertentu. Kuantil adalah nilai-nilai observasi yang membagi data menjadi N bagian yang sama. Untuk menentukan letak kuantil, data harus diurutkan terlebih dahulu. Tujuan utama adalah untuk mengetahui perbedaan urutan data seluruhnya dengan data kuantil berdasarkan rata-ratanya dengan bantuan bahasa pemrograman R. Hasil penelitian yang diperoleh yaitu semakin besar data parsialnya maka urutan data tersebut semakin mendekati urutan data sebenarnya.

(8)

OBJEK RANKING METHOD WITH DATA GROUPING BASED ON QUANTILE

ABSTRACT

Data ordering is one of the important operation in data processing. Basically, there are two kinds of conditions in data ordering, that are ascending dan descending. The purpose of data ordering is to make easier data searching process whenever the data is needed. Beside of that, the ordering also be aimed to get ranked, such as in determine superior object, and others. The quantile method is a method of separating or dividing data become certain quantiles. Quantile is the observation values which divide the data become N parts equally. To find the location of quantiles, first the data must be ordered. The main purpose is to determine the differences of data entirely with quantile data depend on the means by using R programming. This paper show that if the value of partial data be greater, then the order of data will be closer to the actual data order.

(9)

DAFTAR ISI

1.7 Metodologi Penelitian 4

BAB 2 LANDASAN TEORI 6

2.1 Pengurutan 6

2.1.1 Pengertian Pengurutan 6 2.1.2 Jenis Pengurutan 6

BAB 3 HASIL DAN PEMBAHASAN 12 3.1 Proses Pengurutan Objek 12 3.2 Implementasi Program dan Perhitungan Manual 14

BAB 4 KESIMPULAN DAN SARAN 37

3.1 Kesimpulan 37

3.2 Saran 37

DAFTAR PUSTAKA 38

(10)

DAFTAR TABEL

Nomor Judul Halaman

Tabel

3.1 Frekuensi, Frekuensi Kumulatif, dan Peluang Kumulatif dari Data Nilai MAS AL-IKHLAS BAH JAMBI

Kelas X-I TP.2014/2015 17 3.2 Lanjutan Frekuensi, Frekuensi Kumulatif, dan Peluang

Kumulatif dari Data Nilai MAS AL-IKHLAS BAH JAMBI

Kelas X-I TP.2014/2015 18 3.3 Perbandingan Urutan dari Data Seluruhnya dengan

Data Kuantil Berdasarkan Rata-Rata 19 3.4 Perbandingan Urutan dari Data Seluruhnya dengan

Data Kuantil Berdasarkan Rata-Rata 21 3.5 Perbandingan Urutan dari Data Seluruhnya dengan

Data Kuantil Berdasarkan Rata-Rata 23 3.6 Perbandingan Urutan dari Data Seluruhnya dengan

Data Kuantil Berdasarkan Rata-Rata 25 3.7 Perbandingan Urutan dari Data Seluruhnya dengan

Data Kuantil Berdasarkan Rata-Rata 27 3.8 Perbandingan Urutan dari Data Seluruhnya dengan

Data Kuantil Berdasarkan Rata-Rata 29 3.9 Perbandingan Urutan dari Data Seluruhnya dengan

Data Kuantil Berdasarkan Rata-Rata 31 3.10 Perbandingan Urutan dari Data Seluruhnya dengan

Data Kuantil Berdasarkan Rata-Rata 33 3.11 Perbandingan Urutan dari Data Seluruhnya dengan

(11)

DAFTAR GAMBAR

Nomor Judul Halaman Gambar

3.1 Type File dan Peletakkan File 12

3.2 Memanggil Fungsi dan Menjalankannya 13

3.3 Data Awal (Ekstensi TXT) 15

3.4 Nama File Sama Seperti Nama File di R-Editor 15

3.5 Tampilan Program Ketika Dibuka 16

3.6 Tampilan Ketika Fungsi Dipanggil 16

3.7 Output untuk 18

3.8 Output untuk 20

3.9 Output untuk 22

3.10 Output untuk 24

3.11 Output untuk 26

3.12 Output untuk 28

3.13 Output untuk 30

3.14 Output untuk 32

(12)

DAFTAR LAMPIRAN

Nomor Judul Halaman

Lamp

1 Program Utama 40

2 Data Nilai MAS AL-IKHLAS BAH JAMBI Kelas X-I TP. 2014/2015 41

3 Data Nilai MAS AL-IKHLAS BAH JAMBI Kelas X-I TP. 2014/2015 yang Telah Terurut 43

4 Data Kuantil 45

5 Data Kuantil 46

6 Data Kuantil 47

7 Data Kuantil 48

8 Data Kuantil 49

9 Data Kuantil 50

10 Data Kuantil 52

11 Data Kuantil 54

Gambar

Tabel

Referensi

Dokumen terkait

Perbandingan selisih koefisien keragaman antar strata (KAS) dengan koefisien keragaman rata-rata (KR) pada metode data dasar dan metode integrasi data dasar dengan citra

Untuk membangun sistem pada aplikasi Data Mining serta memudahkan pihak PDAM menganalisa data keluhan pengguna air bersih dan membuat keputusan berdasarkan jenis

Melihat hasil rata-rata presisi dan akurasi sistem tertinggi dengan menggunakan metode Naïve Bayes Classifier yaitu ketika menggunakan perbandingan 90:10 untuk data

Melihat hasil rata-rata presisi dan akurasi sistem tertinggi dengan menggunakan metode Naïve Bayes Classifier yaitu ketika menggunakan perbandingan 90:10 untuk data

Dari hasil penelitian, dapat disimpulkan bahwa algoritma klasifikasi K-Means dapat digunakan untuk mengelompokkan setiap kecamatan kota Pematangsiantar berdasarkan

Melihat hasil rata-rata presisi dan akurasi sistem tertinggi dengan menggunakan metode Naïve Bayes Classifier yaitu ketika menggunakan perbandingan 90:10 untuk data

Berdasarkan analisis data dengan menggunakan metode mean ( rata- rata ) dan standar deviasi maka didapatkan ranking tertinggi dari seluruh komponen pertanyaan

Metode: Penelitian ini menggunakan metode analisis deskriptif dari proyeksi data dan grafik kondisi perubahan suhu rata-rata dengan melihat perbandingan model iklim terhadap data