ISSN : 2301-9425
Aplikasi Data Mining Untuk Menampilkan Tingkat Kelulusan Mahasiswa Dengan Algoritma 56
Apriori. Oleh : Benni R Siburian
ISSN : 2301-9425
2. Landasan Teori
2.1. Data Mining
Secara sederhana data mining adalah
penambangan atau penemuan informasi baru dengan
mencari pola atau aturan tertentu dari sejumlah data
yang sangat besar (Davies, 2004). Data mining juga
disebut sebagai serangkaian proses untuk menggali
nilai tambah berupa pengetahuan yang selama ini
tidak diketahui secara manual dari suatu kumpulan
data (Pramudiono, 2007). Data mining, sering juga
disebut sebagai knowledge discovery in database
(KDD). KDD adalah kegiatan yang meliputi
pengumpulan, pemakaian data, historis untuk
menemukan keteraturan, pola atau hubungan dalam
set data berukuran besar (Santoso, 2007).
Data mining adalah kegiatan menemukan pola
yang menarik dari data dalam jumlah besar, data
dapat disimpan dalam database, data warehouse,
atau penyimpanan informasi lainnya. Data mining
berkaitan dengan bidang ilmu ilmu lain, seperti
database system, data warehousing, statistik,
machine learning, information retrieval, dan
komputasi tingkat tinggi. Selain itu, data mining
didukung oleh ilmu lain seperti neural network,
pengenalan pola, spatial data analysis, image
database, signal processing (Han, 2006). Data
mining didefinisikan sebagai proses menemukan
pola-pola dalam data. Proses ini otomatis atau
seringnya semiotomatis. Pola yang ditemukan harus
penuh arti dan pola tersebut memberikan
keuntungan, biasanya keuntungan secara ekonomi.
Data yang dibutuhkan dalam jumlah besar (Witten,
2005).
Karakteristik data mining sebagai berikut
a. Data mining berhubungan dengan penemuan
sesuatu yang tersembunyi dan pola data tertentu
yang tidak diketahui sebelumnya.
b. Data mining biasa menggunakan data yang
sangat besar. Biasanya data yang besar
digunakan untuk membuat hasil lebih dipercaya.
c. Data mining berguna untuk membuat keputusan
yang kritis, terutama dalam strategi (Davies,
2004).
Berdasarkan beberapa pengertian tersebut
dapat ditarik kesimpulan bahwa data mining adalah
suatu teknik menggali informasi berharga yang
terpendam atau tersembunyi pada suatu koleksi data
Aplikasi Data Mining Untuk Menampilkan Tingkat Kelulusan Mahasiswa Dengan Algoritma 57
Apriori. Oleh : Benni R Siburian
4.
5.
6.
7.
ISSN : 2301-9425
= Confidence
= Jumlah transaksi yang
mengandung antecedent dan
consequencent
(
)
=
Jumlah
transaksi
yang
mengandung antecedent.
Langkah pertama algoritma apriori adalah,
support dari setiap item dihitung dengan men-scan
database. Setelah support dari setiap item didapat,
item yang memiliki support lebih besar dari
minimum support dipilih sebagai pola frekuensi
tinggi dengan panjang 1 atau sering disingkat 1itemset. Singkatan k-itemset berarti satu set yang
terdiri dari k item.
Iterasi kedua menghasilkan 2-itemset yang tiap
set-nya memiliki dua item. Pertama dibuat kandidat
2-itemset dari kombinasi semua 1-itemset. Lalu
untuk tiap kandidat 2-itemset ini dihitung supportnya dengan men-scan database. Support artinya
+
Aplikasi Data Mining Untuk Menampilkan Tingkat Kelulusan Mahasiswa Dengan Algoritma 58
Apriori. Oleh : Benni R Siburian
NIM
10200101
1
10200101
2
10200101
3
10200101
4
10200101
5
10200101
6
10200101
7
PENDET
A
PAK
PENDET
A
PENDET
A
PENDET
A
PENDET
A
Asal
Sekolah
Medan
Muara
Sidikkalan
g
Medan
Medan
Muara
Sidikkalan
g
10200101
A2
8
10200101
A2
9
10200102
A2
0
10200102
A2
1
Dari data awal tersebut
(C1) seperti pada tabel 2.
ISSN : 2301-9425
PAK
Medan
PAK
Nias
PAK
Medan
PAK
Muara
Aplikasi Data Mining Untuk Menampilkan Tingkat Kelulusan Mahasiswa Dengan Algoritma 59
Apriori. Oleh : Benni R Siburian
ISSN : 2301-9425
MUARA
Dari tabel 6 didapat kandidat ketiga (C3) seperti
pada tabel 7
Tabel 7: Kandidat ketiga (C3)
ITEMSET
COUNT
A2,PAK, MEDAN
3
A3,
KEPENDETAAN, 3
MUARA
Dari pada tabel 8 dapat diambil hasil sebagai berikut
:
Support
A2,
PAK,
Medan
=
Count
(A2,PAK)/jumlah transaksi
= 3/11
Support A3, KEPENDETAAN, MUARA =
Count(A3, PENDETA) /jumlah transaksi
= 3/11
Confidence
A2,
PAK,
MEDAN
=
Count(A2,PAK)/Count (A2)
= 3/4
Confidence A3, KEPENDETAAN, MUARA=
Count(A3,PENDETA)/Count(A3)
= 3/3
4. Pengujian Dan Implementasi
Kegiatan uji coba program dengan cara
memasukkan data sampel ke dalam sistem dan
memperhatikan output-output yang dihasilkan.
Adapun tahapan yang dilakukan adalah:
1. Menjalankan program untuk mengetahui
kesalahan penulisan pada program tersebut.
2. Melakukan run program untuk mengetahui hasil
dari eksekusi program, sehingga dapat diketahui
apakah program telah benar, dapat dilakukan
dengan menguji coba dengan beberapa tahapan,
adapun tahapan yang dilakukan antara lain:
a. Melakukan perekaman data, dalam hal ini
perekaman data untuk:
1. Data kelulusan Mahasiswa.
b. Melakukan
perbaikan
data
untuk
menghindari apabila ada data yang direkam
tidak benar makad dapat dilakaukan sesuai
dengan yang sebenarnya.
c. Melakukan penghapusan data bila data
yang direkah tidak dibutuhkan lagi atau
data yang direkam tidak sesuai dengan yang
sebenarnya.
Sesuai dengan perancangan form sebagai
interface pengguna dalam menginplementasikan
aplikasi datamining untuk menampilkan informasi
tingkat kelulusan mahasiswa dengan algoritma
apriori , maka dihasilkan tampilan hasil
implementasi sesuai dengan yang dilakukan pada
tahap perancangan sebelumnya seperti pada gambar
1 dibawah ini
1. Tampilan awal aplikasi data mining
Aplikasi Data Mining Untuk Menampilkan Tingkat Kelulusan Mahasiswa Dengan Algoritma 60
Apriori. Oleh : Benni R Siburian
3.
DAFTAR PUSTAKA
1.
2.
3.
5.2 Saran
Adapun saran penulis berdasarkan hasil
rancangan dan kesimpulan yang telah penulis buat,
antara lain:
1. Diharapkan aplikasi ini dapat dikembangkan
lagi menjadi suatu aplikasi yang lebih sempurna
pada masa yang akan dating.
2. Penulis juga mengharapkan pengembangan
yang dilakukan oleh pembaca nantinya tidak
hanya pengiplementasian algoritma apriori,
tetapi juga dapat dikembangkan dan diterapkan
dengan disiplin ilmu lainnya.
ISSN : 2301-9425
4.
5.
6.
7.
8.
Aplikasi Data Mining Untuk Menampilkan Tingkat Kelulusan Mahasiswa Dengan Algoritma 61
Apriori. Oleh : Benni R Siburian