DATA MINING (B)

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

Kecepatan penambahan volume dan jenis data semakin „tidak terkendali‟

karena perkembangan teknologi informasi. Manusia berada dalam suatu organisasi,
sadar atau tidak sadar telah memproduksi berbagai data yang jumlahnya sangat besar.
Semakin besarnya volume data yang ada menimbulkan masalah dalam
pengklasifikasian atau pengelompokannya.
Bayesian Classifier merupakan salah satu metode di dalam data mining untuk
mengklasifikasikan data. Cara kerja dari metode Bayesian Classfier menggunakan
perhitungan probabilitas. Konsep dasar yang digunakan oleh Bayesian Classfier
adalah TeoremaBayes, yaitu teorema yang digunakan dalam statistika untuk
menghitung suatu peluang.
Data yang digunakan pada penelitian ini adalah data kondisi motor yang di
sebuah showroom motor bekas. Pihak showroom masih agak kesulitan menentukan
motor yang telah dibeli untuk dijual kembali, apakah akan langsung dijual atau
membutuhkan perbaikan terlebih dahulu. Adapun tujuan dari penelitian ini adalah
untuk membantu pihak showroom untuk mengambil keputusan kelayakan motor yang
akan dijual terkait dengan kondisi motor pada saat dibeli dari pelanggan.

2. Kajian Literatur

2.1 Data Mining

Menurut Ian H. Witten, Frank Eibe dan Mark A. Hall dalam bukunya
mengatakan bahwa data mining adalah melakukan ekstraksi untuk mendapatkan
informasi penting yang sifatnya implisit dan sebelumnya tidak diketahui, dari suatu
data. Sedangkan menurut Jiawei Han dan Micheline Kamber dalam bukunya
mengatakan bahawa data mining adalah analisis dari pengamatan set data (yang
biasanya besar) untuk menemukan hubungan tak terduga dan untuk meringkas data
dengan cara baru yang dapat dimengerti dan berguna bagi pemilik data. Dan menurut
Daniel T. Larose dalam bukunya mengatakan bahwa data mining adalah suatu proses
menemukan hubungan yang berarti, pola, dan kecenderungan dengan memeriksa
dalam sekumpulan besar data yang tersimpan dalam penyimpanan dengan
menggunakan teknik pengenalan pola seperti teknik statistik dan matematika.
2.2 Bayesian Classifier
Bayesian Classifier adalah pengklasifikasian statistik yang dapat digunakan
untuk memprediksi keanggotaan suatu class. Bayesian Classifier didasarkan pada
Teorema Bayes yang memiliki kemampuan klasifikasi serupa dengan decision tree
dan neural network. Teorema Bayes memiliki bentuk umum sebagai berikut :
P(H|X) = (P(X|H)*P(H)) / P(X) .....
(1) dimana :
X = data dengan class yang belum diketahui
H = hipotesis data X merupakan class spesifik
P(H|X) = probabilitas hipotesis H berdasar kondisi X
P(H) = Probabilitas hipotesis H P(X|H) = probabilitas X berdasar kondisi pada
hipotesis H P(X) = probabilitas dari X
2.3 Penjualan
Penjualan menurut Henry Simamora dalam bukunya “Akuntansi Basis
Pengambilan Keputusan Bisnis” menyatakan bahwa penjualan adalah pendapatan
lazim dalam perusahaan dan merupakan jumlah kotor yang dibebankan kepada
pelanggan atas barang dan jasa. Sedangkan pengertian penjualan menurut Chairul
Marom dalam bukunya “Sistem Akuntansi Perusahaan Dagang” menyatakan bahwa
penjualan artinya penjualan barang dagangan sebagai usaha pokok perusahaan yang
biasanya dilakukan secara teratur. Ada beberapa jenis penjualan menurut Basu
Swasta:
1. Trade Selling : dapat terjadi bilamana produsen dan pedagang besar
mempersilahkan pengecer untuk berusaha memperbaiki distributor produk-
produk mereka.
2. Missionary Selling : penjualan berusaha ditingkatkan dengan mendorong
pembeli untuk membeli barang-barang dari penyalur perusahaan.
3. Technical Selling: Berusaha meningkat-kan penjualan dengan pemberian saran
dan nasehat pada pembeli akhir dari barang dan jasa.
4. New Business Selling : Berusaha membuka transaksi baru dengan merubah
calon pembeli menjadi pembeli.
5. Responsive Selling : penjualan seperti ini tidak akan menciptakan penjualan
yang terlalu besar.
2.4 Motor Bekas
Motor bekas merupakan sebuah motor hasil sentuhan orang lain yang dijual dari
tangan orang yang satu ke tangan orang yang lain. Motor bekas ada yang dalam
kondisi bagus dan ada juga yang kondisinya memang sudah tidak layak lagi. Jika ingin
membeli motor bekas, yang harus diperhatikan adalah kondisi motor secara
kesluruhan mulai dari body sampai ke mesin, serta kelengkapan suratsurat dari motor
tersebut.

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.

4. Hasil dan Pembahasan

Proses pengambilan keputusan dalam klasifikasi kelayakan motor bekas yang
akan dijual dikelompokkan menjadi beberapa kriteria, dimana kriterian ini akan
menjadi penentu (predictor) dalm pengambilan keputusan di showroom motor bekas
tersebut. Kriteria tersebut adalah :
1. Kriteria mesin motor.
Tabel 4.1 Klasifikasi Mesin
Mesin Klasifikasi
Bunyi Kasar
mesin
Bagus Halus

2. Kriteria rangka motor.

Tabel 4.2 Klasifikasi Rangka
Rangka Klasifikasi
Mulus Mulus
Karatan Karat
Lobang Keropos

3. Kriteria bodi motor.

Tabel 4.3 Klasifikasi Bodi
Bodi Klasifikasi
Mulus Mulus
 Bekas Lecet
Senggolan
Bekas Tabrakan Penyok

4. Kriteria cat motor.

Tabel 4.4 Klasifikasi Cat
Cat Klasifikasi
Mulus Mulus
Tidak Kusam
mengkilat
Baret Baret
Tidak sesuai Ganti Cat
STNK

5. Kriteria aki motor.

Tabel 4.5 Klasifikasi Aki
Aki Klasifikasi
Lampu terang Normal
dan Bisa Starter
Lampu redup Soak
dan atau Tidak
Bisa
Starter

6. Kriteria aksesoris motor.

Tabel 4.6 Klasifikasi Aksesoris
Aksesoris Klasifikasi
Standar Ori
Spion, stiker, Semi Modif
pegangan,
pegangan
rem ada atau
 tidak ada
atau tidak ori

Spion, Full Modif

stiker,
pegangan,
pegangan
rem, knalpot,
jok, velg ori
atau tidak ori

Sedangkan target yang akan dicapai adalah keputusan dengan dua atribut
yaitu :
Tabel 4.7 Klasifikasi Keputusan
Keputusan
Perbaikan
Langsung Jual

Setelah melakukan observasi langsung ke showroom motor bekas, maka

diperoleh data untuk training sebanyak 20 buah data motor yang ada di showroom
tersebut. Berikut data training yang digunakan :
Tabel 4.8 Training Data
M esin Ran Bo Akse Kepu
Cat Aki
gka dy soris tusan
lang
mu ku nor
ha lus le cet ori sung
lus sam mal
jual
mu mu ku per
ha lus soa k ori
lus lus sam baika n
semi per
mu mu ku nor
ha lus modi baika n
lus lus sam mal
f
 lang
mu mu ku nor
ha lus ori sung
lus lus sam mal
jual
lang
ka mu mu nor
ha lus ori sung
rat lus lus mal
jual
mu mu mu per
ha lus soa k ori
lus lus lus baika n
ha lus mu le cet ba nor lang
ori
lus ret mal sung
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
2.1 Data Mining
Data Miningmerupakan
bagaimanamenjelaskanmasa laludan
memprediksimasa depan dengan
caraanalisis data. Data miningadalah
bidangdisiplin ilmuyang
menggabungkanstatistik, pembelajaran
mesin, kecerdasan buatan danteknologi
database.
Menurut Ian H. Witten, Frank Eibe
dan Mark A. Hall dalam bukunya
mengatakan bahwa data mining adalah
melakukan ekstraksi untuk mendapatkan
informasi penting yang sifatnya implisit
dan sebelumnya tidak diketahui, dari suatu
data.
Sedangkan menurut Jiawei Han dan
Micheline Kamber dalam bukunya
mengatakan bahawa data mining adalah
analisis dari pengamatansetdata (yang
biasanya besar) untuk menemukan
hubungantak terdugadan untuk
meringkasdatadengan cara baruyangdapat
dimengertidan berguna bagipemilik data.
Dan menurut Daniel T. Larose dalam
bukunya mengatakan bahwa data mining
adalah suatu proses menemukan hubungan
yang berarti, pola, dan kecenderungan
dengan memeriksa dalam sekumpulan
besar data yang tersimpan dalam
penyimpanan dengan menggunakan teknik
pengenalan pola seperti teknik statistik dan
matematika.
2.2 Bayesian Classifier
Bayesian Classifier adalah
pengklasifikasian statistik yang dapat
digunakan untuk memprediksi
keanggotaan suatu class. Bayesian
Classifier didasarkan pada Teorema Bayes
yang memiliki kemampuan klasifikasi
serupa dengan decision tree dan neural
network.Bayesian Classifier
terbukti memiliki akurasi dan kecepatan
yang tinggi saat diaplikasikan
ke dalam database yang sangat besar.
Teorema Bayes memiliki bentuk
umum sebagai berikut :
P(H|X) = (P(X|H)*P(H)) / P(X) .....
(1) dimana
:
X = data dengan class yang belum
diketahui
H = hipotesis data X merupakan class
spesifik
P(H|X) = probabilitas hipotesis H berdasar
kondisi X
P(H) = Probabilitas hipotesis H P(X|H) =
probabilitas X berdasar kondisi pada
hipotesis H P(X) = probabilitas dari X
2.3 Penjualan
Pengertian penjualan menurut Henry
Simamora dalam bukunya “Akuntansi
Basis Pengambilan Keputusan Bisnis”
menyatakan bahwa penjualan adalah
pendapatan lazim dalam perusahaan dan
merupakan jumlah kotor yang dibebankan
kepada pelanggan atas barang dan jasa.
Sedangkan pengertian penjualan
menurut Chairul Marom dalam bukunya
“Sistem Akuntansi Perusahaan Dagang”
menyatakan bahwa penjualan artinya
penjualan barang dagangan sebagai usaha
pokok perusahaan yang biasanya dilakukan
secara teratur.
Ada beberapa jenis penjualan menurut
Basu Swasta :
6. Trade Selling : dapat terjadi bilamana
produsen dan pedagang besar
mempersilahkan pengecer untuk
berusaha memperbaiki distributor
produk-produk mereka.
7. Missionary Selling : penjualan
berusaha ditingkatkan dengan
mendorong pembeli untuk membeli
barang-barang dari penyalur
perusahaan.
8. Technical Selling: Berusaha
meningkat-kan penjualan dengan
pemberian saran dan nasehat pada
pembeli akhir dari barang dan jasa.
9. New Business Selling : Berusaha
membuka transaksi baru dengan
merubah calon pembeli menjadi
pembeli.
10. Responsive Selling : penjualan seperti
ini tidak akan menciptakan penjualan
yang terlalu besar.
2.4 Motor Bekas
Motor bekas merupakan sebuah motor
hasil sentuhan orang lain yang dijual dari
tangan orang yang satu ke tangan orang
yang lain. Motor bekas ada yang dalam
kondisi bagus dan ada juga yang
kondisinya memang sudah tidak layak lagi.
Jika ingin membeli motor bekas, yang
harus diperhatikan adalah kondisi motor
secara kesluruhan mulai dari body sampai
ke mesin, serta kelengkapan suratsurat dari
motor tersebut.
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 :
PenelitianPendahuluan
Pengumpulan Data
Analisa
Perancangan
Implementasi
Pengujian
Gambar 3.1 Kerangka Kerja Penelitian
6. 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.
7. 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
tersebut.
7. Perancangan
Menggunakan alat bantu perancangan
UML (Unified Modeling Language)
untuk membangun aplikasi data
mining di showroom motor bekas.
8. Implementasi Membangun aplikasi
data mining untuk showroom motor
bekas dengan menggunakan bahasa
pemrograman PHP dan didukung
dengan database MySQL.
9. Pengujian
Pengujian akan dilakukan terhadap
semua fungsi yang terdapat di dalam
aplikasi data mining.
4. HASIL DAN PEMBAHASAN
Proses pengambilan keputusan dalam
klasifikasi kelayakan motor bekas yang
akan dijual dikelompokkan menjadi
beberapa kriteria, dimana kriterian ini akan
menjadi penentu (predictor) dalm
pengambilan keputusan di showroom
motor bekas tersebut.
Kriteria tersebut adalah :
1. Kriteria mesin motor.
Tabel 4.1 Klasifikasi Mesin
Mesin Klasifikasi
Bunyi mesin Kasar
 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

10. Cat : “Kusam”

11. Aki : “Normal”
12. Aksesoris : “Semi Modif”
Jika motor yang diterima oleh pihak
sohwroom seperti keadaan diatas, maka
untuk mendapatkan keputusan apakah akan
dilakukan perbaikan atau langsung dijual,
dapat digunakan Bayesian Classifier
dengan perhitungan sebagai berikut :
P(keputusan=“perbaikan”)
= 13/20 = 0.65
P(keputusan=“langsung jual”)
= 7/20 = 0.35
P(mesin=“halus” | keputusan=“perbaikan”)
= 7/13 = 0.538
P(mesin=“halus”| keputusan=“langsung jual”)
P(X | keputusan=”perbaikan”)
= 0.538 * 0.308 * 0.231 * 0.385 * 0.462 *
0.538
= 0.004
P(X | keputusan=”langsung jual”)
= 1 * 0.143 * 0.571 * 0.286 * 1 * 0.286
= 0.007
P(X | keputusan=”perbaikan”)
P(keputusan=”perbaikan”)
= 0.004 * 0.65
= 0.00237
P(X | keputusan=”langsung jual”)
P(keputusan=” langsung jual”)
= 0.007 * 0.35
= 0.00233
 ini hanya mempunyai halamn login untuk
Dari hasil diatas dapat dilihat bahwa pimpinan.
nilai “Perbaikan” lebih besar dari pada nilai
“langsung Jual”, maka dapat disimpulkan Setelah pimpinan melakukan login,
bahwa dengan kondisi motor maka akan diarahkan ke halaman berikut
: ini dengan ada beberapa fasilitas yang
1. Mesin : “Halus” diberikan yaitu Tambah Data Training,
2. Rangka : “Karat” Lihat Data Training dan Proses Bayesian
Classifier itu sendiri.
3. Body : “Lecet”
4. Cat : “Kusam”
5. Aki : “Normal”
6. Aksesoris : “Semi Modif”
dapat diperoleh :
keputusan : PERBAIKAN

Dari hasil perhitungan manual diatas,

dapat menjadi acuan untuk membuat
aplikasi data mining dengan menggunakan
Bayesian Classifier. 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.
Gambar 4.2 Halaman Setelah
Pimpinan Login
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.

Pada halaman ini tersedia predictor

sebanyak 6 dan target sebanyak 1.
Predictor terdiri dari Mesin, Rangka, Body,
Cat, Aki dan Aksesoris. Semestara
targetnya adalah Keputusan yang akan
diambil.

Gambar 4.1 Halaman Login

Aplikasi data mining yang

dikembangkan ini diperuntukkan bagi
pimpinan perusahaan sebagai pengguna. Gambar 4.3 Halaman Tambah Data
Aplikasi data mining tidak bisa diakses Training
oleh sembarangan orang. Untuk itu aplikasi
 Setelah melakukan penambahan data
training, maka semua data training yang
telah dimasukkan akan bisa dilihat. Data
training inilah yang akan dieksekusi untuk
mendapatkan keputusan.
Gambar 4.4 Halaman Data Training
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.
Gambar 4.5 Pemilihan Atribut
Predictor untuk Proses Bayesian
Classifier
Jika tombol Analisa dengan Bayesian
Classifier ditekan, maka proses akan
berjalan, dan semua perhitungan akan
ditampilkan seperti gambar berikut :
Gambar 4.6 Proses Perhitungan
Bayesian Classifier
Tampak dari gambar diatas, muncul
kesimpulan di akhir perhitungan, dimana
kesimpulan itu berbentuk keputusan yang
bisa diambil oleh pimpinan dari perusahaan
tersebut.
5. KESIMPULAN
Setelah penelitian dilakukan dan
diimplementasikan, maka dapat diperoleh
beberapa kesimpulan, diantaranya :
4. Data mining dapat membantu
pimpinan dalam mengambil keputusan
terkait tentang kelayakan motor bekas
yang akan dijual.
5. Penggunakan metode Bayesian
Classifier dapat memberikan
keputusan yang lebih cepat dan tidak
terlalu banyak menggunakan space
dalam komputer.
6. Aplikasi data mining hanya
diperuntukkan kepada pihak tertinggi
di dalam sebuah perusahaan karena
terkait dengan proses pengambilan
keputusan.

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