15080, 15085, 15097, 15101 - TUGAS 1 - Ringkas Jurnal
15080, 15085, 15097, 15101 - TUGAS 1 - Ringkas Jurnal
Oleh:
Putu Putri Wrestra Saridewi (1504505080)
Rahma Wati Br Sembiring Brahmana (1504505085)
IGAA Diah Indrayani (1504505097)
Putu Tantri Fajarini (1504505101)
TEKNOLOGI INFORMASI
FAKULTAS TEKNIK
UNIVERSITAS UDAYANA
2018
Ringkasan Jurnal:
DATA MINING MENGGUNAKAN BAYESIAN CLASSIFIER
UNTUK MENENTUKAN KELAYAKAN KENDARAAN YANG AKAN
DIJUAL PADA SHOWROOM MOTOR BEKAS
Dibawah ini kelompok kami akan meringkas jurnal dengan judul Data Mining
Menggunakan Bayes Classifier Untuk Menentukan Kelayakan Kendaraan Yang
Akan Dijual Pada Showroom Motor Bekas.
1. Pendahuluan
2. Kajian Literatur
3. Metode Penelitian
Penelitian ini bertujuan untuk mengetahui tingkat kelayakan sepeda motor
bekas yang akan dijual di sebuah showroom motor bekas. Kriteria tersebut merupakan
standar dalam penetapan sepeda motor bekas. Untuk memudahkan dalam penentuan
kriteria tersebut, maka penulis menggunakan Bayesian Classifier.
Dalam penelitian ini, diperlukan kerangka kerja penelitian agar penelitian lebih
terstruktur dan tertata dengan baik. Kerangka kerja penelitian yang coba penulis
gunakan adalah sebegai berikut :
1. Penelitian Pendahuluan merupakan langkah awal di dalam penelitian yaitu
mengumpulkan semua masalah tentang pengambilan keputusan kelayakan
motor bekas yang akan dijual di sebuah showroom motor bekas.
2. Pengumpulan Data melakukan observasi secara langsung dan melakukan
wawancara dengan pihak showroom motor bekas serta mengumpulkan semua
literatur yang berhubungan dengan penelitian ini.
3. Analisa melakukan analisa terhadap data yang diperoleh dari pihak showroom
motor bekas, dan menentukan teknik dan metode data mining apa yang akan
digunakan kemudian melakukan analisa terhadap aplikasi data mining yang
akan dibangun di showroom.
4. Perancangan menggunakan alat bantu perancangan UML (Unified Modeling
Language) untuk membangun aplikasi data mining di showroom motor bekas.
5. Implementasi Membangun aplikasi data mining untuk showroom motor bekas
dengan menggunakan bahasa pemrograman PHP dan didukung dengan
database MySQL.
6. Pengujian dilakukan terhadap semua fungsi yang terdapat di dalam aplikasi data
mining.
Sedangkan target yang akan dicapai adalah keputusan dengan dua atribut
yaitu :
Tabel 4.7 Klasifikasi Keputusan
Keputusan
Perbaikan
Langsung Jual
semi lang
mu mu mu nor
ha lus modi sung
lus lus lus mal
f jual
semi per
mu ba
ha lus le cet soa k modi baika n
lus ret
f
full per
mu mu mu nor
ka sar modi baika n
lus lus lus mal
f
semi per
ka mu ku nor
ka sar modi baika n
rat lus sam mal
f
semi lang
mu ba nor
ha lus le cet modi sung
lus ret mal
f jual
semi per
mu ba
ha lus le cet soa k modi baika n
lus ret
f
semi per
ka mu ku nor
ha lus modi baika n
rat lus sam mal
f
ker o full per
ba
ka sar pos le cet soa k modi baika n
ret
f
pe gant per
ka nor
ka sar nyo i ori baika n
rat mal
k cat
mu mu mu nor per
ka sar ori
lus lus lus mal baika n
semi per
ka mu mu
ha lus soa k modi baika n
rat lus lus
f
semi per
mu mu ku
ka sar soa k modi baika n
lus lus sam
f
lang
mu ba nor
ha lus le cet ori sung
lus ret mal
jual
Misalnya, pihak showroom baru membeli sebuah motor dari seorang konsumen
dengan keadaan motor sebagai data testing sebagai berikut :
1. Mesin : “Halus”
2. Rangka : “Karat”
3. Body : “Lecet”
4. Cat : “Kusam”
5. Aki : “Normal”
6. Aksesoris : “Semi Modif”
Aplikasi data mining yang akan dibuat menggunakan bahasa pemrograman PHP
dan MySQL sebagai database server-nya. Aplikasi data mining yang dikembangkan
memiliki interface seperti ini untuk halaman login. Aplikasi data mining yang
dikembangkan ini diperuntukkan bagi pimpinan perusahaan sebagai pengguna.
Aplikasi data mining tidak bisa diakses oleh sembarangan orang. Untuk itu aplikasi
ini hanya mempunyai halamn login untuk pimpinan. Setelah pimpinan melakukan
login, maka akan diarahkan ke halaman berikut ini dengan ada beberapa fasilitas yang
diberikan yaitu Tambah Data Training, Lihat Data Training dan Proses Bayesian
Classifier itu sendiri. Jika pimpinan memilih Tambah Data Training, maka akan
diarahkan ke halaman berikut, dimana halaman ini digunakan untuk menambahkan
data sampel motor yang akan menjadi acuan untuk pengambilan keputusan.
Predictor terdiri dari Mesin, Rangka, Body, Cat, Aki dan Aksesoris. Semestara
targetnya adalah Keputusan yang akan diambil. Setelah melakukan penambahan data
training, maka semua data training yang telah dimasukkan akan bisa dilihat. Data
training inilah yang akan dieksekusi untuk mendapatkan keputusan. Setelah cukup
data training yang dimasukkan dan sudah bisa mewakili semua data, maka dapat
dilakukan proses data mining dengan metode Bayesian Classifier untuk motor yang
mau diambil keputusannya. Proses Bayesian Classifier dimulai dengan menentukan
atribut dari semua predictor yang ada, baru kemudian dilakukan analisa dengan
menggunakan Bayesian Classifier, maka hasilnya akan diperoleh keputusan apakah
motor ini akan dilakukan perbaikan atau langsung dijual.
5. Kesimpulan
Setelah penelitian dilakukan dan diimplementasikan, maka dapat diperoleh beberapa
kesimpulan, diantaranya :
1. Data mining dapat membantu pimpinan dalam mengambil keputusan terkait tentang
kelayakan motor bekas yang akan dijual.
2. Penggunakan metode Bayesian Classifier dapat memberikan keputusan yang lebih cepat
dan tidak terlalu banyak menggunakan space dalam komputer.
3. Aplikasi data mining hanya diperuntukkan kepada pihak tertinggi di dalam sebuah
perusahaan karena terkait dengan proses pengambilan keputusan.
DATA MINING MENGGUNAKAN BAYESIAN CLASSIFIER
UNTUK MENENTUKAN KELAYAKAN KENDARAAN YANG
AKAN DIJUAL PADA SHOWROOM MOTOR BEKAS
Eka Praja Wiyata Mandala, S.Kom, M.Kom Fakultas Ilmu Komputer, Universitas
Putra Indonesia “YPTK” Padang, e-mail: ekapraja199@gmail.com
Abstrak
Data mining erat kaitannya dengan data, informasi dan pengetahuan. Proses data
mining dimulai dengan mengekstraksi data yang kemudian menghasilkan sebuah informasi.
Informasi yang dihasilkan kemudian diolah untuk menghasilkan biasa berbentuk pola
(pattern). Pola inilah yang kemudian diterjemahkan menjadi sebuah pengetahuan. Dan
pengetahuan yang dihasilkan dapat digunakan untuk mengambil keputusan oleh pimpinan
dalam sebuah perusahaan. Salah satu metode data mining adalah klasifikasi yaitu proses
pencarian model klasifikasi yang dapat membedakan objek label kelasnya. Bayesian
Classifier adalah salah satu teknik yang dapat dipakai untuk membangun model klasifikasi
yang merupakan pengklasifikasian model statistik yang dapat digunakan untuk memprediksi
probabilitas keanggotaan suatu class. Bayesian clssifier ini didasarkan pada teorema bayes
yang memiliki kemampuan klasifikasi serupa dengan decision tree dan neural network. Pada
penelitian ini, Bayesian Classifier akan digunakan untuk mengklasifikasikan kelayakan
kendaraan yang akan dijual pada sebuah showroom motor bekas. Pengklasifikasian ini akan
menghasilkan dua buah class yaitu “langsung jual” dan “butuh perbaikan”. Pengklasifikasian
yang dihasilkan akan dipengaruhi oleh “keadaan mesin”, “keadaan rangka”, “keadaan body”,
“keadaan cat”, “keadaan aki”, dan “aksesoris motor”. Diharapkan dengan adanya
pengimplementasian data mining ini dapat membantu pengelola sowroom untuk mengambil
keputusan mengenai kendaraan yang akan dijual.
Kata Kunci : Data mining, bayesian classifier, kelayakan kendaraan, motor bekas
1. PENDAHULUAN digunakan dalam statistika untuk
Semakin hari semakin banyak data menghitung suatu peluang.
dihasilkan. Kecepatan penambahan Data yang digunakan pada penelitian
volume dan jenis data semakin „tidak ini adalah data kondisi motor yang di
terkendali‟ karena perkembangan sebuah showroom motor bekas. Pihak
teknologi informasi. Manusia berada dalam showroom masih agak kesulitan
suatu organisasi, sadar atau tidak sadar menentukan motor yang telah dibeli untuk
telah memproduksi berbagai data yang dijual kembali, apakah akan langsung
jumlahnya sangat besar. Semakin besarnya dijual atau membutuhkan perbaikan
volume data yang ada menimbulkan terlebih dahulu.
masalah dalam pengklasifikasian atau Tujuan dari penelitian ini adalah untuk
pengelompokannya. membantu pihak showroom untuk
Bayesian Classifier merupakansalah mengambil keputusan kelayakan motor
satu metode di dalam data mining untuk yang akan dijual terkait dengan kondisi
mengklasifikasikan data. Cara kerja dari motor pada saat dibeli dari pelanggan.
metode Bayesian Classfier menggunakan
perhitungan probabilitas. Konsep dasar
yang digunakan oleh Bayesian Classfier
adalah TeoremaBayes, yaitu teorema yang
2. KAJIAN LITERATUR P(H|X) = (P(X|H)*P(H)) / P(X) .....
2.1 Data Mining (1) dimana
Data Miningmerupakan :
bagaimanamenjelaskanmasa laludan X = data dengan class yang belum
memprediksimasa depan dengan diketahui
caraanalisis data. Data miningadalah H = hipotesis data X merupakan class
bidangdisiplin ilmuyang spesifik
menggabungkanstatistik, pembelajaran P(H|X) = probabilitas hipotesis H berdasar
mesin, kecerdasan buatan danteknologi kondisi X
database. P(H) = Probabilitas hipotesis H P(X|H) =
Menurut Ian H. Witten, Frank Eibe probabilitas X berdasar kondisi pada
dan Mark A. Hall dalam bukunya hipotesis H P(X) = probabilitas dari X
mengatakan bahwa data mining adalah
melakukan ekstraksi untuk mendapatkan 2.3 Penjualan
informasi penting yang sifatnya implisit Pengertian penjualan menurut Henry
dan sebelumnya tidak diketahui, dari suatu Simamora dalam bukunya “Akuntansi
data. Basis Pengambilan Keputusan Bisnis”
Sedangkan menurut Jiawei Han dan menyatakan bahwa penjualan adalah
Micheline Kamber dalam bukunya pendapatan lazim dalam perusahaan dan
mengatakan bahawa data mining adalah merupakan jumlah kotor yang dibebankan
analisis dari pengamatansetdata (yang kepada pelanggan atas barang dan jasa.
biasanya besar) untuk menemukan Sedangkan pengertian penjualan
hubungantak terdugadan untuk menurut Chairul Marom dalam bukunya
meringkasdatadengan cara baruyangdapat “Sistem Akuntansi Perusahaan Dagang”
dimengertidan berguna bagipemilik data. menyatakan bahwa penjualan artinya
Dan menurut Daniel T. Larose dalam penjualan barang dagangan sebagai usaha
bukunya mengatakan bahwa data mining pokok perusahaan yang biasanya dilakukan
adalah suatu proses menemukan hubungan secara teratur.
yang berarti, pola, dan kecenderungan Ada beberapa jenis penjualan menurut
dengan memeriksa dalam sekumpulan Basu Swasta :
besar data yang tersimpan dalam 6. Trade Selling : dapat terjadi bilamana
penyimpanan dengan menggunakan teknik produsen dan pedagang besar
pengenalan pola seperti teknik statistik dan mempersilahkan pengecer untuk
matematika.
berusaha memperbaiki distributor
produk-produk mereka.
2.2 Bayesian Classifier 7. Missionary Selling : penjualan
Bayesian Classifier adalah berusaha ditingkatkan dengan
pengklasifikasian statistik yang dapat mendorong pembeli untuk membeli
digunakan untuk memprediksi barang-barang dari penyalur
keanggotaan suatu class. Bayesian perusahaan.
Classifier didasarkan pada Teorema Bayes
8. Technical Selling: Berusaha
yang memiliki kemampuan klasifikasi
meningkat-kan penjualan dengan
serupa dengan decision tree dan neural pemberian saran dan nasehat pada
network.Bayesian Classifier pembeli akhir dari barang dan jasa.
terbukti memiliki akurasi dan kecepatan
9. New Business Selling : Berusaha
yang tinggi saat diaplikasikan
membuka transaksi baru dengan
ke dalam database yang sangat besar.
merubah calon pembeli menjadi
Teorema Bayes memiliki bentuk
pembeli.
umum sebagai berikut :
10. Responsive Selling : penjualan seperti tentang pengambilan keputusan
ini tidak akan menciptakan penjualan kelayakan motor bekas yang akan
yang terlalu besar. dijual di sebuah showroom motor
bekas.
2.4 Motor Bekas 7. Pengumpulan Data Melakukan
Motor bekas merupakan sebuah motor observasi secara langsung dan
hasil sentuhan orang lain yang dijual dari melakukan wawancara dengan pihak
tangan orang yang satu ke tangan orang showroom motor bekas serta
yang lain. Motor bekas ada yang dalam mengumpulkan semua literatur yang
kondisi bagus dan ada juga yang berhubungan dengan penelitian ini. 3.
kondisinya memang sudah tidak layak lagi. Analisa
Jika ingin membeli motor bekas, yang Melakukan analisa terhadap data yang
harus diperhatikan adalah kondisi motor diperoleh dari pihak showroom motor
secara kesluruhan mulai dari body sampai bekas, dan menentukan teknik dan
ke mesin, serta kelengkapan suratsurat dari metode data mining apa yang akan
motor tersebut. digunakan kemudian melakukan
analisa terhadap aplikasi data mining
yang akan dibangun di showroom
3. METODE PENELITIAN tersebut.
Penelitian ini bertujuan untuk 7. Perancangan
mengetahui tingkat kelayakan sepeda Menggunakan alat bantu perancangan
motor bekas yang akan dijual di sebuah UML (Unified Modeling Language)
showroom motor bekas. Kriteria tersebut untuk membangun aplikasi data
merupakan standar dalam penetapan mining di showroom motor bekas.
sepeda motor bekas. Untuk memudahkan 8. Implementasi Membangun aplikasi
dalam penentuan kriteria tersebut, maka data mining untuk showroom motor
penulis menggunakan Bayesian Classifier. bekas dengan menggunakan bahasa
Dalam penelitian ini, diperlukan pemrograman PHP dan didukung
kerangka kerja penelitian agar penelitian dengan database MySQL.
lebih terstruktur dan tertata dengan baik. 9. Pengujian
Kerangka kerja penelitian yang coba Pengujian akan dilakukan terhadap
penulis gunakan adalah sebegai berikut : semua fungsi yang terdapat di dalam
aplikasi data mining.
PenelitianPendahuluan
Pengumpulan Data
4. HASIL DAN PEMBAHASAN
Analisa Proses pengambilan keputusan dalam
klasifikasi kelayakan motor bekas yang
Perancangan akan dijual dikelompokkan menjadi
beberapa kriteria, dimana kriterian ini akan
Implementasi menjadi penentu (predictor) dalm
pengambilan keputusan di showroom
Pengujian motor bekas tersebut.
Kriteria tersebut adalah :
Gambar 3.1 Kerangka Kerja Penelitian
1. Kriteria mesin motor.
Tabel 4.1 Klasifikasi Mesin
6. Penelitian Pendahuluan Merupakan
Mesin Klasifikasi
langkah awal di dalam penelitian yaitu
Bunyi mesin Kasar
mengumpulkan semua masalah
Bagus Halus Sedangkan target yang akan dicapai
adalah keputusan dengan dua atribut yaitu
2. Kriteria rangka motor. :
Tabel 4.2 Klasifikasi Rangka Tabel 4.7 Klasifikasi Keputusan
Rangka Klasifikasi Keputusan
Mulus Mulus Perbaikan
Karatan Karat Langsung Jual
Lobang Keropos
Setelah melakukan observasi langsung
3. Kriteria bodi motor. ke showroom motor bekas, maka diperoleh
Tabel 4.3 Klasifikasi Bodi data untuk training sebanyak 20 buah data
Bodi Klasifikasi motor yang ada di showroom tersebut.
Mulus Mulus Berikut data training yang digunakan :
Bekas Senggolan Lecet Tabel 4.8 Training Data
Bekas Tabrakan Penyok M Ra
e n Bo Akse Kepu
Cat Aki
sin gka dy soris tusan
4. Kriteria cat motor. Tabel 4.4 lang
Klasifikasi Cat ha mu le ku nor
ori sung
lus lus cet sam mal jual
Cat Klasifikasi
Mulus Mulus per
ha mu mu ku soa
Tidak mengkilat Kusam ori baika
lus lus lus sam k n
Baret Baret
semi per
Tidak sesuai STNK Ganti Cat ha mu mu ku nor
modi baika
lus lus lus sam mal n
f
5. Kriteria aki motor. lang
ha mu mu ku nor
Tabel 4.5 Klasifikasi Aki ori sung
lus lus lus sam mal jual
Aki Klasifikasi
lang
Lampu terang dan Normal ha ka mu mu nor
ori sung
Bisa Starter lus rat lus lus mal jual
Lampu redup dan Soak per
atau Tidak Bisa ha mu mu mu soa
ori baika
lus lus lus lus k n
Starter
ha mu le ba nor lang
ori
lus lus cet ret mal sung
6. Kriteria aksesoris motor. jual
Tabel 4.6 Klasifikasi Aksesoris
semi lang
Aksesoris Klasifikasi ha mu mu mu nor sung
modi
Standar Ori lus lus lus lus mal jual
f
Spion, stiker, Semi semi per
pegangan, pegangan Modif ha mu le ba soa
modi baika
lus lus cet ret k n
rem ada atau tidak f
ada atau tidak ori full per
ka mu mu mu nor
modi baika
Spion, stiker, Full Modif sar lus lus lus mal
f n
pegangan, pegangan
rem, knalpot, jok, semi per
ka ka mu ku nor
modi baika
velg ori atau tidak ori sar rat lus sam mal
f n
semi lang
ha mu le ba nor
modi sung
lus lus cet ret mal jual
f
semi per = 7/7 = 1
ha mu le ba soa
modi baika
lus lus cet ret k n
f
P(rangka=“karat” | keputusan=“perbaikan”)
semi per
ha ka mu ku nor baika
= 4/13 = 0.308
modi
lus rat lus sam mal
f n P(rangka=“karat” | keputusan=“langsung
ker full per jual”)
ka le ba soa
o modi baika = 1/7 = 0.143
sar pos cet ret k n
f
pe gant per P(body=“lecet” | keputusan=“perbaikan”)
ka ka nor
nyo i ori baika
sar rat mal n
= 3/13 = 0.231
k cat
per P(body=“lecet” | keputusan=“langsung jual”)
ka mu mu mu nor = 4/7 = 0.571
ori baika
sar lus lus lus mal n
ha ka mu mu soa
semi per P(cat=“kusam” | keputusan=“perbaikan”)
modi baika = 5/13 = 0.385
lus rat lus lus k n
f
P(cat=“kusam” | keputusan=“langsung jual”)
semi per
ka mu mu ku soa baika = 2/7 = 0.286
modi
sar lus lus sam k n
f
lang P(aki=“normal” | keputusan=“perbaikan”)
ha mu le ba nor
ori sung = 6/13 = 0.462
lus lus cet ret mal
jual
P(aki=“normal” | keputusan=“langsung jual”)
= 7/7 = 1
Misalnya, pihak showroom baru
membeli sebuah motor dari seorang P(aksesoris=“semi modfi” | keputusan=
konsumen dengan keadaan motor sebagai “perbaikan”)
data testing sebagai berikut : = 7/13 = 0.538
7. Mesin : “Halus” P(aksesoris=“semi modif” | keputusan=
8. Rangka : “Karat” “langsung jual”)
9. Body : “Lecet” = 2/7 = 0.286
6. REFERENSI
Han, Jiawei., Kamber, Micheline, 2011,
Data Mining Concepts and Techniques
Third Edition, Elsevier
Kusrini., Luthfi, Emha Taufik, 2008,
Algoritma Data Mining, Penerbit Andi
Larose, Daniel T., 2005, Discovering
Knowledge in Data an Introduction to
Data Mining, John Wiley & Sons
Nurani, A, Susanto, B, Proboyekti, U,
2007, Implementasi Naive Bayes
Classifier Pada Program Bantu
Penentuan Buku Referensi Matakuliah,
Jurnal Informatika, 3 (2).
Rodiansyah, S.F, Winarko, Edi, 2012,
Klasifikasi Posting Twitter Kemacetan
Lalu Lintas Kota Bandung
Menggunakan Naive Bayesian
Classification, IJCCS, 6 (1): 91-100
Witten, Ian H., Eibe, Frank, Hall, Mark A.,
2011, Data mining Practical Machine
Learning Tools and
Techniques 3rd Edition, Elsevier