ANALISIS KEPUTUSAN DAN DATA MINING

ANGGOTA :
Dede Alman Prasetia (15522162)
Imamul Muttaqin (15522168)

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS ISLAM INDONESIA
2017
A. STUDY CASE 1

 Sarah adalah seorang yang karyawan baru di bidang pemasaran di sebuah supermakarket.
Dia diberi tugas untuk membuat strategi pemasaran yang menarik. Sarah menyadari untuk
membuat sebuah strategi pemasaran yang menarik dia perlu memahami siapa segmen
konsumen terbesar di supermarket tersebut dan bagaimana pola pembelian konsumen.

 Untuk itu dia memustuskan untuk melakukan customer segmentation dan menganalisa pola
beli konsumen.

 Berdasarkan referensi yang dia baca, diketahui bahwa untuk melakukan customer
segmentation dapat dilakukan berdasarkan beberapa variable sesuai dengan informasi apa
yang ingin didapatkan.

 Sedangkan untuk pola beli konsumen, dia ingin mengetahui produk apa yang sering dibeli
oleh konsumen dalam waktu yang bersamaan.

 Sarah memutuskan untuk melakukan pengumpulan data dari 100 orang konsumen.

B. STUDY CASE 2

 Jo adalah seorang marketing mobil. Selama menjalani pekerjaannya bertahun-tahun dia

mendapati ada mobil yang diterima dan tidak diterima oleh pasar. Dia menggolongkan
mobil-mobil tersebut menjadi unacceptable (unacc), acceptable (acc), good, dan very good
(vgood). Dia mengumpulkan data tentang mobil-mobil yang selama ini sudah dia jual terkait
dengan karakteristik mobil tersebut dan keterangan apakah mobil tersebut tergolong
unacceptable (unacc), acceptable (acc), good, atau very good (vgood). Jika ada mobil
keluaran baru, dia berharap dapat melakukan prediksi apakah mobil tersebut diterima pasar
atau tidak, sehingga dia dapat melakukan startegi pemasaran yang tepat.. Data yang dimiliki
berjumlah 1728 dengan memiliki beberapa kriteria.

the size
off
buying maintenance doors person luggage estimate Car
No prize price number capacity boot safety Class
1 vhigh High 5 4 small high unacc
2 vhigh High 5 4 med low unacc
3 vhigh High 5 4 med med unacc
4 vhigh High 5 4 med high unacc
... ... ... ... ... ... ...
1411 low Low 4 4 med high vgood

a. Gunakan salah satu algoritma classification untuk membuat model yang dapat memprediksi mobil
pada kasus tersebut!

b. Hitung akurasinya!

c. Jika ada data baru dengan karakteristik seperti pada table, prediksi kelas untuk data baru tersebut
Jawaban :

1. Tahapan penentuan Pemasaran Produk (Studi Kasus indomaret) :

A. Penentuan Hierarki

Pemasaran Produk

Kualitas Produk Konsumen Harga

Usia Jenis kelamin Profesi

B. Perbandingan Berpasangan

Tabel 1. Kuesioner Perbandingan Kriteria

Kriteria Skala Kriteria
9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9
Kualitas x Konsumen
produk x Harga
Konsumen x Harga
Tabel 2. Kuesioner Perbandingan Sub-Kriteria
Sub-
Kriteria Skala Sub-Kriteria
9 8 7 6 5 4 3 2 1 2 3 4 5 6 7 8 9
x Jenis Kelamin
Usia
x Profesi
Jenis
Kelamin x Profesi
 Tabel 3. Matriks Perbandingan Berpasangan
Perbandingan Berpasangan Dalam Desimal
Kualitas Kualitas
Kriteria Produk Konsumen Harga Produk Konsumen Harga
Kualitas
Produk 1 6 1/2 1 6 0.5
Konsumen 1/6 1 1/5 0.167 1 0.2
Harga 2 5 1 2 5 1
Jumlah 3,167 12 1,7

Tabel 4. Matriks Perbandingan Berpasangan Antar Sub Kriteria Pelayanan

Perbandingan Berpasangan Dalam Desimal
Jenis Jenis
Sub-Kriteria Usia Kelamin Profesi Usia Kelamin Profesi
Usia 1 5 9 1 5 9
Jenis Kelamin 1/5 1 3 0.2 1 3
Profesi 1/9 1/3 1 0.111 0.333 1
Jumlah 1,311 6,333 13
C. Menghitung Priority Weight

Tabel 5. Matriks Rata-rata Perbandingan Berpasangan

Kualitas
Kriteria Konsumen Harga Jumlah Rata-rata
Produk
Kualitas
0,315 0,5 0,294 1,109 0.369
Produk
Konsumen 0.052 0,083 0,117 0,252 0.084
Harga 0,631 0,416 0,588 1,635 0.545

Tabel 6. Matriks Rata-rata Perbandingan Berpasangan Sub Kriteria

Jenis
Sub-Kriteria Jumlah Rata-rata
Usia Kelamin Profesi
Usia 0,762 0,789 0,692 2,243 0,748
 Jenis
Sub-Kriteria Jumlah Rata-rata
Usia Kelamin Profesi
Jenis Kelamin 0,152 0,157 0,23 0,539 0,180

Profesi 0,084 0,052 0,076 0,212 0,071

C. Menghitung Consistency Ratio Kriteria

1. Mengalikan matriks dengan proritas bersesuaian.

1 6 0,5 0.369 1,145

Kriteria 0,167 1 0,2 X 0.084 = 0,254
2 5 1 0.545 1,703

2. Membagi hasil dari perhitungan diatas dengan Priority Weight

1,145 0,254 1,703
D= = 3,102 3,023 3,124
0,369 0,084 0,545
3. Menghitung λmaks (Jumlah dari perkalian diatas dibagi dengan jumlah elemen)

3.102 + 3.023 + 3.124

λmaks = = 3,083
3

4. Menghitung Indeks Konsistensi (CI) = (λmaks-N) / (N-1)

(3.083 − 3)
CI1 = = 0.0415
(3 − 1)

1 Rasio Konsistensi = CI/ RI, di mana RI adalah indeks random konsistensi. Jika rasio
konsistensi ≤ 0., hasil perhitungan data dapat dibenarkan. Dari table random RC diperoleh
untuk n = 3, RI = 0.58
Rasio Konsistensi = 0.0415/0.58 = 0.071
 D. Menghitung Consistency Ratio Sub-Kriteria
1. Mengalikan matriks dengan proritas bersesuaian.

1 5 9 0.748 2,293
Kriteria 0,2 1 3 X 0.180 = 0,544
0,111 0,333 1 0.071 0,214

2. Membagi hasil dari perhitungan diatas dengan Priority Weight

2,293 0,544 0,214
D= = 3,0649 3,0173 3,0056
0,748 0,180 0,071
3. Menghitung λmaks (Jumlah dari perkalian diatas dibagi dengan jumlah elemen)

3,0649 + 3,0173 + 3,00056

λmaks = = 3,0293
3

4. Menghitung Indeks Konsistensi (CI) = (λmaks-N) / (N-1)

(3,0293 − 3)
CI1 = = 0,0146
(3 − 1)

1 Rasio Konsistensi = CI/ RI, di mana RI adalah indeks random konsistensi. Jika rasio
konsistensi ≤ 0., hasil perhitungan data dapat dibenarkan. Dari table random RC diperoleh
untuk n = 3, RI = 0.58
Rasio Konsistensi = 0.0146/0.58 = 0.0252
D. Menghitung Consistency Ratio Kriteria

2. a. Algoritma yang digunakan adalah Decision Tree

𝐽𝑢𝑚𝑙𝑎ℎ 𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖 𝐵𝑒𝑛𝑎𝑟 274
b. Akurasi = 𝐽𝑢𝑚𝑙𝑎ℎ 𝑇𝑜𝑡𝑎𝑙 𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖
𝑥 100 % = 317
𝑥 100% = 86,44 %

Dari hasil pengolahan menggunakan Rapid Miner mnghasilkan akurasi sebagai sebesar 86,44 %,
dengan tabel hasil sebagai berikut :
c. Hasil Decision Tree hasil pengolahan menggunakan RapidMiner sebagai berikut :