IMPLEMENTASI LOGIKA FUZZY DALAM PROGRAM

PENGAMBILAN KEPUTUSAN PENERIMA BEASISWA

MENGGUNAKAN RAPID MINER 5.3

Diajukan Untuk Memenuhi

Salah Satu Tugas Mata Kuliah Pemodelan dan Simulasi
Dosen : Ir. Bambang Siswoyo, M.Si.

Oleh :

Ahmad Sunandar 10112096

Alfin Anwari 10112097

Riki Achmad Nurzaman 10112107

Juni Eko Prabowo 10112108

Kelas: Mosi 8

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNIK DAN ILMU KOMPUTER
UNVERSITAS KOMPUTER INDONESIA
2016
 1. Pendahuluan

Rapid miner adalah perangkat lunak yang bersifat terbuka (open source). Rapid miner
merupakan solusi untuk melakukan analisis terhadap data mining, text mining dana analisis
prediksi. Rapid miner menggunakan berbagai teknik deskriptif dan prediksi dalam
memberikan wawasan kepada pengguna sehingga dapat membuat keputusan yang paling
baik. Rapid miner memiliki kurang lebih 500 operator data mining, termasuk operator untuk
input, output, data preprocessing dan visualisasi. Rapid miner merupakan software yang
berdiri sendiri untuk menganalisa data dan sebagai mesin data mining yang dapat
diintergrasikan pada produknya sendiri. Rapid miner ditulis dengan menggunakan bahasa
java sehingga dapat bekerja di semua sistem operasi.

Rapid miner sebelumnya bernama YALE (Yet Another Learning Environment),

dimana versi awalnya mulai dikembangkan pada tahun 2001 oleh Ralfklinkenberg, Ingo
Mierswa, dan Simon Fischer di Artificial Intelligence Unit dari University of Dortmund.
Rapid miner didistribusikan di bawah lisensi AGPL (GNU Affero General Public License)
versi 3. Hingga saat ini telah ribuan aplikasi yang dikembangkan menggunakan rapid miner
di lebih dari 40 negara. Rapid miner sebagai software open source untuk data mining tidak
perlu diragukan lagi karena software ini sudah terkemuka di dunia. Rapid miner menempati
peringkat pertama sebagai software data mining pada polling oleh KDNuggets, sebuah portal
data mining pada 2010-2011.

RapidMiner menyediakan GUI (Graphic User Interface) untuk merancang sebuah

pipeline analitis. GUI ini akan menghasilkan file XML )Extensible Markup Language) yang
mendefenisikan proses analitis keingginan pengguna untuk diterpkan ke data. File ini
kemudian dibaca oleh RapidMiner untuk menjalankan analis secara otomatis.

RapidMiner memiliki beberapa sifat sebagai berikut:

Ditulis dengan bahasa pemrograman Java sehingga dapat dijalankan di berbagai

sistem operasi.

Proses penemuan pengetahuan dimodelkan sebagai operator trees

Representasi XML internal untuk memastikan format standar pertukaran data.

Bahasa scripting memungkinkan untuk eksperimen skala besar dan otomatisasi

eksperimen.
 Konsep multi-layer untuk menjamin tampilan data yang efisien dan menjamin
penanganan data.

Memiliki GUI, command line mode, dan Java API yang dapat dipanggil dari program
lain.

Beberapa Fitur dari RapidMiner, antara lain:

Banyaknya algoritma data mining, seperti decision treee dan self-organization map.

Bentuk grafis yang canggih, seperti tumpang tindih diagram histogram, tree chart dan
3D Scatter plots.

Banyaknya variasi plugin, seperti text plugin untuk melakukan analisis teks.

Menyediakan prosedur data mining dan machine learning termasuk: ETL (extraction,
transformation,

loading), data preprocessing, visualisasi, modelling dan evaluasi

Proses data mining tersusun atas operator-operator yang nestable, dideskripsikan

dengan XML, dan dibuat dengan GUI

Mengintegrasikan proyek data mining Weka dan statistika R

 2. Implementasi Sistem

RapidMiner Text mining Mirip dengan text analytics, yaitu proses untuk mendapatkan
informasi bermutu tinggi dari teks. Predictive analytics Teknik-teknik statistika yang
menganalisa fakta masa kini dan masa lalu untuk memprediksi kejadian di masa depan.

RapidMiner Menyediakan prosedur data mining dan machine learning termasuk: ETL
(extraction, transformation, loading), data preprocessing, visualisasi, modelling dan evaluasi.
Proses data mining tersusun atas operator-operator yang nestable, dideskripsikan dengan
XML, dan dibuat dengan GUI. Ditulis dalam bahasa pemrograman Java. Mengintegrasikan
proyek data mining Weka dan statistika R.

Terminologi Dasar Atribut dan atribut target Atribut: karakteristik atau fitur dari data yang
menggambarkan sebuah proses atau situasi. ID, atribut biasa. Atribut target: atribut yang
menjadi tujuan untuk diisi oleh proses data mining. Label, cluster, weight. Peran atribut
(attribute role) Label, cluster, weight, ID, biasa

Terminologi Dasar Tipe nilai (value type) nominal: nilai secara kategori numeric: nilai
numerik secara umum integer: bilangan bulat real: bilangan nyata text: teks bebas tanpa
struktur binominal: nominal dua nilai polynominal: nominal lebih dari dua nilai
date_time: tanggal dan waktu date: hanya tanggal time: hanya waktu

Terminologi Dasar Data dan metadata Data menyebutkan obyek-obyek dari sebuah
konsep. Ditunjukkan sebagai baris dari tabel. Metadata menggambarkan karakteristik dari
konsep tersebut. Ditunjukkan sebagai kolom dari tabel. Modelling Penggunaan metoda
data mining terhadap data. Hasilnya disebut model.

Fungsi menu yang terdapat pada Rapidminer

Process control : Untuk mengontrol aliran proses, seperti loop atau conditional branch.

Utility : Untuk mengelompokkan subprocess, juga macro dan logger.

Repository access : Untuk membaca dan menulis repository.

Inport : Untuk membaca dari berbagai format eksternal.

Export : Untuk menulis data ke berbagai format eksternal.

 Data transformation : Untuk transformasi data dan metadata.

Modelling : Untuk proses data mining yang sesungguhnya. Seperti klasifikasi, regresi,
clustering, aturan asosiasi dll.

Evaluation : Untuk menghitung kualitas dari modeling.

Berikut ini adalah Implementasi dari Program Rapidminer terhadap Data Siswa yang
mendapat Beasiswa dari kelompok kami:

Kita akan membuat Decision tree dari data diatas dengan menggunakan Rapidminer, berikut
ini adalah langkah-langkahnya :

1. Buka Aplikasi Rapidminer, Kelompok kita menggunakan Rapidminer versi 5.3.000

2. Kemudian Klik new Process, maka akan tempil seperti gambar dibawah
3. Dibagian tab sebelah kiri ada tab operator, pilih Import data Read Excel Hal ini
digunakan untuk mengimport data kita. Ada berbagai macam pilihan disesuaikan
dengan data yang kita punya(dalam hal ini menggunakan excel) Lalu Klik and drag
Read Excel tersebut kedalam Main Process, seperti gambar dibawah.

4. Masih dalam keadaan terseleksi(untuk Read Excel) lihat di bagian sebelah kanan ada tab
parameter klik Import Configuration Wizard
5. Kemudian tampil jendela import wizard pilih direktori dimana file data siswa disimpan
lakukan next

6. Langkah selanjutnya adalah pemilihan range data mana saja yang

akan diimport. Dalam hal ini semuanya maka klik Next Next

7. Dilangkah ini, tentukan label dan tipe data untuk setiap atribut di data siswa kita
menggunakan Keterangan sebagai labelnya kemudian klik finish,dibawah ini
merupakan keterangan dari beberapa tipe data yang ada di rapidminer :
 Polynom = tipe data ini untuk karakter baik angka ataupun huruf
(sama seperti varchar/text)
Binominom = tipe data ini untuk 2 kategori (Y/T, L,P, Besar/Kecil, dll)
Atribut = digunakan sebagai variable predictor/prediksi
Label = digunakan sebagai variable tujuan

8. Kemudian ketik decision tree pada filter kemudian klik dan drag ke main proses

9. Kemudian klik and drag out (pada Read Excel) KE tra(pada decision tree)
10. Kemudian klik and drag mod (pada decision tree) KE res
disebelah kanan main process
11. Klik proces Run atau klik pada toolbar , Maka akan tampil hasilnya yaitu decision tree dan

text view seperti dibawah ini :