Terdapat 3 Class Atribut Information yang ada pada dataset ini yaitu :
Terdapat 4 Class Atribut Relation Lensa Kontak yang ada pada dataset ini yaitu :
Prepocessing Dataset
Preprocessing data adalah teknik data mining yang digunakan untuk mengubah data mentah dalam format yang
berguna dan efisien.
Referensi : https://www.geeksforgeeks.org/data-preprocessing-in-data-mining/
1
Gambar 1.2. Button Explorer
3. Klik Button Open File , cari file dataset contact-lens.arff, lalu klik Open
4. Maka file dataset tadi sudah terbuka di Weka Explorer, seperti gambar dibawah ini .
2
Gambar 1.5. Tampilan Dataset Weka Explorer pada menu Preprocess
5. Untuk melakukan preprocessing, perhatikan setiap atribut apakah terdapat missing? Jika ada lakukan
pengisian missing atau menghapus atribut tersebut. Berikut ini status pada setiap atribut :
Gambar 1.7. Tampilan Status Atribut Spectacle Prescription pada menu Preprocess
Gambar 1.9. Tampilan Status Atribut Tear Production Rate pada menu Preprocess
Pada gambar (1.6, 1.7, 1.8, 1.9 ) diatas karena tidak adak missing pada setiap atribut maka preprocessing
tidak perlu dilakukan dilanjutkan ke Klasifikasi Dataset. Dataset ini berisi contoh yang lengkap dan bebas
noise sehingga tidak perlu di pre processing.
3
Instalasi WEKA
Untuk dapat menginstal Weka, download file Weka di link berikut ini :
https://www.cs.waikato.ac.nz/ml/weka/
https://waikato.github.io/weka-wiki/downloading_weka/
Gambar 2.2. Tampilan Web Official Weka setelah Klik Button Download and Install
Pilih Windows untuk dapat dinstall di System Operasi Windows, lalu klik here. Maka akan diarahkan ke link berikut,
secara automatic file .exe weka akan langsung terdownload.
https://sourceforge.net/projects/weka/files/weka-3-8/3.8.4/weka-3-8-4-azul-zulu-windows.exe/download?
use_mirror=nchc
4
Gambar 2.3. Tampilan Weka Otomatis Terdownload di Link ini
1. Klik dua kali file executable dari Weka 3.8.4 (.exe) hasil proses pengunduhan
5
Gambar 2.6. Jendela License Agreement Proses Instalasi Weka 3.8.4
4. Jendela selanjutnya (Gambar 2.7), pada bagian select the type of install pilih full, untuk menginstall seluruh
komponen yang diperlukan untuk menjalankan aplikasi (jika JRE yang sesuai sudah terinstall maka hilangkan
ceklist pada bagian Install JRE), lalu pilih Next
5. Pada bagian selanjutnya (Gambar 2.8), tentukan di mana/di direktori mana Anda ingin menyimpan file hasil
proses instalasinya (perlu diingat aplikasi ini memerlukan memori sebesar 73.0 MB, jadi pilih direktori yang
Anda anggap dapat untuk menampungnya), setelah selesai menentukan direktorinya pilih Next
6. Pada jendela selanjutnya (Gambar 2.9.), tentukan apakah Anda ingin membuat shortcut untuk menjalankan
aplikasinya pada start menu atau tidak dan tentukan nama dari shortcutnya, selanjutnya pilih Install
6
Gambar 2.9. Jendela Choose Start Menu Folder
8. Setelah proses instalasi aplikasi Weka sudah selesai, klik Next, maka instalasi Weka Sudah selasai
7
Penggunaan Weka
Berikut ini penggunaan weka dalam mengklasifikasi Dataset :
a. Pada tampilan awal, ketika aplikasi WEKA dibuka terlihat seperti pada Gambar 3.1, yaitu WEKA
memiliki empat menu utama dan empat tombol. Empat menu utama tersebut adalah program,
visualisation, tools, dan help.
c. Pada menu Visualisation, merupakan sarana untuk memvisualisasikan data dengan aplikasi WEKA. Pada
menu ini terdapat lima sub menu, yaitu:
1. Plot (Shortcut Ctrl+P) Untuk menampilkan plot 2D dari sebuah dataset.
2. ROC (Shortcut Ctrl+R) Untuk menampilkan kurva ROC yang telah disimpan sebelumnya.
3. TreeVisualizer (Shortcut Ctrl+T) Untuk menampilkan graf berarah, contohnya: sebuah decision tree.
4. Graph Visualizer (Shortcut Ctrl+G) Memvisualisasikan format grafik XML BIF atau DOT, contohnya
sebuah jaringan Bayesian.
5. Boundary Visualizer (Shortcut Ctrl+B) Mengizinkan visualisasi dari batas keputusan classifier dalam
plot 2D.
d. Pada menu Tools, menampilkan aplikasi lainnya yang berguna bagi pengguna. Pada menu ini terdapat
tiga sub menu, yaitu:
1. ArffViewer (Shortcut Ctrl+A) Sebuah aplikasi MDI yang menampilkan file Arff dalam format
spreadsheet.
2. SqlViewer (Shortcut Ctrl+S) Merepresentasikan sebuah lembar kerja SQL, untuk melakukan query
database via JDBC.
8
3. Bayes net editor (Shortcut Ctrl+N) Sebuah aplikasi untuk mengedit, memvisualisasikan dan
mempelajari bayes net
Mengklasifikasi Dataset
Buka dataset dengan, Klik button Explorer
1
Klik Button Open File , cari file dataset contact-lens.arff, lalu klik Open
9
1
Maka file dataset tadi sudah terbuka di Weka Explorer, seperti gambar dibawah ini .
Setelah dataset ada di Weka Explorer, Pilih Menu Classify untuk mengklasifikasikan dataset.
1
10
Gambar 3.6. Tampilan Weka Explorer pada menu Classify
Pilih Classifier nya (Contoh NaiveBayes), lalu pilih (Nom) contact-lenses, lalu Klik Start seperti gambar
dibawah ini :
2
3
Gambar 3.7. Langkah Mengklasifikasi
Maka akan muncul output Klasifikasi dari Metode NaiveBayes seperti gambar dibawah ini :
Pada gambar diatas metode NaiveBayes keakuratan dalam pengklasifikasiannya terdapat pada Correctly
Classified Instances yaitu bernilai 70,8 % (17 instances) dari Total Instances 24. Maka Confusion Matrix
nya sebagai berikut : a = soft terdiri dari 5 instances, b = hard terdiri dari 4 instances, c = none terdiri
dari 15 instances.
Kemudian saya mencoba melakukan klasifikasi lagi dengan metode ke 2 yaitu Naïve Bayes Multinomial
Text. Pilih Classifier nya (NaiveBayesMultinomialText), lalu pilih (Nom) contact-lenses, lalu Klik Start
seperti gambar dibawah ini :
11
1
2
3
Gambar 3.9. Langkah Mengklasifikasi
Maka akan muncul output Klasifikasi dari Metode NaiveBayesMultinomialText seperti gambar dibawah
ini :
Pada gambar diatas metode NaiveBayes keakuratan dalam pengklasifikasiannya terdapat pada Correctly
Classified Instances yaitu bernilai 62,5 % (15 instances) dari Total Instances 24. Maka Confusion Matrix
nya sebagai berikut : a = soft terdiri dari 5 instances, b = hard terdiri dari 4 instances, c = none terdiri
dari 15 instances.
Kemudian saya mencoba melakukan klasifikasi lagi dengan metode ke 3 yaitu ZeroR. Pilih Classifier nya
(ZeroR), lalu pilih (Nom) contact-lenses, lalu Klik Start seperti gambar dibawah ini :
12
1
2
3
Gambar 3.11. Langkah Mengklasifikasi
Maka akan muncul Classifier ZeroR Outputnya, seperti gambar dibawah ini :
Pada gambar diatas metode ZeroR keakuratan dalam pengklasifikasiannya terdapat pada Correctly
Classified Instances yaitu bernilai 62,5 % (15 instances). Total Instances adalah 24 instances. Maka
Confusion Matrix nya sebagai berikut : a = soft terdiri dari 5 instances, b = hard terdiri dari 4 instances, c
= none terdiri dari 15 instances.
Kemudian saya mencoba kembali melakukan klasifikasi dengan metode ke 4 yaitu TreesJ48.
Jika ingin merubah teknik Klasifikasi nya, pilih Choose pada Clasifier, kemudian pilih teknik/metode yang
di inginkan seperti gambar dibawah ini memilih teknik atau metode trees J48 :
13
1
Setelah Classifier nya (J48) dipilih, lalu pilih (Nom) contact-lenses, lalu Klik Start seperti gambar dibawah
ini :
2
3
Gambar 3.14. Langkah Mengklasifikasi
14
Gambar 3.15. Tampilan Output Classifier Trees J48
Pada gambar diatas metode Trees J48 keakuratan dalam pengklasifikasiannya terdapat pada Correctly
Classified Instances yaitu bernilai 83,3 % (20 instances) dari total Instances adalah 24 instances. Maka
Confusion Matrix nya sebagai berikut : a = soft terdiri dari 5 instances, b = hard terdiri dari 4 instances, c
= none terdiri dari 15 instances.
Metode Trees J48 memiliki fitur untuk memvisualisasikan data kedalam bentuk trees (pohon). Maka saya
mencoba memvisualisasikan Trees J48, kedalam bentuk Tree (pohon). Cara memvisualisasikannya
dengan cara klik kanan pada trees.j48, kemudian pilih visualize tree, maka akan muncul seperti gambar
dibawah ini :
15
Setelah melakukan langkah diatas maka akan muncul tampilan trees (pohon) nya seperti gambar
dibawah ini :
Tear Production Rate (tingkat produksi air mata) nya yang reduced (yang mempunyai pengurangan
produksi air mata) sebesar 12 orang , sehingga tidak dilengkapi dengan lensa kontak.
Dan orang yang normal dari Tear Production Rate diklasifikasikan apakah termasuk Astigmatic?
Dari gambar diatas yang tidak termasuk astigmatic berjumlah 6 orang maka harus dilengkapi lensa
kontak yang lembut dan yang memiliki astigmatic akan diklasifikasikan apakah memiliki spectacle
prescript (keputusan vonis penyakit mata yang berasal dari dokter)?
Dari gambar diatas hasil keputusan vonis nya ada 3 orang yang menderita myope (rabun jauh) sehingga
harus dilengkapi lensa kontak yang bersifat keras. Dan ada 3 orang yang menderita hypermetrope
(rabun dekat ) sehingga tidak dilengkapi dengan lensa kontak.
Setelah melakukan percobaan klasifikasi dataset “Lenses” dengan menggunakan metode J48 decision
Trees, Rules ZeroR, Naïve Bayes Multinomial Text dan Naive Bayes, maka dapat disimpulkan bahwa:
Tingkat ke akuratan dalam pengklasifikasian adalah metode :
Referensi :
http://repository.gunadarma.ac.id/1668/1/07_Buku%20WEKA_Lintang.pdf
16