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, stiker, Full Modif
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 2. KAJIAN LITERATUR

Semakin hari semakin banyak data
dihasilkan. 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 merupakansalah
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.
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.
2.1 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 9. Pengujian
Pengujian akan dilakukan terhadap
Pengumpulan Data semua fungsi yang terdapat di dalam
aplikasi data mining.
Analisa

Perancangan 4. HASIL DAN

PEMBAHASAN
Implementasi
Proses pengambilan keputusan dalam
Pengujian klasifikasi kelayakan motor bekas yang
akan dijual dikelompokkan menjadi
Gambar 3.1 Kerangka Kerja beberapa kriteria, dimana kriterian ini
Penelitian akan menjadi penentu (predictor) dalm
pengambilan keputusan di showroom
motor bekas tersebut.
6. Penelitian Pendahuluan Merupakan
Kriteria tersebut adalah :
langkah awal di dalam penelitian
1. Kriteria mesin motor.
yaitu mengumpulkan semua masalah
tentang pengambilan keputusan Tabel 4.1 Klasifikasi
kelayakan motor bekas yang akan Mesin
dijual di sebuah showroom motor Mesin Klasifikasi
bekas. Bunyi mesin Kasar
7. Pengumpulan Data Melakukan Bagus Halus
observasi secara langsung dan
melakukan wawancara dengan pihak 2. Kriteria rangka motor.
showroom motor bekas serta Tabel 4.2 Klasifikasi Rangka
mengumpulkan semua literatur yang Rangka Klasifikasi
berhubungan dengan penelitian ini. 3. Mulus Mulus
Analisa Karatan Karat
Melakukan analisa terhadap data Lobang Keropos
yang diperoleh dari pihak showroom
motor bekas, dan menentukan teknik 3. Kriteria bodi motor.
dan metode data mining apa yang Tabel 4.3 Klasifikasi
akan digunakan kemudian
melakukan analisa terhadap aplikasi
Bodi
Bodi Klasifikasi
data mining yang akan dibangun di
Mulus Mulus
showroom tersebut.
Bekas Senggolan Lecet
7. Perancangan Bekas Tabrakan Penyok
Menggunakan alat bantu
perancangan UML (Unified
Modeling Language) untuk 4. Kriteria cat motor.
membangun aplikasi data mining di Tabel 4.4
showroom motor bekas. Klasifikasi Cat
8. Implementasi Membangun aplikasi Cat Klasifikasi
data mining untuk showroom motor Mulus Mulus
bekas dengan menggunakan bahasa Tidak mengkilat Kusam
pemrograman PHP dan didukung Baret Baret
dengan database MySQL. Tidak sesuai STNK Ganti Cat
 per
ha mu mu ku soa
ori baika
5. Kriteria aki motor. lus lus lus sam k n
Tabel 4.5 Klasifikasi semi per
ha mu mu ku nor
Aki lus lus lus sam mal
modi baika
f n
Aki Klasifikasi
lang
Lampu terang dan Normal ha mu mu ku nor sung
ori
Bisa Starter lus lus lus sam mal jual
Lampu redup dan Soak lang
atau Tidak Bisa ha ka mu mu nor
ori sung
lus rat lus lus mal jual
Starter
per
ha mu mu mu soa
ori baika
6. Kriteria aksesoris motor. lus lus lus lus k n
Tabel 4.6 Klasifikasi Aksesoris ha mu le ba nor lang
Aksesoris Klasifikasi ori
lus lus cet ret mal sung
Standar Ori jual
Spion, stiker, Semi semi lang
pegangan, pegangan Modif ha mu mu mu nor sung
modi
rem ada atau tidak lus lus lus lus mal jual
f
ada atau tidak ori semi per
ha mu le ba soa baika
Spion, stiker, Full Modif modi
lus lus cet ret k n
pegangan, pegangan f
rem, knalpot, jok, full per
ka mu mu mu nor
velg ori atau tidak ori modi baika
sar lus lus lus mal n
f
semi per
Sedangkan target yang akan dicapai ka ka mu ku nor
modi baika
sar rat lus sam mal
adalah keputusan dengan dua atribut f n
yaitu : semi lang
ha mu le ba nor
modi sung
lus lus cet ret mal jual
f
Tabel 4.7 Klasifikasi semi per
mu ba
Keputusan ha
lus
le
cet
soa
k
modi baika
lus ret n
Keputusan f
Perbaikan semi per
ha ka mu ku nor
modi baika
Langsung Jual lus rat lus sam mal n
f
ker full per
Setelah melakukan observasi ka le ba soa
o modi baika
sar pos cet ret k n
langsung ke showroom motor bekas, f
maka diperoleh data untuk training pe gant per
ka ka nor baika
nyo i ori
sebanyak 20 buah data motor yang ada di sar rat mal
k cat n
showroom tersebut. Berikut data training
per
yang digunakan : ka mu mu mu nor
ori baika
sar lus lus lus mal n
Tabel 4.8 Training Data ha ka mu mu soa
semi per
M Ra modi baika
Bo Akse Kepu lus rat lus lus k n
e n Cat Aki f
sin gka dy soris tusan semi per
ka mu mu ku soa
lang modi baika
ha mu le ku nor sar lus lus sam k n
ori sung f
lus lus cet sam mal jual lang
ha mu le ba nor
ori sung
lus lus cet ret mal
jual
 = 6/13 = 0.462
Misalnya, pihak showroom baru P(aki=“normal” | keputusan=“langsung jual”)
membeli sebuah motor dari seorang = 7/7 = 1
konsumen dengan keadaan motor sebagai
data testing sebagai berikut : P(aksesoris=“semi modfi” | keputusan=
7. Mesin : “Halus” “perbaikan”)
= 7/13 = 0.538
8. Rangka : “Karat”
P(aksesoris=“semi modif” | keputusan=
9. Body : “Lecet” “langsung jual”)
10. Cat : “Kusam” = 2/7 = 0.286
11. Aki : “Normal”
12. Aksesoris : “Semi Modif”
P(X | keputusan=”perbaikan”)
= 0.538 * 0.308 * 0.231 * 0.385 * 0.462 *
Jika motor yang diterima oleh pihak 0.538
sohwroom seperti keadaan diatas, maka = 0.004
untuk mendapatkan keputusan apakah
akan dilakukan perbaikan atau langsung
P(X | keputusan=”langsung jual”)
dijual, dapat digunakan Bayesian
= 1 * 0.143 * 0.571 * 0.286 * 1 * 0.286
Classifier dengan perhitungan sebagai = 0.007
berikut :
P(X | keputusan=”perbaikan”)
P(keputusan=“perbaikan”)
P(keputusan=”perbaikan”)
= 13/20 = 0.65
= 0.004 * 0.65
P(keputusan=“langsung jual”) = 0.00237
= 7/20 = 0.35

P(X | keputusan=”langsung jual”)

P(mesin=“halus” | keputusan=“perbaikan”)
P(keputusan=” langsung jual”)
= 7/13 = 0.538
= 0.007 * 0.35
P(mesin=“halus”| keputusan=“langsung jual”) = 0.00233
= 7/7 = 1

Dari hasil diatas dapat dilihat bahwa

P(rangka=“karat” | keputusan=“perbaikan”)
nilai “Perbaikan” lebih besar dari pada
= 4/13 = 0.308
nilai “langsung Jual”, maka dapat
P(rangka=“karat” | keputusan=“langsung
disimpulkan bahwa dengan kondisi motor
jual”)
:
= 1/7 = 0.143
1. Mesin : “Halus”
P(body=“lecet” | keputusan=“perbaikan”) 2. Rangka : “Karat”
= 3/13 = 0.231 3. Body : “Lecet”
P(body=“lecet” | keputusan=“langsung jual”) 4. Cat : “Kusam”
= 4/7 = 0.571 5. Aki : “Normal”
6. Aksesoris : “Semi
P(cat=“kusam” | keputusan=“perbaikan”) Modif” dapat diperoleh :
= 5/13 = 0.385 keputusan : PERBAIKAN
P(cat=“kusam” | keputusan=“langsung jual”)
= 2/7 = 0.286 Dari hasil perhitungan manual diatas,
dapat menjadi acuan untuk membuat
P(aki=“normal” | keputusan=“perbaikan”) aplikasi data mining dengan
menggunakan Bayesian Classifier. Gambar 4.2 Halaman Setelah
Aplikasi data mining yang akan dibuat
Pimpinan Login
menggunakan bahasa pemrograman PHP
dan MySQL sebagai database server-nya.
Jika pimpinan memilih Tambah Data
Aplikasi data mining yang
Training, maka akan diarahkan ke
dikembangkan memiliki interface seperti
halaman berikut, dimana halaman ini
ini untuk halaman login.
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.
Aplikasi data mining tidak bisa diakses
oleh sembarangan orang. Untuk itu Gambar 4.3 Halaman
aplikasi ini hanya mempunyai halamn
login untuk pimpinan.
Tambah Data Training

Setelah melakukan penambahan data

Setelah pimpinan melakukan login,
training, maka semua data training yang
maka akan diarahkan ke halaman berikut
telah dimasukkan akan bisa dilihat. Data
ini dengan ada beberapa fasilitas yang
training inilah yang akan dieksekusi untuk
diberikan yaitu Tambah Data Training,
mendapatkan keputusan.
Lihat Data Training dan Proses Bayesian
Classifier itu sendiri.
 Jika tombol Analisa dengan Bayesian
Classifier ditekan, maka proses akan
berjalan, dan semua perhitungan akan
ditampilkan seperti gambar berikut :

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.
Gambar 4.6 Proses
Proses Bayesian Classifier dimulai Perhitungan Bayesian
dengan menentukan atribut dari semua Classifier
predictor yang ada, baru kemudian
dilakukan analisa dengan menggunakan Tampak dari gambar diatas, muncul
Bayesian Classifier, maka hasilnya akan kesimpulan di akhir perhitungan, dimana
diperoleh keputusan apakah motor ini kesimpulan itu berbentuk keputusan yang
akan dilakukan perbaikan atau langsung bisa diambil oleh pimpinan dari
dijual. 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
Gambar 4.5 Pemilihan Atribut keputusan yang lebih cepat dan tidak
Predictor untuk Proses terlalu banyak menggunakan space
dalam komputer.
Bayesian Classifier
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